[自然科学]第一部分 概率、概率分布与抽样分布.ppt

概率密度函数： t分布的平均数和标准差： t分布的概率累积函数也分为一尾表和两尾表，一尾表是t到∞的面积，两尾表是-t到-∞的面积和t到∞的面积之和。 单尾表表头上的各概率（α）是t大于表中所列t值时的概率。例如从表中查出df=9, α=0.05的t单侧分位数t0.05=1.8331,表示t≥1.8331 时，曲线下面积（或概率）为0.05 由于曲线的对称性，对于单侧分位数可以表示为： P(t≥tα)=P(t≤-tα)= α 两尾时，每一尾的面积只有给出概率的1/2 。例如df=9, α=0.05的t双侧分位数，就要查α/2=0.025　时的单侧分位数：t0.025,9=2.2622,由于对称性，另一侧-t0.025,9=-2.2622即：t≥2.2622和－t≤－2.2622（相当于|t|≥2.2622）两尾面积之和为0.05。 4.1.2 样本方差的分布 从方差为σ2的正态总体中，随机抽取容量为n的样本，计算出样本方差s2,将其标准化，得到一个不带任何单位的纯数，然后讨论其分布。标准化的方法为： 称为具有n-1自由度的卡方, 分布是概率曲线随自由度df而改变的一类分布（如图），它的密度函数为 分布的平均数和标准差为： 卡方 (c2) 分布 选择容量为n 的 简单随机样本 计算样本方差S2 计算卡方值 ?2 = (n-1)S2/σ2 计算出所有的 ? 2值 不同容量样本的抽样分布 c2 n=1 n=4 n=10 n=20 m s 总体 附表6是 卡方分布的上侧临界值表。表头的概率是卡 方大于表内所列卡方值的概率。 4.1.3 样本标准差的分布（P57-58） §4.2从两个正态总体抽出的样本统计量分布 4.2.1 总体标准差已知，样本的和与差的抽样分布 １、标准差σ1、σ２已知，两者抽样相互独立，则两个独立随机抽取的样本平均数间和与差数 的抽样分布参数与两个总体间存在如下关系： 4.2.2 总体标准差未知，样本的和与差的抽样分布 若σ1、σ２未知，但两个总体相互独立而且都是正态分布，同时σ1=σ２ =σ，则差数分布服从df1+df2的t分布,其中df1=n1-1, df2=n2-1； 从平均数和方差为(μ，σ2)一个正态总体中独立地抽出含量分别为n1、n2的样本，并分别求其方差s12和s22。则： 此F值具有自由度df1和df2， 4.2.3 两个样本方差比的分布－F分布 如果按给定的自由度df1和df2进行一系列的抽样，就可以得到一系列Ｆ值而成一个Ｆ分布。统计证明，Ｆ分布是具有平均数１(因两个均方来自同一个总体)、取值区间[0,∞]的一组曲线,形状决定于df1和df2,在df1=1或和df1=2时为反向J型, df1大于等于3时转为左偏。 Ｆ分布下一定区间的概率可以从已制成的统计表查出（附表7） 。 如：df1＝3,df2＝12时，F0.05=3.49;F0.01=5.95,表示以n1=4,n2=13在一个正态总体中连续抽样，则所的F值大于3.49的概率仅有5%，而大于5.95的概率仅有1%。 从两个正态总体中抽样时，F值为标准化的样本方差之比 ： 分布密度函数和特征数（P59） ? 不同样本容量的抽样分布 F （1,10) (5,10) (10,10) 结 束 （补充） 大数定律与中心极限定理 一、大数定律：阐述大量随机变量的平均结果具有稳定性的一系列定律的总称。 独立同分布大数定律：提供了用样本平均数估计总体平均数的理论依据 贝努力大数定律 贝努力大数定律：提供了用频率代替概率的理论依据 中心极限定理 二、中心极限定理：阐述大量随机变量之和的极限分布是正态分布的一系列定理的总称。 独立同分布的中心极限定理 结论：不论总体服从何种分布，只要它的数学期望和方差存在，从中抽取容量为n的样本，当n充分大时，则这个样本的总和或平均数是服从正态分布的随机变量。 德莫佛－拉普拉斯中心极限定理 该定理提供了用正态分布近似计算二项分布概率的方法。 * * * * * Have students verify these numbers. * * * 图 九个二项分布B(5,p) (p＝0.1到0.9)的概率分布图 n值不同的二项分布比较 p值不同的二项分布比较 二项分布由n和p两个参数决定： 1、当p值较小且n不大时，分布是偏倚的。但随着n的增大 ，分布逐渐趋于对称，如图所示； 2、当p值趋于0.5时，分布趋于对称，如图所示； 3、对于固定的n及p，当k增加时，Pn(k)先随之增加并达到其极大值，以后又下降。 此外，在n较大，