第五节 统计假设检与区间估计.pptVIP

第五节 统计假设检验 随机变量的概念 一次试验的结果的数值性描述 一般用 X、Y、Z 来表示 例如: 投掷两枚硬币出现正面的数量 根据取值情况的不同分为离散型随机变量和连续型随机变量 离散型随机变量 随机变量 X 取有限个值或所有取值都可以逐个列举出来 X1 , X2，… 以确定的概率取这些不同的值 离散型随机变量的一些例子 连续型随机变量 随机变量 X 取无限个值 所有可能取值不可以逐个列举出来，而是取数轴上某一区间内的任意点 连续型随机变量的一些例子 离散型随机变量的概率分布 离散型随机变量的概率分布 列出离散型随机变量X的所有可能取值 列出随机变量取这些值的概率 通常用下面的表格来表示 离散型随机变量的概率分布（实例） 离散型随机变量的概率分布（0—1分布） 一个离散型随机变量X只取两个可能的值 例如，男性用 1表示，女性用0表示；合格品用 1 表示，不合格品用0表示 列出随机变量取这两个值的概率 离散型随机变量的概率分布（0—1分布实例） 离散型随机变量的概率分布（均匀分布） 一个离散型随机变量取各个值的概率相同 列出随机变量取值及其取值的概率 例如，投掷一枚骰子，出现的点数及其出现各点的概率 离散型随机变量的概率分布（均匀分布实例） 离散型随机变量的数学期望 在离散型随机变量X的一切可能取值的完备组中，各可能取值xi与其取相对应的概率pi乘积之和 描述离散型随机变量取值的集中程度 计算公式为 离散型随机变量的方差 随机变量X的每一个取值与期望值的离差平方和的数学期望，记为D(X) 描述离散型随机变量取值的分散程度 计算公式为 离散型随机变量的方差（实例） 常见的离散型概率分布 连续型随机变量的概率分布 连续型随机变量的概率分布 连续型随机变量的概率分布 连续型随机变量可以取某一区间或整个实数轴上的任意一个值 它取任何一个特定的值的概率都等于0 不能列出每一个值及其相应的概率 通常研究它取某一区间值的概率 用数学函数的形式和分布函数的形式来描述 概率密度函数 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 连续型随机变量的概率也可以用分布函数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为 方差为 正态分布 正态分布的重要性 1. 描述连续型随机变量的最重要的分布 2. 可用于近似离散型随机变量的分布 例如: 二项分布 3. 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 ?? = 总体方差 ? =3.14159; e = 2.71828 x = 随机变量的取值 (-? x ?) ? = 总体均值 正态分布函数的性质 概率密度函数在x 的上方，即f (x)0 正态曲线的最高点在均值?，它也是分布的中位数和众数 正态分布是一个分布族，每一特定正态分布通过均值?的标准差?来区分。 ?决定曲线在x轴上的位置，?决定曲线的平缓程度，即宽度， ?越小，曲线越陡。 曲线f(x)相对于均值?对称，尾端向两个方向无限延伸，且理论上永远不会与横轴相交 正态曲线下的总面积等于1 随机变量的概率由曲线下的面积给出 ? 和? 对正态曲线的影响 正态分布的概率 标准正态分布的重要性 一般的正态分布取决于均值?和标准差 ? 计算概率时 ，每一个正态分布都需要有自己的正态概率分布表，这种表格是无穷多的 若能将一般的正态分布转化为标准正态分布，计算概率时只需要查一张表 标准正态分布函数 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 中心极限定理(central limit theorem) 二、统 计 假 设 检 验 统计推断 是指根据样本以及问题的条件和假定模型对未知事物(即总体)作出的以概率形式表述的推断，它主要包括统计假设检验和参数估计两个内容。 　统计假设检验又叫显著性检验 （一）、显著性检验的意义 一)为什么要进行显著性检验？ 例2-5 某实验要求实验动物平均体重μ=10.00g, 现有实验动物10只，平均体重 =10.23g, 已知总体标准差σ=0.4g，问这些动物在该实验中能否使用？ 二)　检验目的与对象 例2-5 设抽取该10只动物的总体体重平均数为μ，实验要求的实验动物体重平均数为μ0 . 　目的　总体平均数（μ=μ0） 　对象 样本平均数