简单的描述性统计只能对统计数据做比较肤浅的描述.pptVIP

本章内容 5.1 概率基础 5.1.1 随机事件及其概率 5.1.2 概率的性质与运算法则 5.2 随机变量及其分布 5.2.1 随机变量 5.2.2 离散型随机变量的概率分布 5.2.3 连续型随机变量的概率分布 解：（1） Xa时, f(x)=0, F(x)=0; a?x? b时，f(x)=1/(b-a), xb时，f(x)=0, 所以 （2〕 2、指数分布 某电子装置，其寿命服从指数分布 (?为寿命平均值) 求：X的期望值和标准差。 解： 3、正态分布(Normal distribution) (1)定义及图形特点 如果随机变量X的概率密度是: 则称X服从正态分布,记作X~N(?,?2) ?为随机变量X的均值; ?为随机变量X的标准差; ?为圆周率3.14159…; e为自然对数的底2.71828…. 正态分布的概率密度曲线 Inflection point Inflection point 12 15 18 10 11 13 14 16 17 19 20 20 12 15 18 10 11 13 14 16 17 19 21 22 9 图形特点: 1) f(x)?0,整个密度函数都在x轴的上方; 2)曲线对称,平均数,中数,众数三者相等,x= ?处达到最大值 3)曲线的陡缓程度由?决定, ?越大,曲线越平缓; ?越小,曲线越陡峭。X趋向于无穷时，曲线以x轴为其渐近线。 4)正态曲线下面的面积为1,平均数左右各为0.5; 5)正态分布曲线下,标准差与概率(面积)有一定的关系: ?±1 ?内,概率为0.6826; ?±2?内,概率为0.95545; ?±3?内,概率为0.9973 (2)标准正态分布 ?=0, ?=1时,有 相应的正态分布N(0,1)称为标准正态分布(Standard normal distribution). 通常用?(x)表示概率密度函数,用?(x)表示分布函数. 0.5 0 1 ?(x) ?(x) –4 –3 –2 –1 0 1 2 3 4 5.2 随机变量及其分布 5.2.1 随机变量 1、随机变量的数量化 随机变量都可以用一个数量标识表示，便于数学上的处理。 如：（1）掷骰子试验，可能出现的点数1，2，3，4，5，6是数量标识； （2）检验产品{合格,不合格} {0,1}变为数量化标识; 2、随机变量 随机变量是一次试验的结果的数值性描述。 随机事件A?X ?P（X）＝P（A） 如：?＝{正, 反}, 正?X=x1=0 ?P(X=x1)=P(X=0)=1/2, 反?X=x2=1?P(X=x2)=P(X=1)=1/2 用X把试验所有可能的结果用数值标识列举出来,x1,x2,…,xn,而且具有相应确定的概率P(x1), P(x2),…, P(xn), P(x)为随机变量X的概率函数, X为P(x)的随机变量。 3、两种类型的随机变量 （1）离散型（Discrete） 随机变量X的所有值都可以逐个列举出来。可以有限也可以无限。 （2）连续型(Continuous) 随机变量X所有可能值不可能逐个列举出来，而是取数轴某一区间内的任意点，则该随机变量为连续型随机变量。 连续型随机变量的例子 5.2.2 离散型随机变量的概率分布 1、离散型随机变量的概率分布 一离散型随机变量X，可能取值,x1,x2,…,xn,相应的概率P(x1), P(x2),…, P(xn), P(X=xi)=P(xi)=pi ，表格形式为： 该表格形式为离散型随机变量X的概率分布(Probability distribution), p1+p2+…+pn=1 例5.10 某汽车公司一天中汽车销售量的概率分布 掷骰子试验的期望值： 某公司一日汽车销量的数学期望值: 2、方差与标准差 方差是随机变量与其数学期望的离差平均水平,用它来测定随机变量的变异程度或离散程度,是随机变量的另一个重要数字特征。等于每一个随机变量取值与期望值的离差平方之期望值。 若X是离散型随机变量，则 标准差 离散系数 方差 例5.11、一位投资者有一笔现金可用于投资，现有两个项目可供选择。项目A和项目B的资料如下表。比较哪个投资项目较佳。 项目A 项目B 解:先考虑两个项目的平均回报率，即数学期望值。通过计算可知它们的平均回报率相等。所以，有必要考察两个项目的投资风险大小。 项目A 方差?2=?(x-?)2p(x)=2 标准差?＝2 1/2 =1.414 项目B 方差?2=?(x-?)2p(x)=1.25 标准差?＝1.25 1/2 =1.12 项目A的标准差比项目B的大, 即前者的回报率的变化大于后者,稳定性