第四章理论分布和抽样分布PowerPointPres.pptx

;第一节 事件、概率和随机变量;一、事件和事件发生的概率; 事件发生的可能性(概率)是在大量的实验中观察得到的， 例如棉田发生盲蝽象为害的情况，并不是所有的棉株都受害，随着观察的次数增多，我们对棉株受害可能性程度大小的把握越准确、越稳定。这里将一个调查结果列于表4.1。 ; 由表4.1可以看到：调查5株时，有2株受害，受害株的频率为40%，调查25株时受害频率为48%，调查100株时受害频率为33%。可以看出三次调查结果有差异，说明受害频率有波动、不稳定。而当进一步扩大调查的单株数时，发现频率比较稳定了，调查500株到2000株的结果是受害棉株稳定在35%左右。 现以n代表调查株数，以a代表受害株数，那么可以计算出受害频率p=a/n。从棉株受害情况调查结果看，频率在n取不同的值时，尽管调查田块是相同的，频率p却不同，只有在n很大时频率才比较稳定一致。因而，调查株数n较多时的稳定频率才能较好地代表棉株受害的可能性。 ; 统计学上用n较大时稳定的p近似代表概率。通过大量实验而估计的概率称为实验概率或统计概率，以表示。此处P代表概率，P(A)代表事件A的概率，P(A)变化的范围为0～1，即0≤P(A)≤1。;二、事件间的关系; (一) 和事件; (二) 积事件;(三) 互斥事件;(四) 对立事件;;(五) 完全事件系;(六) 事件的独立性;三、计算事件概率的法则; (一) 互斥事件的加法 ; 例如，一捆花中红、黄、白花的概率分别为0.2、0.3、0.5，那么我们随机抽取一朵非白色花的概率为0.5(=0.2+0.3)，这只是由加法定理得到的两个事件概率之和。;(二) 独立事件的乘法; 现有4粒种子，其中3粒为黄色、1粒为白色，采用复置抽样。试求下列两事件的概率： (A)第一次抽到黄色、第二次抽到白色； (B)两次都抽到黄色。 由于采用复置抽样(即每一次抽出观察结果后又放回再进行下一次抽样)，所以第一次和第二次的抽样结果间是相互独立的。 ; 采用概率的古典定义，可以求出抽到黄色种子的概率为0.75，抽到白色种子的概率为0.25。因此，有;(三) 对立事件的概率; (四) 完全事件系的概率;(五) 非独立事件的乘法;四、随机变量; 例2：用“1”表示“能发??种子”，其概率为p；用“0”表示“不能发芽种子”，其概率为q。显然 p+q=1， 则 P(y=1)=p，P(y=0)=q=1－p。; 例3：用变量y表示水稻产量，若y大于500kg的概率为0.25，大于300kg且等于小于500kg的概率为0.65，等于小于300kg的概率为0.1。 则用变量y的取值范围来表示的试验结果为 P(y≤300)=0.10， P(300＜y≤500)=0.65， P(y＞500)=0.25。; 离散型随机变量 ----当试验只有几个确定的结果，并可一一列出，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： ; 前面例1、例2中的y就是离散型随机变量，将其可能取值与对应概率一一列出，即为：;;第二节 二项式分布;一、二项总体及二项式分布; 如果从二项总体进行n次重复抽样，设出现“此”的次数为y，那么y的取值可能为0、1、2、…、n，共有n+1种可能取值，这n+1种取值各有其概率，因而由变量y及其概率就构成了一个分布，这个分布叫做二项式概率分布，简称二项式分布或二项分布( binomial distribution )。 ;二、二项式分布的概率计算方法; 抽取三粒种子(以Y代黄子叶，以G代青子叶)，即n=3，有两粒黄子叶种子，即y=2，这时有3种不同组合： GGY，GYG，YGG。出现第一粒，第二粒和第三粒种子是互不影响的，因此这三个事件是独立事件，由乘法法则可得：; 由于这三个事件都是相互互斥的，所以出现两粒黄子叶种子(y=2)的概率为这三种概率之和：; 即复合事件的概率必等于该事件出现的组合数目乘以单个事件的概率；而这一复合事件的可能组合数目则相当于从n(3)个物体中任取其y(2)个物体的组合数。数学上的组合公式为：; 二项式中包含两项