医学常见的四大分部、假设检验、方差分析、一元回归分析.pptVIP

数理统计理论及应用 二、假设检验 三、方差分析 四、一元线性回归 一、数理统计中四大分布 一、数理统计中四大分布 1.正态分布 1、一个年级中，成绩的分布。 2、抛掷一枚硬币1000次，正面朝上的概率。 3、历史100年中，每年降雨量的值的分布。 4、一个大学中男生的身高分布。 1.1、定义： 若随机变量 x 的概率密度函数可以表示为: 的形式，则称x服从正态分布，记为 x ~N(,2)，其中 x （1）正态曲线（normal curve）在横轴上方，均值为 处最高。 （2）正态分布以均数为中心，左右对称。 （3）正态分布有2个参数，即均数 和标准差。  是位置参数，当 固定不变时，  越大，曲线沿横轴越向右移动；反之，  越小，则曲线沿横轴越向左移动。  是形状参数（亦称变异度参数），当 固定不变时，  越大，曲线越平阔；  越小，曲线越尖峭。通常用N( ,  2)表示均数为 ，方差为 的正态分布。 1.2、正态分布的特征：   不变， 发生变化  不变，  发生变化  （4）正态分布在   处各有一个拐点。 （5）正态曲线下的面积有一定规律。     + 凸 凹 凹 x a b （一）正态曲线下面积的计算： 右图1中阴影部分（-，x）的面积称为正态分 布的分布函数，记为： 右图2中阴影部分（代表任意区间）的面积，理论上 可以如下计算： （二）标准正态分布下的面积： 若 则 服从标准正态分布 x ~N(,2) 二项分布的正态逼近 对于一个二项分布，当实验的次数足够多时，其概率密度函数逼近于正态分布的概率密度函数。 1.2.卡方分布 定义：设随机变量 独立服从标准正态分布N(0，1), 则变量 所服从的分布就是自由度为n的 分布，称 ，卡方分布的密函数如下： 卡方分布性质：（1）数字特征，若 则 （2）可加性，若 且 两变量独立，则有 （3） 1.3. T分布 定义：设 , ,且变量X,Y相互独立，则有变量 服从的分布是自由度为n的 T分布，根据定义可推得密度公式为： T分布性质：（1） 当自由度 正无穷时， ， 也就是说，当n充分大时，T分布近似于标准正 态分布。但若n较小，两种分布差别较大。 （2）数字特征：若 ，n2 则 自由度为1的t -分布也称为柯西（Cauchy）分布,此时期望方差都不存在。 记法：记t -分布 的 α -上侧分位数为 对于较大的自由度n(譬如n60),可用正态分布近似代表T分布来简化计算 1.4. F分布 定义：设 且X与Y独立，则有变量 服从自由度为（n1,n2）的F分布， 记作： ，其密度函数为： F分布性质：（1） 若 ，则 （2） 分布的 α 上侧分位数记作 ，具体有： （3）由 ， 可推出：