遗传学中概率与统计.docxVIP

遗传学中的概率与统计 学习本课程的意义和注意事项 、统计数 总体：是指研究的全部对象.分为有限总体和无限总体 描述总体的特征数叫参数。样本：是总体的一部分，其所含的个体的数目或样本大小称为样本含量 参数： 描述总体的特征数叫参数。 统计数：反映样本的特征数叫统计数。如样本平均数等。 （一）平均数 平均数是数据的代表值，表示资料中观察值的中心位置。 算术平均数 n 戈x -Xi X2 Xn 1 Xi X 二 2 ?几何平均数G= / X2 Xn 2 ?几何平均数 （二）变异数：常用的有方差、标准差和变异系数。 n _ ,自由度=n-1 o ,自由度=n-1 o V = S?=丄 n — 1 （通常总体与样本的方差分别用 o和S表示）。 （试证明B= x时，7 （x_B）2最小）。 （X X）2 ―n i 计算技巧3以-动7￡疋-亜凶 H 变异系数 CV-? 、概率与概率分布 （一） 事件的基本概念 随机实验（trial,不同于experiment）:对某一个个体的一次观测称为一次 随机试验” 基本事件：随机试验可能出现的每一结果称为”随机试验”或”基本事件 随机试验的结果事先无法肯定。 事件：若干基本事件的集合称为“事件”。全部基本事件的集合称为 本空间（W）”。 必然事件：每次试验中，一定出现的结果。 不可能事件（V）：任何一次试验中，都不出现的结果。 事件的运算：略。(和事件，积事件，互斥事件，对立事件) 频率与概率 频率：某随机试验共进行■次，事件A发生了 ?次，则称「是■次随机试 验中事件A发生的频率。 概率：随着的增大，，将围绕某一确定的常数二做平均幅度越来越小的 变动。频率的稳定值兀即为事件A的概率。概率是事件在实验结果 中出现可能性大小的定量计量。 文档来源网络及个人整理，勿用作商业用途 概率的性质： 0 P (A) 1 P (W) =1 P (V) =0 事件的独立性：事件A发生与否不影响事件B发生的可能性，反之亦然， 那么就称事件A对于事件B是独立的。简称独立事件。文 档来源网络及个人整理，勿用作商业用途 古典概率模型：对于以下随机现象，称为古典概率模型： 随机试验的全部可能的结果(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。 则有： P(A^m n m=事件A中所包含的基本事件数； n=基本事件总数 概率的一般运算 概率的加法定理： P (A U B) =P (A) +P (B) -P (A A B) P(A)+P(A)=1 条件概率：已知事件B发生的条件下，事件A发生的条件概率, 记作P (A/B) P(A/B)= P(A/B)= P(AB)P(B) 概率的乘法定理 P (AB) =P (B) P (A/B) =p(A)P(B/A) 4.若事件A与事件B独立，贝U P (AB) =P (A) P (B 4. 全概率公式 W为n个互不相容的事件 Ai之和， W 二 Ai,Ai Aj 二V(i = j),P(Ai) 0，有 i 士 n P(B) = P(Ai)P(B/ Ai) 1 5.贝叶斯(Bayes)定理 P(Aj/B)「P(Aj)P(B/Aj) 迟 P(Ai)P(B/Ai) i ￡ 概率分布 随机变量：随机实验中测定的量。 随机试验的结果用数字表示 离散型随机变量：随机变量只有有限个或可列个可能的取值。 变量XXiX2Xn概率 变量X Xi X2 Xn 概率p Pi P2 Pn pi+ p2 pi+ p2 + +pn=1 连续型随机变量：取值在某个区间内连续变化 1.二项分布 特征i.每次试验有两种互不相容的结果; 每一种结果都有恒定的概率； 试验之间是独立的。 则有概率函数： X X (n _x) P(x)二 Cn P q ……、 \:随机试验次数 I-?.次试验中，事件二出现的次数 二在一次随机试验中，事件 二发生的概率 ■ d发生的概率， -二 7.:即二 J 普阿松分布为二项分布的特例P 普阿松分布 为二项分布的特例 P— 0 n— x np= 口 在二项分布中，若 则有概率函数： P(x)二x! P(x)二 x! x=0,1,2,… 正态分布 对于连续型随机变量，考虑某一单个测量值所对应的概率是没有意义的, 只能是某一范围或某一区间所对应的概率。 文档来源网络及个人整理，勿用作商业用途 用概率密度函数代替离散型变量的“概率函数” 正态分布的概率密度函数 1 °；尹 f(x)= ° e 匸 —x x + x, 彷 0 其中为卩平均数，c为标准差. 2 X?N(卩,c ) 正态分布曲线的特性： (1)左右对称。 ⑵ 确定了 ■和二后，才能确定曲线位置和形状。正态曲线的任何两个 x的定值 间的面积或概率完全以曲线 卩和◎而确定。文档来源网络及个人整理，勿用作商业用途 ⑶ 平