气候统计基本气候状态的统计量理论概率分布参考.ppt

Gamma分布（2） 形状参数 ： ，分布具有很强的右偏性； ，在x=0时，PDF在垂直轴 处相交，即指数分布； ，PDF通过原点，f(0)=0 增大，则右偏性减弱，当其取值大于50-100后，接近正态分布。 Gamma分布（2） 尺度参数 ： 决定PDF的伸缩； 与x同量纲； 增大，则PDF向右拉伸，而分布的高度必然降低； 减小，则PDF向左收缩，而分布的高度必然升高。 Gamma分布(3) ——参数估计 可用矩估计方法，但效果差，尤其是当 较小时。 多采用极大似然法（maximum likelihood）估计。 方法1（Thom，1958）： 方法2（Greenwood and Durand，1960）： 极大似然法 它是在总体类型已知条件下使用的一种参数估计方法 . 它首先是由德国数学家高斯在 1821年提出的 . Gauss Fisher 然而,这个方法常归功于英国统计学家费歇 . 费歇在1922年重新发现了这一方法，并首先研究了这种方法的一些性质 . 极大似然法的基本思想 先看一个简单例子： 一只野兔从前方窜过 . 是谁打中的呢？ 某位同学与一位猎人一起外出打猎 . 如果要你推测， 你会如何想呢? 只听一声枪响，野兔应声倒下 . 你就会想，只发一枪便打中, 猎人命中的概率一般大于这位同学命中的概率 . 看来这一枪是猎人射中的 . 这个例子所作的推断已经体现了极大似然法的基本思想 . 设总体 是离散随机变量， 的概率为 ， 其中 为未知参数。考虑事件 的积的概率 ，即以样本 观测值 分别代入 中的 ，得到 ，再将它们相乘，得到函数 2.极大似然估计法 极大似然估计法，是建立在极大似然原理的基础上的求点估计量的方法。极大似然原理的直观想法是：如果随机试验的结果得到样本观测值 ，则我们应这样选取 的值，使得这组样本观测值出现的可能性最大，也就是使似然函数 达到极大值，从而求得参数 的估计值 求最大似然估计量的步骤: 费舍尔 最大似然估计法是由费舍尔引进的. 最大似然估计法也适用于分布中含有多个未知参数的情况. 此时只需令 对数似然方程组 对数似然方程 Gamma分布(4) ——标准化 Gamma分布也可以做标准化处理，即 标准化公式： 不变， 无量纲 指数分布 Gamma分布的特例之一； 当 时，Gamma分布可退化为指数分布，其PDF为 CDF（解析上是可积分的） 指数分布 在大气科学中常用来分析雨滴大小的分布特征，即drop-size分布； 当用于上述分析时，也是Marshall-Palmer分布，即以雨滴数量（其为雨滴直径的函数）的分布； 该分布特别重要的应用是在雷达上的应用。 Chi-suqare分布 Gamma分布的另一个特例是Chi-suqare分布； 即 的分布； 其PDF为 其中 为自由度； 具体可见统计显著性检验。 Chi-suqare分布 Probability density functions for Chi-suqare 统计期望 ——方差 函数 的数学期望—方差： 连续分布（1） ——PDF的定义 连续随机变量概率的计算需要对概率密度函数（probability density functions, PDFs,通常用 表示）进行积分。 ，只有满足该式的函数 才可称之为概率密度函数。 对应所有的 ， 必须为非负值。 大气中的很多变量，如温度、降水量、位势高度、风速等通常作为连续变量。 连续分布（2） ——概率的计算 连续随机变量的概率正比于概率密度函数所覆盖的面积； 计算随机变量