统计学基础与数据分析2——理论分布与抽样分布.pptVIP

第四章 理论分布与抽样分布 为了便于理解统计分析的基本原理，正确掌握和应用统计分析方法，本章在介绍概率论中最基本的两个概念－事件、概率的基础上，重点介绍科学研究中常用的几种随机变量的概率分布－——正态分布、二项分布、波松分布以及样本平均数的抽样分布和t分布。 1.1 事 件 1.1.1 必然现象与随机现象 在自然界与生产实践和科学试验中，人们会观察到各种各样的现象，把它们归纳起来，大体上分为两大类： 1 事件与概率 必然现象：事前可预言其结果的，即在保持条件不变的情况下，重复进行试验，其结果总是确定的，必然发生的（或必然不发生）。 随机现象：事前不可预言其结果的，即在保持条件不变的情况下，重复进行试验，其结果未必相同（带有偶然性和不确定性）。 有如下特点： 在一定的条件实现时，有多种可能的结果发生，事前人们不能预言将出现哪种结果； 对一次或少数几次观察或试验而言，其结果呈现偶然性、不确定性； 但在相同条件下进行大量重复试验时，其试验结果却呈现出某种固有的、特定的规律性——频率的稳定性，通常称之为随机现象的统计规律性。 1.1.2 随机试验与随机事件 （1） 随机试验 通常我们把根据某一研究目的，在一定条件下对自然现象所进行的观察或试验统称为试验（trial）。当一个试验如果满足下述三个特性，则称其为一个随机试验（random trial），简称试验。 试验可以在相同条件下多次重复进行； 每次试验的可能结果不止一个 ，并且事先知道会有哪些可能的结果； 每次试验总是恰好出现这些可能结果中的一个 ，但在一次试验之前却不能肯定这次试验会出现哪一个结果。 （2） 随机事件 随机试验的每一种可能结果，在一定条件下可能发生，也可能不发生，称为随机事件（random event），简称事件(event），通常用A、B、C 等来表示。 a 基本事件 不能再分的事件（elementary event） ， 也称为样本点（sample point）。 例如，从编号为1、2、3、…、10 的十个篮球中随机抽取1个篮球，有10种不同的可能结果： “ 取 得 一 个 编 号 是 1” 、 “ 取得一个编号是2”、…、“取得一个编号是10”，这10个事件都是不可能再分的事件，它们都是基本事件。 由若干个基本事件组合而成的事件称为 复合事件 （compound event）。如 “取得一个编号是 2的倍数”是一个复合事件，它由 “ 取得一个编号是2 ”、 “ 是4”、“是6、“是8”、“是10” 5 个基本事件组合而成。 b 必然事件 在一定条件下必然会发生的事件（certain event），用Ω表示。 例如，一个大气压下，水加热到100C，水会沸腾；种瓜得瓜、种豆得豆。 c 不可能事件 在一定条件下不可能发生的事件（impossible event），用ф表示。例如，在满足一定孵化条件下，从石头孵化出小鸡，就是一个不可能事件。 必然事件与不可能事件实际上是确定性现象，它们不是随机事件， 但 是为了方便起见，我们把它们看作为两个特殊的随机事件。 1.2.1 概率统计定义 研究随机试验，仅知道可能发生哪些随机事件是不够的，还需了解各种随机事件发生的可能性大小，以揭示这些事件的内在的统计规律性，从而指导实践。 这就要求有一个能够刻划事件发生可能性大小的数量指标，这个指标应该是事件本身所固有的，且不随人的主观意志而改变，称之为概率（probability）。事件A 的概率记为P（A）。 概率：刻划事件发生可能性大小的数量指标 1.2 概 率 统计概率定义： 在相同条件下进行 n 次重复试验，如果随机事件A 发生的次数为 m ，那么 m/n 称为随机事件 A 的频率（frequency）；当试验重复数 n 逐渐增大时，随机事件 A 的频率越来越稳定地接近某一数值 p ， 那么就把 p 称为随机事件 A 的概率。 如此定义的概率称为统计概率（statistics probability），或者称后验概率（posterior probability）。 例：为了确定抛掷一枚硬币出现正面朝上这个事件的概率 ，历史上有人作过成千上万次抛掷硬币的试验。下表列出了他们的试验记录。 可看出，随着实验次数的增多，正面朝上这个事件发生的频率越来越稳定地接近0.5，我们就把0.5作为这个事件的概率。 在一般情况下，随机事件的概率p是不可能准确得到的。通常以试验次数 n 充分大时随机事件 A 的频率作为该随机事件概率的近似值。 即 P（A）=p≈m/