[理学]第七章 常用统计分布.ppt

第七章 常用统计分布 本章重点： 1、二项分布 2、正态分布 3、常用抽样分布 本章难点： 1、正态分布 2、常用抽样分布 3、中心极限定理 二、二项分布的性质 第二节 正态分布 表7－3 正态分布x的取值区间及概率表 二、标准正态分布 解 已知μ＝168，σ＝12，那么： 当n很大时，只要p或q不近于零，我们就可以用正态近似来解决二项分布的计算问题。 三、二项分布的正态近似法 将总体均值和总体标准差与样本均值和样本标准差加以区别是很必要的。因为参数和统计量之间存在着重要区别。 χ2分布的分布函数为： 图7.9 F分布图（概率密度曲线） 1、t分布的数学形式 若样本X1，X2，…，Xn来自于正态总体N（μ，σ2），可以证明，随机变量： 随机变量t的临界值。 （2）t分布密度曲线对称于直线t=0（但不是正态分布），故有 中心极限定理也可以表述为：设随机变量X的均值为μ，方差为σ2，X1，X2，…，Xn为X的样本，那么， 无疑，中心极限定理大大拓展了正态分布的适用范围，同时我们得到了以下重要信息： 思考与练习 ●已知一总体分布，可求得它的特征值。 ●已知一样本分布，可求得它的特征值。 根据总体各个单位标志值计算的统计指标，在推断统计中称为总体参数，简称参数。总体均值和总体标准差(或方差)是反映总体分布特征最重要的两个参数，习惯上分别记作μ和σ（或σ2）。 根据样本各个单位标志值计算的统计指标，在推断统计中称为样本统计量，简称统计量。样本均值和样本标准差(或方差)是反映样本分布特征最重要的两个统计量，习惯上分别记作 参数是有关总体的固定值，一般都是未知的。 在同一总体中，当从一个样本换为另一个样本，统计量很可能不同。 抽样分布特指样本统计量作为随机变量的概率分布。 用数学语言来说，抽样分布是运用数理统计的方法，把具体概率赋予样本的所有可能结果的一种理论分布。 换句话说，从同一总体中抽出容量相同的所有可能样本后，计算每个样本统计量的取值和与之相应的概率，就组成样本统计量的概率分布，简称抽样分布。 在假设检验的实际工作中常用到χ2分布、F分布和t分布。 （一）χ2分布（卡方分布） χ2分布是一种连续型随机变量的概率分布。 1、χ2分布的数学形式 χ2是表示标准正态分布随机变量Z的平方和。 设随机变量X1，X2，…，Xk为k个相互独立的随机变量，来自同一正态分布总体N（μ，σ2），则统计量χ2为： 我们把统计量χ2的概率分布称为服从自由度为k的χ2分布，记为χ2～χ2（k）。 图7.7 χ2分布图（概率密度曲线） χ2分布的自由度k表示定义式中独立变量的个数。特别当k＝1时， ………（7.7） 随机变量χ2的临界值（参见图7.8） 图7.8 χ2检验的否定域 查χ2分布概率表时，按自由度及相应的概率去找到对应的χ2值。如上图所示的单侧概率χ20.99(7)=1.24的查表方法就是，在第一列找到自由度7这一行，在第一行中找到概率0.99这一列，行列的交叉处即是1.24。 2、χ2分布的性质 （1）随机变量χ2的分布不是正态分布，χ2恒为正值，且χ2分布密度曲线下总面积为1。 （2）期望值E（ χ2 ）＝k，方差V（ χ2 ）＝2k。 （3）χ2分布是一个连续的非对称分布，当k﹤2时，χ2分布呈L形；k→∞，χ2分布趋于正态分布。 （4）χ2分布具有可加性。(FJ7-5) （5）利用χ2分布可以推出样本方差S2分布,即： （二）F分布 F分布是连续型随机变量的一种重要的小样本分布。 1、F分布的数学形式 F分布是由两个χ2分布之比组成的。 设随机变量X与Y相互独立，而且X、Y分别服从自由度为K1、K2的χ2分布，则称随机变量 服从第一自由度为K1，第二自由度为K2的F分布，记为F～F（K1，K2）。 2、F分布的性质 （1）随机变量F和随机变量χ2一样恒取正值，F分布密度曲线下总面积也为1。 （2）F分布也是一个连续的非对称分布。 （3）F分布具有一定程度的反对称性， （4）F分布的期望值和方差（变异数）分别为: （5）F统计量的实用公式为： （三）t分布 t分布是连续型随机变量的一种重要的小样本分布。 t分布最初是由戈塞特（1876－1937）用笔名“Student”(学生)发表，故又称学生分布。 设随机变量X与Y相互独立，而且X服从标准正态分布， Y服从自由度为n的χ2分布， 则称随机变量 服从自由度为n的t分布，记为t（n）。 图7.10 t分布图（概率密度曲线） 通过下式可以编制出t分布表（见附表5）： 具体来说，在假设检验中，它表示在显著性水平α上t分布随机变量t的临界值。