医学高等数学：第九章概率的基本理论与应用.pptVIP

4. D(X)=0 P(X= C)=1， 这里C=E(X) P(X= x) 下面我们用一例说明方差性质的应用 . 例 二项分布的方差 设X~B(n,p), 则X表示n重贝努里试验中的 “成功” 次数 . 若设 i=1,2，…，n 故 D(Xi)= E(Xi2)-[E(Xi)]2 E(Xi)=P(Xi=1)= p, E(Xi2)= p, 则 是n次试验中“成功” 的次数 = p- p2= p(1- p) 于是 i=1,2，…，n D(Xi)= E(Xi2)-[E(Xi)]2 = p- p2= p(1- p) 由于X1,X2,…,Xn相互独立 = np(1- p) 这里，我们介绍了随机变量的方差. 它是刻划随机变量取值在其中心附近离散程度的一个数字特征 . 第五节 大数定律与中心极限定理 * 一、大数定理 1、切比雪夫不等式 2、切比雪夫大数定理 3、贝努利大数定理 二、中心极限定理 一、大数定理 * 1、切比雪夫不等式 若随机变量有数学期望和方差，则对于任意给定的正数?，下列不等式成立： 一、大数定理 * 2、切比雪夫大数定理 设 是由两两独立的随机变量所构成的序列，每一随机变量都有有限的方差，并且有公共上界，即存在某一常数 ，使得： 则对任意的 恒有： 一、大数定理 * 3、贝努利大数定理 设m是n次贝努利试验中事件 出现的次数， 是事件 在每次试验中出现的概率，则对任意的 ，恒有： 二、中心极限定理 * 设 是两两相互独立的随机变量序列，且具有相同有限的数学期望和方差： 则随机变量： 的分布函数 对任意x 满足 第六节 数理统计简介 * 一、几个基本概念 1、总体与样本 2、统计量 二、参数估计 1、点估计 2、区间估计 三、假设检验 1、运用概率性质的反证法 2、小概率事件的实际不可能原理 3、显著性水平和临界值 一、几个基本概念 * 1、总体与样本 研究对象的全体称为总体，从总体中抽取的部分代表成为样本。 一、几个基本概念 * 2、统计量 样本的函数称为统计量 二、参数估计 * 1、点估计 由样本所确定的统计量作为总体未知参数的估计值的方法称为参数的点估计 二、参数估计 * 2、区间估计 设 是总体的未知参数， 和 是由样本确定的两个统计量，对于给定的?(0?1),满足： 则称随机区间（?1，?2）是参数?的置信度为 的置信区间，?1，?2为置信区间的下限和上限， 为置信度. 三、假设检验 * 1、运用概率性质的反证法 为了检验一个假设是否成立先假定这个假设是成立的，然后看由此会产生什么结果，如果导致了一个不合理现象的出现，就说原假设是不成立的，因而要拒绝原假设；如果没有不合理现象出现，则不能拒绝假设，此时称原假设是相容的.这种基本思想方法称为概率性质的反证法，它与纯数学的反证法是不同的. 三、假设检验 * 2、小概率事件的实际不可能原理 概率很小的事件，在一次试验中几乎是不会发生的.如果根据假设条件计算出某事件发生的概率很小，而在一次试验中，该事件竟然发生了，则可以认为所作的假设不正确，从而拒绝所作的假设，这就是小概率事件实际不可能原理，简标小概率原理. 三、假设检验 * 3、显著性水平和临界值 根据上述原理建立起来的检验方法标为显著性检验.我们可以给定一个临界概率，把概率不超过这个临界概率的事件当做“小概率事件”，通常把这个临界概率取为0.05，又称其为显著性水平。 当显著性水平确定后，选定一个适当的统计量，计算出统计量在某一范围内的概率，如果根据样本值计算出统计量的值落在上述范围内，则拒绝原假设，若计算出的统计量的值不落在此范围内，则不能拒绝原假设。 * Any Questions? * * 运行时, 点击 “笛卡儿“ , 或按钮”笛卡儿” , 可显示笛卡儿生平见解(这是自定义放映, 放映完毕自动返回) * * * * （1）若 r.vX的概率密度为： 则称X服从区间( a, b)上的均匀分布，记作： X ～ U(a, b) 它的实际背景是： r.v X 取值在区间 (a, b) 上，并且取值在(a, b)中任意小区间 内的概率与这个小