第三章理论分布与抽样分布.pptxVIP

第三章 理论分布与抽样分布;;3.1.1 事件和事件发生的概率;要认识随机事件的规律性，个别的试验或观察是不适用的，必须在大量的实验中才能观察到。 下面用棉田发生盲椿象为害的情况来说明这一问题。;统计学上通过大量实验而估计的概率称为实验概率或统计概率，用公式表示为：;小概率原理：若事件A发生的概率较小，如小于0.05或0.01，则认为事件A在一次试验中不太可能发生，这称为小概率实际不可能性原理，简称小概率原理。 必然事件：对于一类事件来说，如在同一组条件的实现之下必然要发生的事件。 不可能事件：如果在同一组条件下必然不发生的事件。;3.1.2 事件间的关系;二、积事件 事件A和B同时发生而构成的新事件，称为事件A和B的积事件，记为AB，读作“A和B同时发生或相续发生”。 例如某小麦品种，以发生锈病为事件A，发生白粉病为事件B，则锈病和白粉病同时发生这一新事件为AB。;三、互斥事件 如果事件A和B不能同时发生，即A和B是不可能事件，则称事件A和B互斥。例如棉花纤维长度“＜28毫米”和“等于28毫米”不可能同时发生，为互斥事件。;四、对立事件 事件A和B不可能同时发生，但必发生其一，即A＋B为必然事件（记为A＋B＝U），AB为不可能事件（记为A·B=V)，则称事件B为事件A的对立事件，并记B为 例如，有一袋种子，按种皮分黄色和白色，事件A为“取到黄色”，事件B为“取到白色”，A与B不能同时发生，但是，任意取一粒种子，其皮色不是黄色就是白色，即A和B必发生其一，因此A和B互为对立事件。;五、完全事件系 若事件A1、A2、···An两两互斥，且每次试验结果必发生其一，则称A1、A2、···An为完全事件系。 例如对于棉花纤维长度，＜28毫米、≥28毫米和＜30毫米、≥30毫米均构成了完全事件系。;六、事件的独立性 若事件A发生与否不影响B发生的可能性，则称事件A和事件B相互独立。 例如，事件A为“花的颜色为黄色”，事件B为“产量高”，显然如果花的颜色与产量无关，则事件A和B相互独立。;3.1.3 计算事件概率的法则;二、独立事件的乘法 假定P(A)和P(B)是两个独立事件A与B各自出现的概率，则： P(AB)=P(A)P(B) 例：现有4粒种子，其中3粒是黄色、1粒是白色，采用复置抽样。试求下列两事件的概率(1)第一次抽到黄色，第二次抽到白色；(2)两次都抽到黄色。;先求出抽到黄色种子的概率为3/4=0.75，抽到白色种子的概率为1/4=0.25. P(A)=P(第一次抽到黄色种子)P(第二次抽到白色种子)=0.75×0.25=0.1875 P(B)= P(第一次抽到黄色种子) P(第二次抽到黄色种子)=0.75×0.75=0.5625;三、对立事件的概率 若事件A的概率为P(A)，那么其对立事件的概率为： P( )=1－P(A) 四、完全事件系的概率 例如上例，黄色种子和白色种子构成完全事件系，其概率为1。;五、非独立事件的乘法 P(AB)=P(A)P(B|A);3.1.4 随机变量;一、离散型随机变量 变量y的取值可用实数表示，且y取某一值时，其概率是确定的，这种类型的变量称为离散型随机变量。 将这种变量的所有可能取值及其对应的概率一一列出所形成的分布，称为离散型随机变量的概率分布： 变量yi y1 y2 y3 … yn 概率P(y=yi) P1 P2 P3 …Pn;二、连续型随机变量 变量y的取值仅为一范围，且y在该范围内取值时，其概率是确定的，这种类型的变量称为连续型随机变量(continuous random variate)。;随机变量可能取得的每一个实数值或某一范围的实数值是有一个相应概率于其对应的，这就是所要研究和掌握的规律，这个规律称为随机变量的概率分布。;;3.2.1 二项总体与二项式分布;为便于研究，通常给“此”事件以变量“1”，具概率p；给“彼”事件以变量“0”，具概率q其概率关系为： p＋q=1 q－1=p; 例如，观察施用某种农药后蚜虫的死亡数，记“死”为0，“活”为1。如果每次观察5只，则观察的结果将有0(5只全死)、1(4死1活)、2(3死2活)、3(2死3活)、4(1死4活)、5(5只全活)，共6种变量。由这6种变量的相应概率组成的分布，就是n=5时活虫数的二项分布。;3.2.2 二项式分布的概率计算方法;这实际上是以n=4,从p=3/4， q=1/4的二项总体中抽样构成二项分布的问题。;红花数;上例各项的概率相当于(p+q)4的展开： (p+q)4=p4+4p3q+6p2q2+4pq3+q4 同