[2018年最新整理]6常用统计分布.pptVIP

* (1) 0 – 1 分布 X = xk 1 0 Pk p 1 - p 0 p 1 注: 其分布律可写成 补充（一）常用统计分布 凡是随机试验只有两个可能的结果， 应用场合 常用0 – 1分布描述，如产品是否格、人口性别统 计、系统是否正常、电力消耗是否超负荷等等. (2) 二项分布 背景：n 重Bernoulli 试验中，每次试验感兴趣的事件A 在 n 次试验中发生的次数 —— 若P ( A ) = p , 则 称 X 服从参数为n, p 的二项分布，记作 0 – 1 分布是 n = 1 的二项分布. 例1:求B(8,0.5) 的中位值。 例2:某特定社区人口的10%是少数民族，现随机抽取6人，问其中恰好2人是少数民族的概率是多少？ (3) Poisson 分布 若 其中 是常数，则称 X 服从参数为 的Poisson 分布，记作 。 在一定时间间隔内： 一匹布上的疵点个数； 应用场合 某一地区发生的交通事故的次数；等等。 例1 某城市50天交通事故的频数分布如下，试求它的泊松理论分布。 50 23 17 7 3 天数 总数 0 1 2 3 一天交通事故件数X 1 0.4493 0.3595 0.1438 0.0383 0.0091 概率 50 22.4 18.0 7.2 1.90 0.50 天数 总数 0 1 2 3 ≥4 一天事故件数X 例2 某地区，每年平均每2000所房子中有1所毁于火灾，如果这个地区有3600所房子，在一年时间内恰好有5所房子毁于火灾的概率是多少? (4) 正态分布 若X 的密度函数为 则称 X 服从参数为?,?2 的正态分布。 记作 X ～N(?,?2) 为常数， 1、定义 2、f (x) 的性质： (1)、图形关于直线 x = ? 对称： f (? + x) = f (? - x) 。 (2)、在 x = ? 时, f (x) 取得最大值 。 (3)、在 x = ?±? 为 曲线 y = f (x) 的拐点。 (4)、曲线 y = f (x) 以x轴为渐近线。 (5)、曲线 y = f (x) 的图形呈单峰图形。 (6)、?为y = f (x)位置参数。 (7)、 ?为y = f (x)形状参数。 3、事件的概率 设 X ～N(?,?2)， 称之为标准正态分布。 4、 N (0,1) — 标准正态分布 定理: 设X～N(μ,σ2), 正态分布的计算： 则 结论: 例1 设 X ~ N(1,4) , 求 P (0 ? X ? 1.6). 解: 附表 例2 已知 且 P( 2 X 4 ) = 0.3, 求 P ( X 0 ). 解： 例3 设测量的误差 X ～ N(7.5,100)(单位：米), 问要进行多少次独立测量，才能使至少有一次 误差的绝对值不超过10米的概率大于0.9 ? 解 设 A 表示进行 n 次独立测量至少有一次误差的绝对值不超过10米。 n 3 所以至少要进行 4 次独立测量才能满足要求. 5、应用场合 可用正态变量描述的实例非常之多： 各种测量的误差； 人的生理特征； 工厂产品的尺寸； 农作物的收获量； 海洋波浪的高度； 金属线的抗拉强度； 热噪声电流强度； 学生们的考试成绩； 记为 分布 （5） 设 相互独立, 服从自由度为 n 的 分布. 定义: 都服从标准正态分布 N(0,1), 则称随机变量： 分布的密度函数为 则 分布的性质 则 设 相互独立, 都服从正态分布 1.?? 设 且X1, X2相互独立，　　 2． 例4 例5 概率密度函数为： 定义: 设X～N(0,1) , Y～ , 且X与Y相互 独立，则称变量 服从自由度为 n的 t 分布. （6）t 分布 分布的上α分位点： 例6 由定义可见， （7）F 分布 ~F(n2,n1) 定义: 设