3.概率及概率分布.pptVIP

本章重点掌握 常用概率分布的特点 附录：常用概率分布数学用表的使用 3. 概率分布 定义：随机变量所有取值的概率所形成的分布数列或分布图。 例：500户家庭人口分布 ? 和? 对正态曲线的影响 标准正态分布的特点及大小概率事件 （1）标准正态分布曲线的均值为0，标准差为1； （2）界于2个标准差内的总概率为95.45%，约等于95%，称为大概率区间，用1-α表示，则小概率 α =5%； （3）界于3个标准差内的总概率为99.73%，约等于99%，称为极大概率区间，极小概率区为1%。 （4）在标准正态分布中，大、小概率的分界值Z称为临界值，用Zα 或Zα/2表示； （5）如果某测量标准分数Z界于- Zα/2 Z +Zα/2，则称其为大概率事件；若Z≤ - Zα/2，或Z≥ +Zα/2，为小概率事件。 抽样分布的基本概念 抽样分布（sampling distribution）:研究当把 、S、P、 、 P1-P2这些来自于样本的统计量，重新当成随机变量时的概率分布。 抽样分布是参数估计与假设检验的理论基础 x f(x) C A B 若X~N(μ, σ2)，则变量 Z称为标准正态分布。 记为 X~N(0,1) 例：身高X~N(1.72,0.272)， 则身高X的标准分数变量 (3) 标准正态分布 0 s = 1 －2 Z －3 －1 1 13.59% 3 34.13% 2 2.14% -Zα/2 Zα/2 1-α §3. 抽样分布 1. 抽样试验与抽样分布 在符合随机原则，进行总体特征数的研究过程中，有两种抽样方式，即 对于无限总体可进行部分抽样 对于小的有限总体可进行重复抽样 总体与样本的关系。 例： 设有一个N=3的近似正态总体，具有变量3,4,5. 我们根据前面所学的知识，可得到这个总体的算术平均数、方差和标准差。现我们试用n=2作独立的放回式抽样，用此方法来获得该总体的特征数。 μ=4 σ2=0.667 σ=0.816 N=3, n=2时所有样本的平均数、方差和标准差 样本编号 样本值 平均值 方差 标准差 1 3, 3 3.0 0.0 0.0000 2 3, 4 3.5 0.5 0.7071 3 3, 5 4.0 2.0 1.4142 4 4, 3 3.5 0.5 0.7071 5 4, 4 4.0 0.0 0.0000 6 4, 5 3.5 0.5 0.7071 7 5, 3 4.0 2.0 1.4142 8 5, 4 4.5 0.5 0.7071 9 5, 5 5.0 0.0 0.0000 合计 36.0 6.0 5.6568 2. 样本平均数的分布 样本平均数概率分布，或称样本平均数分布(distribution of the sample mean):从总体中抽出的样本为每一个可能样本，且每个样本中的变量均为随机变量，所以其样本平均数也为随机变量，可形成一定的理论分布。 n=2 n=4 mean Fre. Mean f Mean f2 mean Fre. Mean f Mean f2 3.0 1 3.0 9.0 3.0 3.25 1 4 3 13 9.0 42.25 3.5 2 7 24.5 3.5 3.75 10 16 35 60 122.50 225.00 4.0 3 12 48.0 4.0 4.25 19 16 76 68 304.00 289.00 4.5 2 9 40.5 4.5 4.75 10 4 45 19 202.50 90.25 5.0 1 5 25.0 5.0 1 5 25.00 合计 9 36 147.0 81 324 1309.50 样本平均数分布特征 样本平均数的分布与其他分布一样，有两个重要参数，一个是样本平均数的平均数 ，另一个是样本平均数的方差 。 1) 样本平均数的平均数等于总体平均数； 2) 样本平均数分布的方差等于总体方差除以样本容量； 样本平均数分布特征 3) 如果从正态总体 进行抽样，其样本平均数也呈正态分布 ； 4) 如果不是从正态总体中抽样(但是仍然具有平均数和方差)，当样本量越来越大时，样本平均数的分布也会越来越接近正态分布 ，即中心极限定理(central-limit theoren)。 这个性质对于连续型变量或非连续型变量都能适用。不论总体为何种分布，一般只要样本容量大于三十时，属于大样本，就可应用中心极限定理，认为样本平均数的分布是正态分布。在计算样本平均数出现的