田间统计与实验设计：第三章 理论分布与抽样分布6.pptVIP

(3.33,4.18) (4.23) 三、样本平均数差数的分布 130 (3.35, 4.21) (3.36, 4.22) ( 3.37, 4.24) (3.38) (3.39) (3.40) 四、t 分布 (3.41) 135 (3.42) (3.44, 5.4) (3.45，5.4） 140 五、χ2分布 在第四节，我们已经知道标准正态离差 服从N(0，1)。假设从标准正态总体中抽取k个独立样本 ，则定义它们的和为χ2 ，即： (3.46, 7.1) χ2分布是连续型变量的分布，每个不同的自由度都有一个相应的χ2分布曲线，所以χ2分布是一组曲线。 (3.48) χ2分布的特征为： (1) χ2分布于区间（o，+∝ )，并且呈反J形的偏斜分布。 (2) χ2分布的偏斜度随自由度降低而增大，当自由度d? = 1时，曲线以纵轴为渐近线。 (3) 随自由度d?增大， χ2分布曲线渐趋左右对称，当d? ＞30时， χ2分布已接近正态分布（图3.13）。 附表6列出了各种自由度下的χ2分布的一尾(右尾)概率，可供查找。例如， d? ＝2时，查得χ2 0.05 ＝5.99， χ2 0.01 ＝9.2l。 六、F分布 设从一正态总体N(μ, σ2 )中随机抽取样本容量为n1和n2的两个独立样本，其样本方差为S12和S22，则定义S12和S22的比值为F： (3.9,6.8) 此F值具有S12的自由度d?1＝n1 - 1和S22的自由度d?2＝n2 - 1。如果对一正态总体在特定的d?1和d?2进行一系列随机独立抽样，则所有可能的F值就构成一个F分布。 145 F分布的概率密度函数是由两个独立χ2变量的概率密度所构成的联合概率密度。 F分布的概率累积函数为: 分布有以下特征: (1) F分布的平均数μF＝1，F的取值区间为(0, ∝ ) F分布下一定区间的概率列于附表5，可供查找。例如， d?1＝4， d?2＝10时，可查得F0.05＝3.48，F0.01＝5.99，表示所得F值大于3.48的概率仅有5％，大于5.99的概率仅有1％。 147 * 版权所有引用本片内容请注明出处 设计制作：Dr. 瞿 波 华中农业大学 植物科学技术学院 * * 95 解： 100 幻灯片 102 幻灯片 103 幻灯片 104 幻灯片 107 幻灯片 108 从上述计算可知，虽然正态分布u的取值区间为(一∝,十∝)，但实际上|u|＞2.58的概率只有0.0l，|u|＞1.96的概率也只有0.05， 在μ ±1.96σ和μ ±2.58σ范围内已分别包含了95％和99％的变量， |x -μ |＞1．96σ和|x - μ |＞2.58σ的概率只有5％和1％。 105 以上在计算|x -μ |＞1．96σ和|x - μ |＞2.58σ的概率时，均为两尾概率值，即左尾概率和右尾概率之和。 由于两尾概率值经常使用，为减少计算的麻烦，在附表3列出了两尾概率取某一值时的u临界值，即正态离差u 值表，可直接查用。例如，可查得P＝0.05时u＝1.9600，P＝0.01时u＝2.5758。 幻灯片 114 例3.11 利用例2.1小麦株高资料，试计算：(1)小麦株高的95％正常值范围；(2)株高≥85cm概率。 例2.1 随机抽取20株小麦，其株高（cm）分别为82，79，85，84，86，84，83，82，83，83，84，81，82，81，82，82，82，80，求小麦的平均株高。 解: 假设小麦株高服从正态分布。由于总体平均数μ和总体标准差σ未知，我们用样本平均数 和样本标准差S来估计μ和σ。 例2.1和例2.5已求 ＝82.3cm，S＝1.7502cm。 (1)查附表3，得两尾0.05概率的u0.05＝1.96，于是 上限为： 82.3+1.96×1.7502＝85.73(cm) 下限为： 82.3 - 1.96×1.7502＝78.87(cm) 110 第三节 统计数的分布 生物统计中的一个问题，是研究总体与由总体中所取样本的关系，这种关系可从两个方向来研究，如图3．11所示。 一、抽样试验与无偏估计 从总体中抽样必须符合随机的原则，即保证总体中的每一个个体在每一次抽样中都有相同的概率被抽取为样本。 115 从理论上讲，从一个总体中抽取所有可能的样本，就能获得有关统计数变异的全部信息。但是，这样的抽样试验，不仅在无限总体中无法做到，就是在许多有限总体中也难以做出。 在实践中则是仅抽取一部分样本进行研究，或对小的有限总体进行有放回的抽样。实践证明，部分抽样比较接近实际。有放回的小总体抽样，样本可以从不会耗尽的总体中获得，所以从