正态分布三.PPT

* 第三节　偶然误差的正态分布 一、频率分布 二、正态分布 三、标准正态分布 四、随机误差的区间概率 一、频率分布 分组：视样本容量的大小将,分组，本例分为9组。 组距： 极差R／组数＝(1.74％—1.49％)／9＝0.03％ 即每组中最大值与最小值的差。 频数：统计测定值落在每组内的个数。 频率(相对频数)：频数与样本容量（数据总数）之比。 2÷90 0.03％ 以各组区间为底边，在其上做出高度与频率相等的长方图。 频率 测定值% 用线连接长方形顶边中点，就绘成频率分布曲线。 由图可知 数据出现在平均值附近的频率最大； 数据具有对称性。 测定数值具有分散性又有集中趋势； 就象打靶一样，靶上的弹着点， 既是分散的，又向靶心集中。 在平均值左右两侧等距离处， 数据的频率近乎相等。 二、正态分布 1、正态分布曲线 [ N(μ,σ2) ] 当测定次数无限增加，组距减至微分量，即测定值连续变化时。 正态分布曲线（高斯分布，Gauss.C.F ），反映了定量分析中来自同一总体的大量测定数据的分布规律。 数学表达式（正态分布概率密度函数式） 概率密度 总体平均值 总体标准偏差 常数 常数 正态分布曲线解析 等精密度（σ相同）的测定值中，平均值是出现概率密度最大值。 μ相同的测定值，σ小，数据集中，曲线瘦高，精密度高； σ大，数据分散，曲线矮胖，精密度底。 x－μ表示随机误差，来自同一总体的测定值和随机误差具有相同的分布规律。 μ反映测量值分布的集中趋势， σ反映测量值分布的分散程度， μ和σ一旦确定之后，曲线的位置和形状 就确定了，这种正态分布用N(μ,σ2)表示。 2、随机误差的特点和规律 对称性 绝对值大小相等的正负误差出现的概率相等。 单峰性 随机误差为零的测定值出现的概率密度最大。 有界性 随机误差的分布具有有限的范围， 其值大小是有界的。 三、标准正态分布 标准正态分布的定义 横坐标 u 纵坐标 y：概率密度 表达式 理解标准正态分布 u : 标准正态变量，误差的表示方法不以x －μ（随机误差）来表示。而以总体标准偏差σ的倍数来表示，即以σ为单位来表示随机误差。 以N (0, 1)表示 N (μ,σ2)的表达式 μ= 0 σ2=1 N (0, 1)的表达式 任一正态分布均可化为μ＝0, σ2=1的标准正态分布曲线。曲线的形状与μ和σ的大小无关。 标准正态分布曲线 曲线最高点的横坐标 说明不论μ的大小如何，标准正态分布的集中趋势都是0。 曲线拐点的横坐标为 四、随机误差的区间概率 正态分布曲线与横坐标之间所夹的面积，表示来自同一总体的全部数据或随机误差出现概率的总和为100%，即为1。 测定值或随机误差在某一区间出现的概率P，可取不同的u值对上式积分求面积而得到 如测定值在μ±σ区间，或随机误差在±σ区间出现的概率： =±1 概率积分表 依次求出不同u值时的积分面积，制成概率积分表。 若区间为 值，应将所查的值乘于2。 讨论 因为测定值出现在μ±2σ的概率是0.9546， 所以随机误差在±2σ范围以外的测定值出现的概率为 1－0.9546 = 0.0454＜0.05=1/20， 即平均20次测定值只有1次机会测定值超出μ±2σ。 随机误差超出±3σ的测定值出现的概率更小 1－0.9974=0.0026=2.6/1000 平均1000次测定中仅有3次机会。 概率积分表的应用 由误差界限确定概率和由概率确定误差界限。 例：要保证测定值出现的概率为0.95，随机误差界限应为多少 概率为0.95对应的面积应为0.95/2=0.4750 查表：0.4750对应的=1.96，即x=μ±1.96σ 休息 第四节　有限测定数据的统计处理 一、置信度与μ的置信区间 二、可疑值的取舍 （一）已知总体标准偏差σ时 (二) 已知样本标准偏差s时 （一）Q 检验法 （二）格鲁布斯法 练 习 第四节　有限测定数据的统计处理 统计处理的目的： 通过对样本进行有限次的测定，用所得的结果来推断有关总体的情况。或者说来估计有限次测量的平均值与真值的接近程度。 一、置信度与μ的置信区间 （一）已知总体标准偏差σ时 μ=x±uσ 置信区间 ：表示真值μ可能存在于x±uσ这个区间之中，此区间称为置信区间 (对μ的区间估计)。 因为通过一次测定来判断置信区间是没有意义的， 因此常采用样本平均值来估计其值所在的区间范围。 置信度: 在置信区间内包含u的概率称为置信度或置信水平（可靠程度），它表明了人们对所作的判断有把握的程度，用 P表示。 在对真值进行区间