田间试验与统计分析 第三章 概率和概率分布.ppt

第三章 概率和概率分布 第一节 概率基础 第二节 二项分布 第三节 正态分布 第四节 抽样分布 学习目标 　　本章是本课程的理论基础，其内容与《概率论与数理统计》基本重复。因此不作为本课程的核心内容，仅要求从理解角度来复习有关概率和常用概率分布的知识。 掌握：统计概率与小概率事件不可能性原理的含义 熟悉：常用概率分布的概率计算与查表方法 了解：抽样分布的意义 第一节 概率基础 一、统计概率的含义 二、概率的主要性质 三、小概率事件原理 四、随机变量及其分布 事件：在试验的结果中所发生的现象 概率：每一事件出现的可能性 随机事件：在相同条件下，对事物或现象所进行的观察，其试验结果具有以下特点：可以在相同的条件下重复进行；每次试验结果可能不止一个；试验的所有可能结果在试验之前是确切知道的，但在试验结束之前，不能确定该次试验的确切结果。 对于随机事件，如果要研究它的规律性，必须通过大量重复观察、调查或试验，从而计算在相同条件下发生这类事件的可能程度大小。 概率的统计定义 在相同条件下进行n次重复试验，如果随机事件A发生的次数为m，那么m/n称为随机事件A的频率（frequency）；当试验重复数n逐渐增大时，随机事件A的频率越来越稳定地接近某一数值p，那么就 把 p称为随机事件A的概率。 统计概率：随机事件发生频率的稳定值，一般称为该事件的统计概率。 二、概率的主要性质 必然事件的概率P(A)等于1； 不可能事件的概率P(A)等于0； 随机事件的统计概率P(A)都在0与1之间。 三、小概率事件原理 人们常把P ≤0.05或0.01的事件称为小概率事件。小概率事件有一个重要的特性是：概率很小的事件，在一次试验中是很难出现的，人们就认为它是不可能出现的。一旦容易出现了，该事件就有可能不是小概率事件。这就称为小概率事件实际不可能性原理，是统计推断的理论依据。 四、随机变量（p51） 随机变量：随机变数所取的某一实数值。 离散型随机变量：随机变量的所有取值都可以逐个列举出来。 连续型随机变量：随机变量的所有取值都不可以逐个列举出来，而是取数轴上某一区间内的任一点。 概率分布：总体分布状况，即总体中随机变量可以取到哪些值，以及取到这些值所对应的概率。 离散型随机变量的概率分布 变量的所有可能取值及其对应概率一一列出所形成的分布称为离散型随机变量的概率分布 常用分布列来表示离散型随机变量： x1 x2 … xn …. p1 p2 … pn … 常用的离散型随机变量的概率分布：二项分布、泊松分布、几何分布等 连续型随机变量的概率分布 连续型随机变量 (如株高、产量等)的概率分布不能用分布列来表示，而用随机变量x在某个区间内取值的概率P(a≤xb)来表示。 常用的连续型随机变量的概率分布有正态分布等 常用的理论概率分布 正态（u）分布：一组受总体平均数和方差决定的对称分布 t分布：一组自由度决定的对称分布 F分布：一组受两个样本自由度决定的偏斜分布 ?2分布：一组受样本自由度决定的偏斜分布 第二节 二项分布 由非此即彼事件构成的总体叫做二项总体。通常给“此”事件以变量“1”，具概率p，给“彼”事件以变量“0”，具概率q。 如果我们每次独立抽取0、1总体的n个个体，则所得变量x将可能有0、1……n，共n＋1种变量有它各自的概率而组成一个分布，这个分布就叫做二项概率分布，简称二项分布。 二项分布必须满足两个基本假定 各事件是相互独立的，即任一事件发生与否，不影响其它事件发生的概率； 各个随机事件只能发生非此即彼的对立事件。 二项分布概率计算 计算二项分布任何一项概率的通式为： 二项分布的性质 二项分布的形状 1、当p=0.5,即p=q时，二项分布呈对称形状； 2、当p＞0.5时，即q＜0.5时，二项分布为偏右； 3、当p＜0.5时，即q＞0.5时，二项分布为偏左； 4、当n增到足够大时，且p值不是很小时，二项分布趋于正态分布。 二项分布的参数 凡描述一个总体分布，其总体平均数和方差(或标准差)是两个最重要的参数。若变数X属二项分布，则： 二项分布的总体平均数（次数）：　 二项分布的总体方差: 二项分布的标准差(次数): 例1： 已知一批玉米种子发芽率为70%，现每穴播6粒种子，随机调查100穴，试计算其每穴有1粒发芽、有2粒发芽……有6粒发芽的概率。 例2： 若已知某作物病害的抗性是受单一隐性基因aa所控制，根据孟德尔遗传法则，杂合体Aa的自交后代期望出现抗性植株的概率为0.25。若Aa的自交后代中，每次随机观察4株，试计算得抗性植株4株、3株、2株、1株和0株