2010年抽样与抽样分布-统计学-刘子君 武霞 郭晔-东北大学出版社.pptVIP

正态分布 概率密度函数(probability density function) 设X为一连续型随机变量，x 为任意实数，X的概率密度函数记为f(x)，它满足条件 概率密度函数 ? 密度函数 f(x)表示X 的所有取值 x 及其频数f(x) 概率密度函数 ? 在平面直角坐标系中画出f(x)的图形，则对于任何实数 x1 x2，P(x1 X? x2)是该曲线下从x1 到 x2的面积 分布函数 (distribution function) 连续型随机变量的概率可以用分布函数F(x)来表示 分布函数定义为 分布函数与密度函数的图示 密度函数曲线下的面积等于1 分布函数是曲线下小于 x0 的面积 连续型随机变量的期望和方差 连续型随机变量的数学期望 方差 正态分布 在沈阳市场上的精制盐很多是一公斤袋装，上面标有“净含量1kg”的字样。但当你用稍微精确一些的天平称那些袋装盐的重量时，会发现有些可能会重些，有些可能会轻些；但都是在1kg左右。多数离1kg不远，离1kg越近就越可能出现，离1kg越远就越不可能。 一般认为这种重量分布近似地服从最常用的正态分布(normal distribution，又叫高斯分布，Gaussian distribution)。 近似地服从正态分布的变量很常见，象测量误差、商品的重量或尺寸、某年龄人群的身高和体重等等。 在一定条件下，许多不是正态分布的样本均值在样本量很大时，也可用正态分布来近似。 正态分布(normal distribution) 由C.F.高斯(Carl Friedrich Gauss，1777—1855)作为描述误差相对频数分布的模型而提出 描述连续型随机变量的最重要的分布 许多现象都可以由正态分布来描述 经典统计推断的基础 概率密度函数 f(x) = 随机变量 X 的频数 ? = 正态随机变量X的均值 ? ?= 正态随机变量X的方差 ? = 3.1415926; e = 2.71828 x = 随机变量的取值 (-? x ?) 正态分布函数的性质 图形是关于x=?对称钟形曲线，且峰值在x= ?处 均值?和标准差?一旦确定，分布的具体形式也惟一确定，不同参数正态分布构成一个完整的“正态分布族” 均值?可取实数轴上的任意数值，决定正态曲线的具体位置；标准差决定曲线的“陡峭”或“扁平”程度。?越大，正态曲线扁平；?越小，正态曲线越高陡峭 当X的取值向横轴左右两个方向无限延伸时，曲线的两个尾端也无限渐近横轴，理论上永远不会与之相交 正态随机变量在特定区间上的取值概率由正态曲线下的面积给出，而且其曲线下的总面积等于1 ? 和? 对正态曲线的影响 正态分布的概率 标准正态分布(standardize the normal distribution) 随机变量具有均值为0，标准差为1的正态分布 任何一个一般的正态分布，可通过下面的线性变换转化为标准正态分布 标准正态分布 标准正态分布表的使用 对于标准正态分布，即Z~N(0,1)，有 P (a? Z?b)? ? ?b? ?? ?a? P (|Z| ?a)? 2? ?a? ?1 对于负的 z ，可由? (-z)???? ?z?得到 举例： Z~N(0,1) P (0? Z?1.25)? ? ?1.25? ?? ?0? P (-1? Z?1)? 2? ?1? ?1 P (Z-0.5)? 1 ?? ?0.5? 3.对于一般正态分布，即X~N(? , ?2 )，有 标准化的例子 P(5 ? X ? 6.2) 标准化的例子P(2.9 ? X ? 7.1) 正态分布(例题分析) 练习 设随机变量X~N(? , ?2 )试求X落在以?为中心，以?、1.96 ?、2 ?、2.58 ?、3 ?为半径的区间内的概率。 6 ?管理 传统的公司一般品质要求已提升至3 ?.这就是说产品的合格率已达至99.73％的水平，只有0.27％为次货。又或者解释为每一千货产品只有2.7件为次品。 很多人认为产品达至此水平已非常满意。可是，根据专家研究结果证明，如果产品达到99.73％合格率的话，以下事件便会继续在现实中发生：每年有20，000次配错药事件；每年不超过15，000婴儿出生时会被抛落地上；每年平均有9小时没有水、电、暖气供应；每星期有500宗做错手术事件；每小时有2000封信邮寄错误。 第 5章 统计推断之抽样与抽样分布 案例：盖洛普的崛起 1936年美国总统大选 抽样方法 概率抽样(probability sampling) 根据一个已知的概率来抽