第4章 理论分布与抽样分析.pptVIP

第四章 理论分布与抽样分布 4.1 事件与概率 4.2 随机变量的概率分布类型 4.3 理论分布 4.4 抽样分布 6. 　事件的独立性 　　若事件A发生与否不影响事件B发生的可能性，则称事件A和事件B相互独立。 例如花色与产量无关的例。 4.3 理论分布 一、二项分布（属离散型分布） 二、泊松分布 三、正态分布 一、二项分布（属离散型分布） 二项分布由n和P两个参数决定，其特点是： 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3—1所示。 二、泊松分布 　泊松分布是一种可以用来描述和分析随机地发生在单位时间或空间里的稀有事件的概率分布。 三、正态分布 ＆4.4　抽样分布 A.中心极限定理：若X服从Ｎ（μ，σ2），从中抽取大样本n30，概率论中心极限定理，则 （1）单峰曲线 （2）左右对称（X＝μ） （3）在x＝μ±σ处曲线各有一拐点 （4）曲线图形由μ、σ确定 （5）X──〉±∞ ｆ（ｘ）──〉0 （6）曲线与横坐标所夹的面积等于１（100％） 2、正态分布曲线特点： [ μ－1σ，μ+1σ] 68.27％ [ μ－2σ，μ+2σ]　　 95.45％ [ μ－3σ，μ+3σ] 　　99.73％ 4.正态曲线下的面积：（用概率表示） 在统计推断上国内约定95％、99％ 积分算得[ μ－1.96σ，μ+1.96σ]概率为95％ 　　　 [ μ－2.58σ，μ+2.58σ]概率为99％ 在统计学上称两尾的概率之和Ｐ＝5％为5％的显著水准 Ｐ＝1％为1％的显著水准 图示 由于正态分布图形随μ，σ不同而变，不便比较，将X转化为u值: 即把原正态分布转化为标准正态分布。 5、正态分布的标准化 u称标准正态离差：表示离开平均数?有几个标准差单位。 标准化正态分布函数： ?（u） 称为标准化正态分布密度函数，即 ? =0， ? =1时的正态分布记作N（0，1） 从N(?, ?2 )到 N(0,1),从几何意义上说，仅仅是将变量x作了横坐标轴的平移和尺度单位的变化。 标准正态分布的概率计算： 例　已知某作物株高增量（cm）服从正态分布N（250，1.582）若P（xl1）=P(x≥l2)=0.05,求l1和l2。 一.t分布（平均数的抽样分布） 从 　　　　　　　　　中抽取的随机样本X1,…,Xn，它产生了　　　等统计量，这些统计量的分布显然与总体有关。 1.t分布定义 因此抽样分布: 这个分布可以推断已知的　与　的差异问题及　的估计问题。 由于X1,….,Xn相互独立，且均服从 又正态分布变量的线性组合仍服从正态分布， ? 服从df=n-1的t分布 t 分布又叫学生氏t 分布。其概率密度函数为: f(t)= (df-1) 2 [ ] ！ √?df (1+ df t2 ) (df-2) 2 [ ] ！ df+1 2 ( ) _ (- ∞＜t ＜ ∞) t 分布的参数为df，其分布曲线为一组对称曲线，围绕μt=0向两侧递降(图5.3)。 其累积概率函数为 Fdf(t)=P(T＜t)=∫ t ∞ _ f(T)dT 于是左右两尾概率为2[1- Fdf(t)](图5.4)。 2.t分布曲线特点 (1)．单峰曲线 (2)．左右对称（t＝0） (3)．曲线图形由自由度不同而不同 (4)．ｔ?±∞ , ｆ（ｔ）?0 ; ｎ?∞ｔ分布与标准正态分布曲线一致 (5)．曲线与横坐标所不便夹的面积等于1 （100％） * * 在一定条件下，可能发生，也可能不发生的现象称为随机事件。 4.1 事件与概率 一、事件及其相互关系 (一)事件的意义 1.必然事件 2.不可能事件 3.随机事件 (二)、事件的相互关系 1. 和事件 事件A和事件B至少有一个发生，这一事件称为和事件，记为“A+B”，读作“或A发生，或B发生”。 2.积事件 事件A和事件B同时发生，这一事件称为积事件，记为“AB”。 3.互斥事件(不相容事件) 事件A和事件B不能同时发生，这一事件称为互斥事件，记为“A.B＝V” 4.对立事件 若事件Ａ与Ｂ是互不相容，且Ａ＋Ｂ为必然事件，则称Ａ为Ｂ的对立事件。 例如、“产品合格”A和“产品不合格”B，A+B=必然事件，AB=不可能事件。 5.完全事件系 若事件A1、A2、A3、…、An两两互斥，且每次试验结果必发生其一，则称这n个事件为完全事件系。 二 、概率的统计定义及估计方法 表3.1 在相同条件下水稻种子发芽试验结果 试验粒数(n) 5 10 50