ch07第七章 抽样分布和参数估计.pptVIP

第七章 抽样分布和参数估计 概率分布 抽样分布 单样本均值参数估计 有原始资料的区间估计 无原始资料的区间估计 7.1 概率分布 7.1.1 概率公式 7.1.2 概率计算 7.1.3 实例分析 7.1.3 实例分析 7.1.4 练习 7.2 抽样分布 7.2 抽样分布 7.2 抽样分布 7.3 单样本均值参数估计 7.3 单样本均值参数估计 7.4 有原始资料的区间估计 7.4 有原始资料的区间估计 7.4 有原始资料的区间估计 7.5 无原始资料的参数估计 课件制作：叶勇 课件制作：叶勇 7.1.1 概率分布概述 随机变量可分为离散型随机变量和连续型变量，相应的概率分布也分为离散变量概率分布和连续变量概率分布。 a.常见的离散变量概率分布有二项分布、泊松分布、超几何分布。 二项分布P(n,p)，n重贝努里实验，从抽样角度讲是重复抽样。 超几何分布HG(N,M,n)是不重复抽样，当n/N5%时，逼近二项分布，适合于产品中次品检验。 泊松分布P(λ ),当p0.05和n=20时，二项分布逼近泊松分布，λ =np b.常见的连续变量概率分布有均匀分布、正态分布、指数分布等。 任何概率分布可用概率密度函数pdf和累积概率分布函数cdf测定， pdf代表P(x=k)，cdf代表P(x=k)。 计算概率使用Compute命令，有关的概率函数（前缀为CDF.或PDF.）： 1.二项分布BINOM(k,n,p) n为实验次数，p为成功概率 2.卡方分布CHISQ(k,df) df为自由度 3.指数分布EXP(k,p) p为事件发生概率 4.F分布F(k,df1,df2) df1,df2表示自由度 5.超几何分布HYPER(k,N,M,n) N为总体单位数，M为次品数，n为实验次数或抽样单位数。 6.正态分布NORMAL(k,mean,stddev) 7.泊松分布POSSION(k,Mean) 8.T分布T(k,df) 9.均匀分布UNIFORM(k,min,max) 表示对于min－max的分布，计算P(x=k)的概率。 对于离散型变量概率分布，计算公式如下，以二项分布为例： 1.P(x=k)=P(x=k)-P(x=k-1) CDF.BINOM(k,n,p)-CDFBINOM(k-1,n,p) 或 PDF.BINOM(k,n,p) 2.P(x=k) CDF.BINOM(k,n,p) 3.P(x=k)=1-P(x=k-1) 1-CDF.BINOM(k-1,n,p) 4.P(xk) CDF.BINOM(k-1,n,p) 5.P(xk)=1-P(x=k) 1-CDF.BINOM(k,n,p) 6.P(k1=xk2) CDF.BINOM(k2-1,n,p)-CDF.BINOM(k1-1,n,p) 7.P(k1x=k2) CDF.BINOM(k2,n,p)-CDF.BINOM(k1,n,p) 对于连续型变量概率分布，计算公式如下，以正态分布为例： 1.P(x=k)或P(xk) CDF.NORMAL(k,Mean,stddev) 2.P(x=k)或P(xk) 1-CDF.NORMAL(k,Mean,stddev) 3.P(k1xk2) CDF.NORMAL(k2,Mean,stddev)-CDF.NORMAL(k2,Mean,stddev) 例1：如在相同条件下，对目标独立地进行8次射击，如果每次命中的概率为0.7，求： (1)击中目标3次的概率 (2)击中目标不少于4次的概率 (3)击中目标次数少于5次的概率 显然这是一个二项分布的问题，n=8 p=0.7。设x为击中目标的次数，所有可能取值为0,1,2,…,8。 定义变量x，输入所有取值。然后计算pdf=PDF.BINOM(x,8,0.7) cdf=CDF.BINOM(x,8,0.7) 例2：假设有1000件产品，其合格率为90%，现随机抽取5件，其中有2件或3件为不合格品的概率是多少。 设x为不合格品数，可能取值为0,1,2,3,4,5 依题意，这是个超几何分布HG(1000,100,5)，求P(1=x=3) 定义变量x，输入所有取值。然后计算cdf=CDF.HYPER(x,1000,100,5) P(1=x=3)=0.99956-0.91893 =0.081 练习1：某保险公司根据过去发生交通事故的记录估计出1位投保学生在一年内遭遇交