生物统计2章 概率和概率分布.pptVIP

自然现象：确定性现象和非确定性现象（随机现象） 从随机现象中做大量的研究，能从其偶然性中揭示内在的规律 统计学所研究的是非确定性现象， 概率的统计定义是在大量的试验中，以频率的稳定性为基础上提出来的。设k次随机试验，成功事件A 出现l次，则称l/k是K次随机试验中成功的频率。频率是由样本数据计算得到的。由于样本分布的不恒定性，不同的随机试验，事件A的出现频率也不同，随着K改变，频率也有一定的波动。 随着K的增大，频率l/k将围绕着某一确定的常数P做平均幅度愈来愈小的变动，这就是所谓频率的稳定性，其中P即为事件A的概率。简单的说概率就是频率的稳定值。在试验次数较多时，可以用频率作为概率的近似值。 (P23 表2-1) 概率是事件在试验结果中出现可能性大小的定量计算，是事件固有的属性，有以下明显的性质： 任何事件A的概率均满足：0≤P（A）≤1 必然事件W的概率为1，即P（W）=1 不可能事件（V）的概率为0，即P（V）=0 概率的统计定义是在大量的试验中，以频率的稳定性为基础上提出来的。不需要做试验就可以确定事件出现的概率，称为古典概率，具有以下特点： 随机试验的全部可能结果（基本事件数）是有限的； 各基本事件间是互不相容且等可能的。 缺点：要求各基本事件是等概率且有限的。 随机变量 随机变量就是在随机试验中被测定的量，所取得的值称为观察值。可分为离散型随机变量和连续型随机变量。 离散型随机变量：可能取得的数值为有限个或可数无穷个孤立的数值。 连续型随机变量：可取某一（有限或无限）区间内的任何数值。 将随机变量X所取得值x的概率P（X=x）写成x的函数p(x)，称为随机变量X的概率函数公式为p(x)=P(X=x)。 概率函数应满足： p(x)?0 ?p(x)=1 将X的一切可能值x1，x2，x3……，xn，……，以及取得这些值的概率P（x1）， P（x2），….. ，p（xn），…..排列起来，构成了离散型随机变量的概率分布。常用概率分布表或概率分布图表示。 离散型变量概率的分布函数：离散型变量概率的累积。其公式为 对于离散型随机变量的任何值，都可以求出它的概率。而连续型随机变量则不同，因为试验中可以取某一区间内的任何值，这些数值构成不可数的无穷集合。任何值的概率都等于0，这并不是说这种事件不会出现，只是由于技术上的限制，在测量时不可能无限提高精确度。 在研究连续型随机变量时，实际观察值只能是落在一定的区间内，其概率可以不为0，当然这种区间可以很小。 随机变量X的值落在区间（x，x+△x）内的概率为P(x＜X＜x+△x),其中△x为区间长度。当△x趋于零时，此时区间概率称为密度函数： 概率密度的图形y=f(x)称为分布曲线。 分布函数（或称为累积分布函数）是随机变量X取得小于X0的值的概率 对于任意两点a和b(a ＜ b)，下式成立： P（X≤a) + P（a＜X≤b) = P（X≤b) 或P（a＜X≤b) = F（b) -F（a) 通过样本数据得到的频率分布称为统计分布或经验分布，描述总体的概率分布称为理论分布或总体分布。 频率分布可出现各种类型：两侧对称，不对称，但对于不同的频率分布均有相应理论分布，即随机变量变化规律的理想化数学模型。虽然很难与实际情况完全一致，但近似得非常好，因此可以用建立在概率分布基础上的统计规律来解决实际问题。如果我们从总体中取出了一个很大的样本，可把这个样本的分布近似作为总体的分布。 样本特征数是描述频率分布特征的：统计量 总体特征数是描述概率分布特征的：参数 总体特征数包括随机变量的数学期望（理论平均数），方差和各阶矩，可以用类似求样本特征数方法求得。 总体特征数：描述概率分布特征的数字，包括数学期望、方差和各阶矩。 所谓X或X的函数的数学期望，即它们的理论平均数。样本平均数： 频数资料的样本方差和标准差 X或X的函数的数学期望可用通式表示 连续型随机变量的数学期望定义为 E(c)=c E(cX)=cE(x) E(x+c)=E(x)+c E(cx+A)=cE(x)+A ?2=var(x) var(x)=E[(X-?)2] var(X+c)=var(X) var(cX)=c2var(x) var(cX+A)=c2var(X) 2.4.1 二项分布 二项分布在生物学中应用很广，其特征如下： 每次试验只有两个对立结果（A和ā）； N次试验是重复，独立的。 回放式抽样适合于二项分布；非回放式抽样适合于超几何分布。 二项分布决定于两个参考数：试验次数和概率，因此其图形变化趋势与这两个参数有关 随试验次数的增大图形分布趋于对称；而且当概率趋于0.5时分布趋于对称 偏斜度和峭