大气统计基础方案.ppt

中心趋势统计量 峰度系数 (kurtoris) 偏度系数 (skewness) ? 二阶中心矩就是上面提到的方差； ? 三阶中心矩是用来描述变量概率密度分布非对称性的， 如果其计算值为正值，表明密度分布曲线的峰点在平 均值的右方，反之亦然； ? 四阶中心矩用来描述分布曲线的陡度，如果其计算值 小，反映观测值与平均值靠近，分布曲线就比较陡， 反之，则表明分布曲线平缓。 对遵从正态分布的变量而言，对应的偏度和峰度值应 为零。因此，可以通过计算某一气象要素的偏度和峰度值， 考察它们偏离零的程度，以便确定它们是否遵从正态分布。 正态以及偏态分布示意图 平 均 值 平 均 值 平均值 正态分布 正 / 右偏态分布 负 / 左偏态分布 可用于非对称研究，如 ENSO asymmetry (Sun et al. 2013) 正态以及峰度示意图 统计量的检验 在气象分析与预报中，为了研究气象要素本身或气象 要素之间的关系，我们总是选取一定的样本进行统计分析， 那么所得到的结果是否具有普遍意义呢？ 例如，我们为了研究某地夏季某几年的冷害对农业的 影响，分析出这几年夏季的天气形势场在该地上游地区某 个区域高空有一低槽，高度值特别低。那么我们要问这几 年该区域的低值是否是较常年显著地低， 会不会是随机抽 样的偶然性的结果？ 回答这些问题就是概率统计中的 显著 性检验 。 一般的显著性检验过程是给定一个原假设，寻找 与假设有关的统计量及其所遵从的概率分布函数，用 具体的一次抽样的样本数据代入统计量，在给定的显 著水平下（气象上常取５％）作出对原假设的否定和 接受的判定。当然，这种判定也有一定的错误，即所 谓第Ⅰ类错误（否定假设时所发生的）和第二类错误 （接受假设时所发生的）。这两类错误的概率不等， 由于第Ⅰ类错误的概率较小，一般情况下 以拒绝假设 的结论为好 ，即犯错误的可能性较小。 小概率原理 ? 一个事件如果发生的概率很小的话，那么它在一次试验中 是几乎不可能发生的，但在多次重复试验中几乎是必然发 生的，数学上称之小概率原理。 ? 统计学中，一般认为等于或小于 0.05 或 0.01 的概率为小概 率。 置信区间 置信水平 1- α 显著水平 α 统计检验流程 1. 明确要检验的问题，提出统计假设。 2. 确定显著性水平 α 。 3. 针对研究的问题，选取一个适当的统计量。 4. 根据观测样本计算有关统计量。 5. 对给定的 α ，从统计量分布表查出与 α 水平相应 的数值，即确定出临界值。 6. 比较统计量计算值与临界值，看其是否落入否定 域中，若落入则拒绝原假设。 基本统计量的检验 ? 平均值的显著性检验 ? 两组样本平均值差异的检验 ? 方差的显著性检验 ? 变量的分布检验 ? 相关系数的检验 平均值的显著性检验 平均值的显著性检验在概率统计中一般有 大 样本 检验（统计量近似遵从 正态分布 ）和 小样本 检验（统计量遵从 ｔ分布 ）。 在气象上，由于通常所使用的样本容量不大， 一般情况下，大多使用ｔ分布统计量。 在气候变化的研究中，常常要研究某些特殊 年份有何显著特点。经常使用的方法是将这一特 殊年份的气象要素与其它年份的平均值进行比较。 两组样本平均值差异的检验 方差的显著性检验 变量的分布检验 大气统计方法 第二章 大气统计基础 气象资料 实测 资料 模式 资料 天气和气 候分析的 根本 第一步 分析数据的 基本特性 …… 进 一 步 气象资料的整理 用统计方法作气象要素的分析和预报是依据 大量的气象观测资料 来进行的。从概率论或统计 学的观点来看，某个气象要素及其变化可看成为 一个变量（或 随机变量 ），它的全体在概率论中 称为 总体 ，而把收集到的该要素的资料称为 样本 。 利用统计学方法对样本进行分析来估计和推 测 总体的规律性 就是本课程主要介绍的内容。气 象中单个或多个要素可看成为统计学中单个或多 个变量。本章将介绍对它们的资料（样本）进行 初步整理的方法。 我们要 研究的对象 是气象要素，比如 气温、降水量、气压，它们可以是月平均 值、年平均值、也可以是日平均值