气候统计-第二章 第二章 基本气候状态的 统计量2.pdf

第二章 基本气候状态的统计量 Part 2 理论概率分布 学习目标 ■ 掌握理论分布的含义； ■ 了解气候问题中常见的理论分布； ■ 学会通过查表的方式计算连续理论分布的 累计概率值； 背景 ■ 在上一节，我们主要介绍了经验性的概率分布 ； ■ 本节介绍采用数学形式来表征一组气象数据， 这种数学形式代表的是理想（理论）的数据分 布特征； ■ 值得我们思考的是，理论分布实际上是比较抽 象的，对于实际的数据也只是近似的表征，为 何我们仍然要用理论分布来探讨气象数据的基 本特征？ 理论分布的优势 ■ 1 压缩性（简洁性）：我们用几个参数便 可以很好的述气象数据，而不必对大量 的数据进行繁琐的重复操作（经验分布） ； ■ 2 平滑以及内插：实际的气象数据并不是 完全连续的，理论分布使得数据分布更加 平滑（不易受到异常点的影响），同时也 可以了解观测中缺失点数据的出现概率； 理论分布的优势 ■ 3 外推：理论分布可以帮助我们判断气象 数据两侧没有数据值的数据点可能的发生 概率。 ■ 但理论分布不能脱离实际数据本身，实际 数据决定采用何种理论分布、参数的选取 以及拟合效果的分析。 理论分布之于实际数据 ■ 如何选择合适的参数分布？ ■ 分布参数的拟合； ■ 分析参数分布选择的合理性？ ■ 以上所有都离不开实际数据。 什么是理论分布
 （参数化分布）？ ■ 一种抽象的数学形式，或特征形态； ■ 由某些特定的值确定，又称“参数分布”； ■ 这些参数可以决定分布的特征。 理论分布中的参数 ■ 参数常与样本统计量混淆； ■ 参数：是某一特定分布的抽象特征的诠释， 简洁地代表了统计概念中总体数据的特征 ； ■ 统计量：由样本计算得到的任何量； ■ 引起混淆的主要原因是，通常一些常用的 样本统计量是分布参数的一个很好的估计 值。 离散相对于连续 ■ 离散和连续均是理论分布的两种具体的表 达形式； ■ 离散分布述的是随机变量具有特定取值， 这些值是有限的，或者是无限可数的； ■ 连续随机变量的取值可以是某一实数段内 的任何值； 离散相对于连续 ■ 虽然严格而言，采用连续分布则意味着观 测数据量相当大，但实际对于某些离散观 测的变量采用连续分布是可行的； ■ 气象中的数据，如温度和降水，虽然观测 结果是离散的数值，但它们可以是某一段 数据中的任何值，因此，我们可以把它们 视为连续数据。 概率的简单概括 ■ 对于某个实验而言，给出所有可能的结果 （互不相容的完备事件组）； ■ 得到每个结果的可能性； ■ 所有结果的可能性构成概率分布； 离散分布
 ——二项式分布（1） ■ 最简单的理论分布； ■ 在实验中，可能发生2个相互独立的事件，如“成 功”/“失败”，1/0等等； ■ 随机变量X ，做N次实验（假定每次实验发生的事 件为0或者1）。则N次实验后，X可能的值为从0 （我们想要的结果从未发生）到N （每次实验都 得到我们想要的结果），即N+1个可能的值； ■ 在得到以上结果时，必须满足2个条件： ■ 事件发⽣的概率不随实验变化； ■ 每次实验发⽣的事件（成功或者失败）是相互独⽴ 的。 离散分布
 ——二项式分布（2） ■ 最简单的，最直接的关于二项式分布的例 子为“投掷硬币”，假定出现两种事件 （“head”或者“tail” ）的概率均为0.5 ■ 且这个概率在每次实验中均不发⽣改变； ■ 同时投掷N1个硬币，出现heads或者tails 彼此不联系（不影响）。 这就满⾜⼆项式分布的所有条件：两种事件 （结果是⼆分类的）、且相互独⽴，同时事 件发⽣的概率为常数。 离散分布