统计学 高教社 第三版第3章 概率与概率分布.ppt

第3章　概率与概率分布 3.1 概率基础 3.2 随机变量及其分布 3.3 大数定律与中心极限定理 引例5：概率的误判之一 Linda，31岁，单身，坦率，非常聪明，主修哲学，学生时代对于公平或者歧视之类的议题十分关切。Linda可能符合下面哪一情况？ 银行行员 银行行员，而且在女权运动上非常活跃 引例5：概率的误判 如果有一种病，0.1%发病率，一旦发生了就不可救药。但是如果提前知道，可以进行代价不小但是相对于死亡来说还可接受的防治，比如说从此不许吃肉，或者天天吃二两黄连，再或者切掉一条腿…… 在医学上有一种检测方法，可以进行早期诊断。当然就像别的检测方法一样，它总有一定的出错概率。这个方法能够做到的是：如果你有病，那么检测结果99%会是阳性；如果你没病，那么有1%的可能性结果会呈阳性 发展：J.Bernoulli(1654~1705) 　《推断法》“大数法则”； 　de Moivre(1667~1754) 《偶然论》 成熟：Laplace(1749~1827) 《解析概率论》连续微积分 　 Gauss(1777~1855) 正态分布 3.1 概率基础 随机事件 随机现象 Random phenomena 每次试验前不能预言出现什么结果 每次试验后出现的结果不止一个 在相同的条件下进行大量观察或试验时，出现　的结果有一定的规律性—— 称之为统计规律性 掷一颗骰子，可能出现1，2，3，4，5，6点 抛掷一枚均匀的硬币，会出现正面向上、反面向上两种不同的结果 在随机试验中，可能出现也可能不出现，而在大量重复试验中具有某种规律性的事件叫做随机事件(random Events )，简称事件（Events)． 随机事件通常用大写英文字母Ａ、Ｂ、Ｃ等表示 在随机试验中，随机事件一般是由若干个基本事件组成的 随机事件运算律 吸收律 重余律 幂等律 差化积 事件的概率 放回情形 A subjective probability is a number in the interval [0, 1] that reflects a persons degree of belief that an event will occur. 概率的性质 条件概率与乘法公式 全概公式与贝叶斯公式 概率的运算法则 3.2 随机变量及其分布 随机变量 离散型随机变量 期望和方差 离散型随机变量X的所有可能取值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 记为? 或E(X) 计算公式为 常用离散型随机变量 二项分布 二项分布(Binomial distribution) 重复进行 n 次试验，出现“成功”的次数的概率分布称为二项分布，记为X~B(n，p) 设X为 n 次重复试验中出现成功的次数，X 取 x 的概率为 超几何分布(hypergeometric distribution) 采用不重复抽样，各次试验并不独立，成功的概率也互不相等 总体元素的数目N很小，或样本容量n相对于N来说较大时，样本中“成功”的次数则服从超几何概率分布 概率分布函数为 泊松分布 连续型随机变量 连续型随机变量 连续型随机变量 对于随机变量X，若存在非负函数f(x)，(-?x+?)，使对任意实数x，都有 则称X为连续型随机变量， f(x)为X的概率密度函数，简称概率密度或密度函数. 常记为X～ f(x) , (-?x+?) 常用连续型随机变量分布 指数分布 正态分布 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 在 x = ?±? 时, 曲线 y = f (x) 在对应的点处有拐点 标准正态分布的概率密度函数 标准正态分布的分布函数 3.3 大数定律与中心极限定理 大数定律 中心极限定理 中心极限定理 /faculty/stanton/m262/ 不同正态分布各有不同的均值及标准差﹔每一正态分布将有个别的表 是否需要无限多的表？ 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 期望 　 E ( X ) = ? 方差 　　　D ( X ) = ? 0.0 0.2 0.4 0.6 0 1 2 3 4 5 X P(X) 0.0 0.2 0.4 0.6 0 2 4 6 8 10 X P(X) l = 6 l = 0.5 例解： 某医院诊所看诊时段内平均每小时有72名病人抵达。试问于看诊时段3分钟