统计学第四章：抽样以及抽样分布.pptVIP

第 4 章 抽样和抽样分布 4.1 样本空间、事件及其概率 4.2 随机变量及其概率分布 4.3 抽样分布 　 4.4 正态分布和正态逼近 一二节学习目标 理解一些基本概念：抽样、（不）重置抽样、样本空间、样本数目 理解离散型随机变量的概率分布及其性质 理解连续型随机变量的概率分布、密度函数的定义性质 理解期望方差的性质 4.1 样本空间、事件及概率 一、样本空间 二、随机事件的概率 三、概率的运算法则 一、样本空间 什么是样本点（基本结果）、样本空间 有限空间、无限空间 样本空间的相对性 必然现象与随机现象 必然现象（确定性现象） 变化结果是事先可以确定的，一定的条件必然导致某一结果 这种关系通常可以用公式或定律来表示 随机现象（偶然现象、不确定现象） 在一定条件下可能发生也可能不发生的现象 个别观察的结果完全是偶然的、随机会而定 大量观察的结果会呈现出某种规律性 （随机性中寓含着规律性） 棗统计规律性 十五的夜晚能看见月亮？ 十五的月亮比初十圆！ 随机试验 随机试验 　对随机现象的观察 试验可以在系统条件下重复进行； 试验的所有可能结果是明确可知的； 每次试验前不能肯定哪一个结果会出现。 随机事件（事件） 随机事件（简称事件） 随机试验的每一个可能结果 基本事件（样本点） 不可能再分成为两个或更多事件的事件 样本空间（Ω） 基本事件的全体（全集） 随机事件（续） 复合事件 由某些基本事件组合而成的事件 样本空间中的子集 随机事件的两种特例 必然事件 在一定条件下，每次试验都必然发生的事件 只有样本空间W 才是必然事件 不可能事件 在一定条件下，每次试验都必然不会发生的事件 不可能事件是一个空集（Φ） 二、随机事件的概率 随机事件及其概率 随机事件的概率 概率 用来度量随机事件发生的可能性大小的数值 必然事件的概率为1，表示为P (W )=1 不可能事件发生的可能性是零，P(F )=0 随机事件A的概率介于0和1之间，0P(A)1 概率的三种定义，给出了确定随机事件概率的三条途经。 概率的古典定义 古典概型（等可能概型） 棗具有以下两特点 每次试验的可能结果有限（即样本空间中基本事件总数有限） 每个试验结果出现的可能性相同 棗它是概率论的发展过程中人们最早研究的对象 概率的古典定义 概率的古典定义 前提：古典概型 定义（公式） 计算古典概率常用到排列组合知识 【例】 设有50件产品，其中有5件次品，现从这50件中任取2件，求抽到的两件产品均为合格品的概率是多少？抽到的两件产品均为次品的概率又是多少？ 解：任一件被抽到的机会均等，而且从50件产品中抽出2件相当于从50个元素中取2个进行组合，共有C502种可能，所以这是一个古典概型。 例 根据古典概率定义可算出，抛一枚质地均匀的硬币，出现正面与出现反面的概率都是0.5。历史上有很多人都曾经做过抛硬币试验。 0.4979 80640 罗曼诺夫斯基 0.5005 24000 K.皮尔逊 0.5016 12000 K.皮尔逊 0.5069 4040 蒲丰 正面出现的频率 试验次数 试验者 概率的基本性质 非负性： 对任意事件A，有 0 ?P(A)?1。 规范性： 必然事件的概率为1，即： P(W)=1 不可能事件的概率为0 ，即：P(F)=0。 可加性： 若A与B互斥，则：P ( A∪B ) = P ( A ) + P ( B ) 对于多个两两互斥事件A1，A2，叄珹n，则有： P ( A1∪A2 ∪?∪An) = P ( A1 ) + P (A2 ) + ? P (An ) 上述三条基本性质，也称为概率的三条公理。 (补充）关于概率的公理化定义 概率的以上三种定义，各有其特定的应用范围，也存在局限性，都缺乏严密性。 古典定义要求试验的基本事件有限且具有等可能性 统计定义要求试验次数充分大，但试验次数究竟应该取多大、频率与概率有多么接近都没有确切说明 主观概率的确定又具有主观随意性 苏联数学家柯尔莫哥洛夫于1933年提出了概率的公理化定义 棗通过规定应具备的基本性质来定义概率 公理化定义为概率论严谨的逻辑推理打下了坚实的基础。 三、概率的运算法则 1. 加法公式  2. 乘法公式