分布与抽样分布.pptxVIP

第三章 分布与抽样分布 ;第一节 概率与概率分布;一 概率; 概率的统计定义 在相同条件下进行n次重复试验，如果随机事件A发生的次数为m，那么m/n称为随机事件A的频率（frequency）；当试验重复数n逐渐增大时，随机事件A的频率越来越稳定地接近某一数值 p ， 那么 就 把 p称为随机事件A的概率。 这 样 定 义 的 概 率 称 为 统 计 概 率（statistics probability），或者称后验概率（posterior probability）;表3-1 抛掷一枚硬币发生正面朝上的试验记录 ; 从表3-1可看出，随着实验次数的增多，正面朝上这个事件发生的频率越来越稳定地接近0.5，我们就把0.5作为这个事件的概率。 在一般情况下，随机事件的概率p是不可能准确得到的。通常以试验次数n充分大时随机事件A的频率作为该随机事件概率的近似值。 即 P（A）=p≈m/n （n充分大）;（二）概率的性质 1、对于任何事件A，有0≤P（A）≤1； 2、必然事件的概率为1，即P（Ω）=1； 3、不可能事件的概率为0，即P（ф）=0。;一个总体是由一个随机变量的所有可能取值来构成的，而样本只是这些所有可能取值的一部分 ;1. 正态分布 ;频数分布表：;频数分布图（又称直方图） ;频数分布图二 ;频数分布图三;正态分布图四;和正态分布相对应的曲线称为正态分布密度曲线，简称为正态曲线。 ;;;1.3 标准正态分布;1.4 正态分布的概率计算 ;由于正态分布的概率密度函数比较复杂，积分的计算也比较麻烦，而这些计算在动物科学或动物医学生产实践中又经常会用到。 ;标准正态分布的概率计算通式 ;标准正态分布函数表 ;例1：若u~ N（0，1），求： ;关于标准正态分布，以下几种概率应当熟记：;（2） 正态分布的概率计算 ;实质：为了能使正态分布应用起来更方便一些，可以将x作一变换，令：;例2：设 x ~ N（30，102）试求x≥ 40的概率。;例3：设x服从μ=30.26, σ2 =5.102的正态分布，试求P(21.64≤x＜32.98)。 ;关于一般正态分布，经常用到以下几个概率：;附表2：;2. 二项分布 ;在n重贝努利试验中，事件A恰好发生m（0≤m≤n）次的概率为：;2.2 二项分布的特点 ;例4：某奶牛场情期受胎率为0.6，该场对30头发情母牛配种，使24头母牛一次配种受胎的概率为多少？;课堂练习：用某种常规药物治疗猪瘟的治愈率为0.7，对20头患猪瘟的肥育猪进行治疗，问20头猪中16头猪治愈的概率是多少？ ;3. 泊松分布 ; 泊松分布主要是用来描述小概率事件发生的概率 ;（1）泊松分布只有一个参数λ，λ= np。 ;3.3 泊松分布的概率计算 ;;统计学的主要任务就是研究总体和样本的关系： ;1. 抽样分布的概念;从总体中抽取样本的过程称为抽样（sampling） ;2. 样本平均数的抽样分布;标准误表示平均数抽样误差的大小，反映样本平均数与新总体平均数之间的离散程度。 ;原总体的总体平均数为：;（2）;2.2 样本平均数抽样分布的特点;2.3 σ与 的关系;4. t-分布（不要求）;假如σ2未知，而且样本容量又比较小（n≤30）时： ;4.2 t-分布的特点;4.3 t-分布的概率计算;从一个平均数为μ，方差为σ2的正态总体中，进行独立地抽样，可获得随机变量x，则其标准离差： ;如果用样本进行计算：;5.2 χ2-分布的特点;5.3 χ2-分布的概率计算;6. F-分布;6.2 F-分布的特点;6.3 F-分布的概率计算;第三节 统计推断 ; 1.统计推断：根据样本的观察结果以及样本统计量的抽样分布，对总体的数量特征作出具有一定可靠程度的估计和判断。 2.统计推断的基本内容有两个： （1）参数估计（利用样本指标来推断估计未知的总体指标。） （2）假设检验（先对总体参数做一个假设，然后利用样本资料检验这个假设是否成立。）;假设你正在研究平均一个美国人一生中要得到多少交通罚单，报告研究结果的方法有以下两种：“10”或者“8到12之间”;区间估计：给结论留一些余地。;1、点估计;2、区间估计;;;统计假设检验又称为显著性检验，是生物统计学的核心内容，是统计推断的主要组成部分; 统计假设检验（hypothesis test） ;9.99;两个国家女性的平均得分并不相等，其差值（表面效应）为： ;2. 统计假设检验的基本思想与步骤 ;例3-3：通过以往的大规模调查，已知某地成年黑白花奶牛血液中的白细胞数为52.3，标准差为5.38，现测得10头黑白花牛白细胞数分别为53.6，55.3，