数理统计在化学中的应用.pptVIP

$1.2.3 量度数据离散程度(dispersion)的统计量 极差 一组数据中最大值和最小值之差 数理统计在化学中的应用 平均绝对偏差 方差(Variance) 样本方差 $1.2.3 量度数据离散程度的统计量 方差(Variance) 总体方差 数理统计在化学中的应用 标准差(Standard Deviation) 相对标准差(Relative Standard Deviation) 样本方差 S2 是对总体方差?2的无偏估计 $1.2.3 量度数据离散程度的统计量 连续性随机变量的标准差 数理统计在化学中的应用 $1.3 化学中常用的分布函数 $1.3.1 二项式分布 $1.3.2 泊松分布 $1.3.3 麦克斯威尔分布 $1.3.1 二项式分布 每次试验只有两种可能结果而不受以前试验结果影响的分布。其中一种事件的概率p，另一种的概率q(?1-q)。 如果在n次独立试验下，求A出现次数x的概率分布，这一分布的概率质量函数即为： P(x) = Cnx px qn-x (x = 0，1，2 … n，0＜p＜1 ) 这个概率函数给出的分布就叫做二项式分布，即二项式(p+q)n的展开式。二项分布常用于军事射击和工业检查中，在化学中可用于计算质谱中同位素峰的强度比以及根据塔板理论推导气液色谱的流出曲线。 二项式分布 例1-2色谱的塔板理论 （一）塔板理论的四个基本假设 1．在柱内一小段高度内组分分配瞬间达平衡（H→理论塔板高度） 2．载气非连续而是间歇式（脉动式）进入色谱柱，每次进气一个塔板体积 3．样品和载气均加在第0号塔板上，且忽略样品沿柱方向的纵向扩散 4．分配系数在各塔板上是常数 根据塔板理论，待分离组分流出色谱柱时的浓度沿时间呈现二项式分布，当色谱柱的塔板数很高的时候，二项式分布趋于正态分布。 杨世钺, 色谱法溶质以二项式展开分布的简明推导, 化学通报, 1989, 02, 47-49. 例1-3 有一化学药品的混合过程在正常情况下会有10%的可能混合不合格，今在一批药品中抽验8个样品，发现有2个不合要求，检验员欲拒收整批药品，试问这一决定是否正确？ 解： P(x=2) = Cnx px qn-x = C82 0.12 0.910-2 = 0.149 计算表明，在总体合不格率为10%的情况下抽检出两个不合格的概率为14.9%，因此不应拒收这批药品。 $1.3.2 泊松分布 当某事件出现的概率很低(P1)，样本容量很大(n1)时，二项分布就成为泊松分布。由法国数学家Poisson于1838年发表。 泊松分布适合于描述单位时间内随机事件发生的次数。如某一服务设施在一定时间内到达的人数， 交换机接到呼叫的次数，汽车站台的候客人数，机器出现的故障数，自然灾害发生的次数等等。 泊松分布 泊松分布的概率质量函数为： （x = 0，1，2，…，?为参数） ?： 单位时间(或单位面积)内随机事件的平均发生数 性质： x的期望值等于方差即： ? =? = ?2： PMF CDF [例1-4] 400ml微生物溶液中含微生物的浓度是0.5只/毫升，抽出1毫升，其中所含微生物的只数x服从什么分布？含3只及3只以上微生物的可能性有多少？ 解：溶液中总共有微生物n = 0.5×400 = 200只，每一只微生物落入抽检的1毫升溶液中的概率p = 1/400，不落入的概率q = 399/400。如看有几只微生物落入抽检的1毫升溶液中就相当于一个n = 200时的独立试验模型，所以x服从二项分布。 由于? = np = 0.5比较小，可以用泊松分布来近似计算。 P(n≥3) = 1 - P(n＜3) = 1 - P(n=0) - P(n=1) - P(n=2) = 1 – e-0.5 – 0.5e-0.5 – 0.52e-0.5 /2 = 1 - 0.6065 - 0.3033 - 0.0758 = 0.0144 因为概率很小，在0.5只/毫升条件下，抽检1毫升是不大可能发现3只或3只以上的。如真抽到，就说明并不是这个浓度，而是大大超过了. $1.3.3 麦克斯威尔分布 直角坐标下速度的概率密度分布 球坐标下速度的概率密度分布 速率的概率密度分布 第二章 正态分布 $2.1 频率和概率 图2-1 测量数据的频率密度直方图。 数理统计在化学中的应用 图2-1 频率密度分布逐渐接近正态分布示意 $2.2 正态分布（ 高斯分布）与正态曲线 假设在一定条件下，