概率论与统计基础.PPT PPT.ppt

第2讲 概率论与统计基础 医学统计学 （Medical Statistics） 西南交通大学峨眉校区基础课部数学教研室 一、频率与概率 二、随机变量 三、随机变量的分布 四、正态分布 五、随机变量的数字特征 六、中心极限定理 七、总体与样本 八、统计量 九、统计量的分布 十、常用的几种分布密度图形与分位点 本讲结构 一、频率与概率 (Frequency and Probability) 频率: 设在相同条件下，独立重复进行n次试验，事件A出现m次，则事件A出现的频率为 。 频率与概率间的关系： 1. 频率总是围绕概率上下波动 ; 2. n越大，频率波动幅度越小，频率越接近概率 ; 3. 概率不是频率的极限。 概率：刻画随机事件A发生的可能性大小的，介于0与1之间的数, 用P(A) 表示 。例如,抛一枚银币,出现正面的概率为 . Certain Impossible 0.5 0 1 必然事件 P = 1 随机事件 0 P 1 不可能事件 P = 0 P ≤ 0.05或P ≤ 0.01称为小概率事件, 统计学上认为不大可能发生。在假设H0下,如果小概率事件居然发生了,则我们有理由怀疑H0的正确性 . 二、随机变量 (Random Variable) 随机事件 随机变量 例如：随机抛一粒骰子，设变量X表示掷得的点数，则X可以取 1,2,3,4,5,6 等不同值,故X是一个变量. 又由于在一次实验中X到底取何值是完全随机的, 故称X为随机变量. 三、随机变量的分布 一、离散型随机变量 概率分布规律用分布律(也称概率分布)描述: 归一性: 例1: 掷3枚硬币, 用X表示出现正面的次数, 写出X的分布律. 例2：某射击手连续向一目标射击，每次击中的概率为0.8 ,直到击中为止, 求射击次数的概率分布 . 二、连续型随机变量 可以在一个区间内连续取值,它在任一点的概率都等于0, 即: 概率分布规律由概率密度函数 f (x) 描述. 概率密度函数性质: (1) (2) (3) (归一性) 分布函数: 四、正态分布 (Normal distribution) 其中 ， 为常数，其图象为 ，其概率密度为: 其中 为形状参数： 特别，当 时， 称为标准正态分布，其概率密度为： 而分布函数为 定理: 若 , 则 例: 已知 ,求概率 . 例： 已知 ，可求得 可以看出，在一次试验里， 几乎总是落在区间 之中。我们把这一性质称为正态分布的 原则。 正态分布是概率论中最重要的一种分布。一方面，正态分布是自然界最常见的一种分布。一般来说，若影响某一数量指标的随机因素很多，而每个因素所起的作用不太大，则这个数量指标服从正态分布。如人的生理特征的尺寸：身高、体重等；工厂产品的尺寸：直径、长度、高度、宽度……等都近似地服从正态分布。另一方面，正态分布具有许多良好的性质，许多分布可用正态分布来近似，另外一些分布又可以通过正态分布来导出，因此在理论研究中正态分布十分重要。 五、随机变量的数字特征 分布名称 distribution 分布记号 均值 mean 方差 variance 说明 二项分布 Binomial distribution n次独立重复实验,事件在每次出现的概率为p 泊松分布 Poisson distribution 二项分布的极限分布,其中λ=np 负二项分布 Negative binomial distribution 缺 又叫巴斯卡分布,重复实验直到出现k次成功,X表示实验的次数 正态分布 Normal distribution 最重要的分布 六、中心极限定理 独立同分布，且 近似服从 则当n很大时 注：中心极限定理：大量独立随机变量之和，当每一个量对总和的影响很小时，总和的极限分布为正态分布。 七、总体与样本 总体 (population)—— 研究对象全体元素组成的集合. 所研究的对象的某个(或某些)数量指标的全体,它是一个随机变量(或多维随机变量).记为X . 个体 (individual) —— 组