第3-4章_理论分布与抽样分布.pptVIP

第三章 理论分布与抽样分布 第三章 理论分布与抽样分布 1 理论分布 1.1二项分布 1.2泊松分布 1.3正态分布 1.1二项分布 1.1二项分布 二项分布定义 二项分布的特点 1.1.3二项分布概率计算及应用条件 1.1.3.1二项分布应用条件 一般情况下，应首先进行预处理，把试验结果归为两大类或两种可能的结果。 已知发生某一事件A的概率为p，其对立事件的概率为q=1-p，实际要求p是从大量观察中得到的比较稳定的值。实践中那些由两属性类别的质量性状得来的次数或百分数资料常常服从二项分布。 n次观察结果应相互独立，即每个观察单位的结果不会影响到其他观察单位的结果。 1.1.4 二项分布的平均数与标准差 1.1.4.1二项分布的均值 设x~B（n，p），用?表示其均值。 1.1.4.2 二项分布的方差（标准差） 设x~B（n，p），用?2表示其方差。 1.1.4.2 二项分布的方差（标准差） 1.2 泊松分布 1.2.1 泊松分布的定义及特点 1.2.1.1泊松分布的定义 若随机变量x（x=k）所有可能取值是非负整数，且其概率分布为： 1.2.1.2泊松分布的特点 泊松分布作为一种离散型随机变量的概率分布，理论上已经证明其均值与方差相等，即?=?2=?这是泊松分布的一个显著特点。利用这个特点可以初步判断一个随机变量是否服从泊松分布。?是泊松分布中所依赖的惟一参数，?越小分布越偏，随着?的增加爱，分布趋于对称。 1.2.2泊松分布的概率计算及应用 1.2.2.1 泊松分布的概率计算 【例3-4】食品点每小时光顾的顾客人数服从?=3的泊松分布，即x~P(3)分布。 (1) 计算每小时恰有5名顾客的概率。 1.2.2泊松分布的概率计算及应用 (2)1h内顾客不超过5人的概率。 1.3 正态分布 正态分布（normal distribution）是一种常见的连续型随机变量的概率分布。食品科学研究中所涉及的许多变量都是服从或接近正态分布的，如食品中各种营养成分的含量，有害物质残留量，瓶装食品的重量、容积、分析测定过程中的随机误差等。 1.3.1正态分布的定义及其特征 1.3.1.2 正态分布的特征 (1)正态分布曲线是以均数?为中心左右对称分布的单峰悬钟曲线，在平均数的左右两侧，只要(x- ?)的绝对值相等，f(x)值就相等。 (2) f(x)在x=?处达到最大值，且 (3) f(x)是非负函数，以横坐标为渐近线，分布从-∞到+∞，且曲线在?±?处有一个拐点。 第三章 理论分布与抽样分布 (4)正态分布曲线是以参数?和?2的不同而表现出来的一系列曲线，所以正态分布曲线是一个曲线族，不是一条曲线。参数?是正态分布的位置参数，?2是正态分布的形状参数，表示总体的变异度，?2越大，曲线越“胖”，表明数据比较分散；?2越小，曲线越“瘦”，说明变量越集中在平均数? 的周围。 (5)正态分布的次数多集中于算术平均数?的附近，离均数越远，其相应的次数越少，而在│x-? │≥3?外次数极少，这也是食品工业上所用的工业控制3?原理的基础。 (6)曲线f(x)与横轴之间所围成的面积等于1， 标准正态分布 ?=0， ?2 =1 标准正态分布的计算 标准正态分布的计算 标准正态分布的计算 标准正态分布的计算 标准正态分布的计算 一般正态分布的计算 一般正态分布的计算 一般正态分布的计算 一般正态分布的计算 2 抽样分布 2.1 样本平均数的抽样分布 2.1 样本平均数的抽样分布 2.1 样本平均数的抽样分布 变量 与 变量概率分布间的关系 2.2 均数标准误 2.3 两样本均数差数的抽样分布 2.4 样本均数差数标准误 2.4 样本均数差数标准误 2.5 t 分布 第四章 统计假设检验 对于某一次检验，其结果是不是出错，一般无从知晓。但是可以肯定，否定无效假设H0时，可能犯第一类错误，而接受无效假设时，可能犯第二类错误，并且犯两类错误的概率有多大是可知的，是可以适当调控的。 犯第一类错误的概率通常不会超过显著水平?。 ?/2 ?/2 H0否定区域 H0接受区域 H0否定区域 ? ?0 ? 两类错误示意图 1.4 两尾检验与一尾检验 两尾检验 ?/2 ?/2 H0否定区域 H0接受区域 H0否定区域 两尾检验 一尾检验 2 样本平均数的假设检验 2.1 单个样本平均数的假设检验 检验某一样本平均数 与一已知总体平均数是否有显著差异的方法，即是检验无效假设H0：?= ?0对备择假设H0： ?≠ ?0或? ?0 （??0）的问题具体方法有u检验和t检验两种。 2.1.1 单个样本平均数的u检验 例4-1 某罐头厂生产肉类罐头，其自动装罐机在正常生产状态时每罐净质量属于正态分布N(500,64)(单位为g)。某日随机抽