统计学基础知识.pptVIP

例：某批玉米种子的发芽率为90%，同时播下5粒种子，计算种子发芽的概率分布。 种子发芽情况概率分布 例：某小麦品种在田间出现自然变异植株的概率为0.0045，试计算（1）调查100株，获得两株或两株以上植株的概率？（2）期望有99%的概率获得1株或1株以上变异植株，至少要调查多少株？ 出现变异植株的概率 不出现变异植株的概率 （二）泊松分布 在生物学研究中，有许多事件出现的概率很小（p很小，p0.1）要观察到这类稀有事件，抽样次数或试验次数势必很大（n很大），利用二项式分布计算这类稀有事件出现的概率很困难。 例：某稀有事件出现的概率p=0.02,进行300次抽样，该稀有事件出现两次的概率有多大。 法国数学家poisson研究发现，在二项总体中，当n很大，p或q很小时，二项式分布趋近于另外一种分布——poission分布。 二项式分布概率分布函数的极限。 对立事件A 进行n次独立重复试验， 当n很大，p或q很小时，事件A在n次试验中出现的次数，可以看成一个离散型随机变量X，X={0,1,2‥‥n},X服从poisson分布。 泊松分布的概率分布函数只取决于一个参数 前例： Microsoft Excel 下的EXP函数可返回e的n次方。 调查100株，获得两株或两株以上变异植株的概率。 期望有99%的概率获得1株或1株以上的变异植株，至少要调查多少株。 Microsoft Excel 下的LN函数可返回某数值的自然对数值。 泊松分布的两个参数  不同λ值的泊松分布 泊松分布的形状完全由λ决定， λ很小时，泊松分布是偏斜的，随着λ的增加，逐渐对称，逐渐趋近正态分布。 二、连续性随机变量的概率分布——正态分布 正态分布的概率密度函数 正态分布的概率累积函数 正态分布曲线的特性 1. 正态分布曲线是以x= 为对称轴，向左右两侧作对称分布。 2、 x=μ时，f(x)最大，曲线处在最高点，︱x- μ︱越小，f(x)越大，︱x- μ︱越大，f(x)越小， 3、f(x)0，曲线位于轴上方。 4、正态分布是一个曲线系统 正态分布概率计算 第三节 次数分布 观测值如果不加整理，很难看出其中的规律，如果吧观测值按大小或数据类别进行分组，制成观测值的次数分布表或次数分布图，能初步明确观测值所蕴含的内部规律。 一、离散型变量的次数分布 例.现以某小麦品种的每穗小穗数为例，随机采取100个麦穗，计数每穗小穗数，未加整理的资料列成表 。 17 19 16 17 17 18 17 18 16 15 16 17 19 18 16 19 20 18 17 18 19 16 17 20 19 19 18 18 19 18 16 17 15 17 17 17 16 16 19 17 17 18 16 18 17 19 17 19 19 17 18 18 17 16 17 17 17 15 19 17 18 19 20 17 18 18 18 16 15 18 18 17 17 17 18 18 19 17 16 17 18 16 17 19 20 18 16 17 18 17 17 19 18 20 15 16 19 17 15 18 100个麦穗的每穗小穗数 每穗小穗数在15—20的范围内变动，把所有观察值按每穗小穗数多少加以归类，共分为6组，组与组间相差为1小穗，称为组距。 100 总次数( n ) 5 20 17 19 25 18 32 17 15 16 6 15 次数( f ) 每穗小穗数( y ) 100个麦穗每穗小穗数的次数分布表 如每穗小穗数主要分布在17~18个，以17个为最多 200个稻穗每穗粒数的次数分布表 200 合计 2 81—85 3 76—80 8 71—75 16 66—70 25 61—65 38 56—60 41 51—55 32 46—50 21 41—45 10 36—40 3 31—35 1 26—30 次数(即穗数f) 每穗粒数( y ) 每穗粒数的变异幅度为27—83粒。这样的资料如以每一观察值为一组，则组数太多，资料的规律性就显示不出来。如每组包含若干粒数的幅度，例如以5粒为一组，则可使组数适当减少。经初步整理后分为12组(这里要求组距相等)，资料的规律性就较明显， 二、连续性变量的次数分布 100行水稻试验的产量为例，说明整理方法。 159 124 169 141 227 194 147 177 159 158 159 163 231 192 213 190 143 175 166 171 151 122 175 197 211 188 181 173 169 168 184 135 179 124 198 151 179 172 160 239 25