第六章统计学概率分布.ppt

第六章 概率分布 科学研究的最终目的是通过样本数据的研 究，来推测全体的基本特征，并对推断 的正确性进行概率检验 统计推断：从样本出发来推断总体分布的 过程。 概率论是统计推断的数理基础。 本章内容 第一节 概率的基本概念 第二节 二项分布 第三节 正态分布 第四节 样本分布 第一节 概率的基本概念 一、什么是概率 在日常生活中存在众多的随机现象；同样，在教育和心理研究中，也有很多的随机现象 随机现象：又称随机事件，即在一定条件 下可能出现也可能不出现的事件 概率(probability)：表示随机事件出现可能 性大小的客观指标 后验概率和先验概率 （一）后验概率 随机事件A在n次实验中出现m次，m与n的比值就是随机事件A出现的频率。随着实验次数n的无限增多，随机事件A的频率稳定于一个常数P上，P就是随机事件A出现概率的估计值。 以随机事件A在大量重复实验中出现的稳定频率作为随机事件A概率的估计值，这样求得的概率称为后验概率，由事件A出现的次数决定 后验概率和先验概率 （二）先验概率 通过古典概率模型加以定义，故又称古典概率 条件： 1.实验的所有可能结果（基本事件）是有限的 2.每一个基本事件出现的可能性相等 若基本事件的总数为n，事件A包括m个基本事件，则事件A的概率为 先验概率是在特定条件下直接计算出来的，是随机事件的真实概率，不是由频率估计出来的 二、概率的性质 确定性现象：在一定条件下一定会发生或一定不会发生的现象 必然事件：在一定条件下必然会发生的事件 不可能事件：在一定条件下必然不会发生的事件 随机事件：在一定条件下可能发生也可能不发生的事件 （一）概率的公理系统 1.任何一个随机事件A的概率都是非负的 2.必然事件的概率为1 3.不可能事件的概率为0 随机事件概率的大小在0和1之间，即0≤P≤1 P→1：表示某事件发生的可能性越大 P→0：表示某事件发生的可能性越小 P=1：表示事件必然发生 P=0：表示事件不可能发生 （二）、概率的加法定理 互不相容事件：在一次实验中不可能同时出现的事件 两个互不相容事件A、B之和的概率等于这两个事件概率之和 P(A+B)＝P(A)+P(B) 推广：有限个互不相容事件之和的概率等于这些事件的概率之和 P(A1+A2+…An)=P(A1)+P(A2)+…+P(An) 总和的概率永远不会大于1 （三）概率的乘法定理 独立事件：A事件出现的概率不影响B事件出现的概率，这两个事件为独立事件 两个独立事件积的概率等于这两个事件概率的乘积 P(AB)=P(A)×P(B) 也可推广 【例6-1】 某一学生从5个试题中任意抽取一题进行口试，则抽到试题1或试题2的概率为？ P（A+B）=1/5+1/5=2/5 如果第一个学生抽取的试题放回后，第二个学生再抽，则两个学生都抽到试题1的概率为？ P（AB）=1/5×1/5=1/25 三、概率分布的类型 概率分布（probability distribution）是指对随机变量取值的概率分布情况用数学方法（函数）进行描述 只有了解随机变量的概率分布，才能使统计分析与推论有可能，为统计分析提供依据 （一）离散分布与连续分布 依随机变量是否具有连续性进行划分 离散分布：取孤立数值的随机变量为离散随机变量，如计数数据，离散随机变量的概率分布为离散分布 常见：二项分布，泊松分布(Poisson) 连续分布：连续随机变量的概率分布，即测量数据的概率分布 常见：正态分布 （二）经验分布与理论分布 依分布函数的来源而划分 经验型分布：根据观察或实验所获得的数据而编制的次数分布或相对频率分布 经验分布往往是总体的一个样本 理论性分布： 随机变量概率分布的函数——数学模型 按某种数学模型计算出的总体的次数分布 随机变量概率分布的性质，由它的特征数来表达，在统计推论部分通常只用平均数和标准差 （三）基本随机变量分布与抽样分布 依概率分布所描述的数据特征而划分 基本随机变量分布：描述构成总体的基本变量的分布，包括二项分布和正态分布 抽样分布：样本统计量的理论分布 样本统计量有：平均数，两平均数之差，方差，标准差，相关系数，回归系数，百分比率等 这两类分布是应用于统计学上的理论分布，是统计推理的重要依据，只有对它们真正了解，才能明确各种统计方法的应用条件及注意问题，并对各种具体方法有较为深刻的理解 第二节 二项分布 二项分布（bionimal distribution）是一种 具有广泛用途的离散型随机变 量的概率分布，由贝努力创 始，又称贝努力分布。二项分 布是心理