统计学_ 概率与抽样分布ppt课件.ppt

5.4Sampling Distributions抽样分布 一、总体与样本 population and sample 总体：根据研究目的确定的同质研究对象的全体（集合）。分有限总体与无限总体 样本：从总体中随机抽取的部分研究对象 二、总体容量与样本容量 population size and sample size 总体容量（N)：总体中所包含的个体数目。根据N大小，总体分有限总体和无限总体 样本(n)：从总体中随机抽取的部分研究对象 三、随机抽样 random sampling 为了保证样本的可靠性和代表性，需要采用随机的方法抽取样本（在总体中每个个体具有相同的机会被抽到）。 四、参数与统计量 parameter and statistic 参数：总体的统计指标，如总体均数、标准差，采用希腊字母分别记为μ、σ。固定的常数 总体 样本 抽取部分观察单位 统计量 参 数 推断inference 统计量：样本的统计指标，如样本均数、标准差，采用英文字母分别记为 。 参数附近波动的随机变量 。 五、总体均值、方差与标准差 总体均值 总体方差 总体标准差 概率密度曲线 密度曲线的性质 曲线都在水平线上 (密度函数=0)。 曲线下所涵盖的全部面积正好为1(所有可能性为1)。 曲线下任何范围所涵盖的面积，为观察值落在该范围的比例(概率)。 密度曲线可视为是观察变量的理论分布图形。 四、连续型随机变量的概率密度 随机变量X的一切可能取值的完备组中，各可能取值xi与其相对应的概率pi乘积之和 描述随机变量取值的集中程度 计算公式为 五、随机变量的数学期望 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 六、随机变量的方差 5.2 The Binomial Distributions 二项分布（了解） 一、二项分布设定The Binomial Setting 固定的观察次数 n。 n 次的观察都独立，每次的观察都不会对其他观察提供任何信息。 每次的观察都只有两种可能的结果，多假设为“成功”或“失败”两种。 每次的观察“成功”的概率都一样，设定为 p。 二、二项分布Binomial Distribution 满足二项分布设定的试验，以 X 记录 n次观察中“成功”的次数，则称 X 的分布为参数为 n 与 p 的二项分布(binomial)，记为B(n, p)。 X 的所有可能取值为{0, 1, …, n}。 对应的概率函数为 P(X = x) = P(x)。 [例1] 某种昆虫在某地区的死亡率为40%，即p=0.4，现对这种害虫用一种新药进行治疗试验，每次抽样10头作为一组治疗。试问如新药无疗效，则在10头中死3头、2头、1头，以及全部愈好的概率为多少？ 按上述二项分布概率函数式计算 7头愈好，3头死去概率： 8头愈好，2头死去概率： 9头愈好，1头死去概率： 10头全部愈好的概率： 【例】 若问10头中不超过2头死去的概率为多少？则应该应用累积函数，即 四、二项分布的期望值与标准差 期望值： E(X) = np 方差： Var(X) = np(1-p) 标准差： 5.3 Normal Distributions 正态分布（掌握）（连续型变量的概率分布） 一、特点 正态曲线 所有正态曲线都有相同的外型 具有对称、单峰及钟形的特性。 正态曲线所代表的分布即为正态分布(normal distribution) 每一正态分布都有其平均值μ 与标准差σ m s 一、特点 正态曲线σ较大 m s 一、特点 正态曲线的拐点 拐点落在一个σ处 拐点落在-σ处 一、特点 二、P117规则 正态分布有其特定的数据分布规则： 平均值为μ , 标准差为σ 的正态分布 68%的观察资料落在m 的 1σ 之内 95%的观察资料落在m 的 2σ 之内 99.7%的观察资料落在m 的 3σ 之内 0 1 2 3 -1 -2 -3 m m+s m+2s m+3s m-s m-2s m-3s 68% 的资料 95% 的资料 99.7% 的资料 三、P117规则 四、变量标准化(Standardization) 令观察值 x 服从平均值为μ ，标准差为σ 的分布，则 x 的标准化值(standardized value)定义为 标准化值又称为 z-值(z-s