统计复习part-(1)文档.pdfVIP

离散型数据的参数估计 利用统计表统计计算每个事件发生的概率，绘制直条图。 一、二项分布 将一个“成功”概率为π的伯努利实验独立地重复n 次，令X 表示在这n 次实验中“成 功”出现的次数，X 可能取的值是0,1,2 ，…，n，根据n 次伯努利实验中“成功”总次数等 于k 的概率计算公式，得到X 的概率分布为： − ！ ( ) P X = k = （1 − π ） ， = 0, 1,2,3，… ； = ( ) ! − ! 二、二项抽样分布图形的特征 （重点） 1.当π=0.5，图形是对称的； 2.当π≠0.5，图形不对称；π离0.5 愈远，对称性愈差，但随着n 增大，分布趋向对称。 3.当n→∞时，只要π不太靠近0 或1（特别是n π和 n(1- π) 都大于5 时）(请记住)， 二项分布接近于正态分布。 三、二项分布的性质 （重点） 设X 服从二项分布B （n，π），则X 具有如下性质： 1.X 的均数μ = n π ； 2.X 的方差 2 = n π（1 − π）； 3.X 的标准差 = √n π（1 − π） 四、二项分布的适用条件 1.互斥性。实验结果只有一种可能性，成功或者失败，总概率为100%； 2.稳定性。每次伯努利出现的概率是一样的； 3.独立性。重复实验相互独立。 五、二项分布的应用 （一）概率估计 如果某地钩虫感染率是13%，随机观察当地150 人，其中10 人感染钩虫的概率有多大？ 150−10 (=10) = 10 10 （1 − π ） ，（n = 150，x = 10） 150 （二）单侧累计概率的计算 六、Poisson 分布 （特殊的二项分布） （一）Poisson 分布概念与原理 二项分布在“成功”概率π很小（接近于0），样本含量（试验次数）n 趋向于无穷大时， 近似于Poisson 分布。 Poisson 应用条件，同样要满足：每次观察互相独立，概率发生具有稳定性。不适用 于传染病发病例数出现的概率评估。 （二）Poisson 分布图形的特征 Poisson 分布图的形态取决于λ=n π： 1.λ＜5 时为偏峰，λ愈小分布愈偏; 2. 随着λ的增大（λ≥20），分布趋向于对称（中 心极限定律）。 （三）Poisson 分布两个重要的特征 1.总体均数=总体方差= λ； 2.观察结果具有可加性，即： 若X 服从总体均数为λ 的Poission 分布， 1 1 若X 服从总体均数为λ 的Poission 分布 2 2 则T= X + X 服从总体均数为服从λ+ λ的Poission 分布。 1 2 1 2 七、样本率抽样分布 利用样本率的统计量来推算总体 “成功”发生的概率。 （一）两个总体 第一个总体：出现阳性结果的次数X，描述总体当中二项变量所有出现阳性结果次数的 概率分布，可得： 总体均数μ；总体的标准差 第二个总体：描述样本 “成功”率P 的分布的总体，可得：p 的均数，p 的标准差。 （二）样本率的均数和标准差计算 从 “成功”率为π的总体中随机抽取样本量为n 的样本，其样本“成功”率用p 表示， 则p 的均数和标准差为：P=