数学建模概率统计建模的理论与方法.pptVIP

第三十一页，共七十七页，2022年，8月28日 3.几个在统计中常用的概率分布 -4 -2 0 2 4 6 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 （1） 正态分布 ) , ( 2 s m N 密度函数： 2 2 2 ) ( 2 1 ) ( s m s p - - = x e x p 分布函数： dy e x F y x 2 2 2 ) ( 2 1 ) ( s m s p - - ￥ - ò = 其中 m 为均值， 2 s 为方差， +￥ ￥ - x . 标准正态分布： N （0，1） 密度函数 2 2 2 1 ) ( x e x - = p j dy e x y x 2 2 2 1 ) ( - ￥ - ò = F p 分布函数 第三十二页，共七十七页，2022年，8月28日 第三十三页，共七十七页，2022年，8月28日 第三十四页，共七十七页，2022年，8月28日 返回 F分布F（10，50）的密度函数曲线 第三十五页，共七十七页，2022年，8月28日 三、 参数估计 第三十六页，共七十七页，2022年，8月28日 1.点估计的求法 (一）矩估计法 第三十七页，共七十七页，2022年，8月28日 (二）极大似然估计法 第三十八页，共七十七页，2022年，8月28日 2.区间估计的求法 第三十九页，共七十七页，2022年，8月28日 1、已知DX，求EX的置信区间 2． 未知方差DX，求EX的置信区间 (一)数学期望的置信区间 （二）方差的区间估计 返回 第四十页，共七十七页，2022年，8月28日 1.参数检验：如果观测的分布函数类型已知，这时构造出的 统计量依赖于总体的分布函数，这种检验称为参数检验. 参数检验的目的往往是对总体的参数及其有关性质作出明 确的判断. 对总体X的分布律或分布参数作某种假设，根据抽取的样本观察值，运用数理统计的分析方法，检验这种假设是否正确，从而决定接受假设或拒绝假设. 2.非参数检验：如果所检验的假设并非是对某个参数作出明 确的判断，因而必须要求构造出的检验统计量的分布函数 不依赖于观测值的分布函数类型，这种检验叫非参数检验. 如要求判断总体分布类型的检验就是非参数检验. 四、 假设检验 第四十一页，共七十七页，2022年，8月28日 假设检验的一般步骤是： 第四十二页，共七十七页，2022年，8月28日 （一）单个正态总体均值检验 1、参数检验 第四十三页，共七十七页，2022年，8月28日 第四十四页，共七十七页，2022年，8月28日 （二）单个正态总体方差检验 第四十五页，共七十七页，2022年，8月28日 （三）两个正态总体均值检验 第四十六页，共七十七页，2022年，8月28日 （四）两个正态总体方差检验 第四十七页，共七十七页，2022年，8月28日 例9、续例2（离散型） 例2中认为在时间间隔 内放射性物质放射出的α粒子 数X服从Poisson分布，是否合理？我们现在解决这个问题。 这是一个非参数假设检验问题，原假设为 H0:X服从Poisson分布 当然其对立假设就是X不服从Poisson分布。 2.非参数检验 * 第四十八页，共七十七页，2022年，8月28日 检验的第一步要解决的问题是，如果H0成立，那么它服从参数 为多少的Poisson分布？要先估计未知参数。因为这时 所以用点估计法有， 可知如果H0成立，那么 检验的第二步要解决的问题是，观测数据是否支持原假设？ 如果原假设成立， 那么X的分布如表中1、4行所示，我们可以计算出在总共 N＝2608次观测中X取每个值的理论频数Npk： 粒子数X 0 1 2 3 4 5 6 7 8 9 10 频数n 57 203 383 525 532 408 273 139 45 27 16 频率f 0.021856 0.077837 0.146856 0.201304 0.203988 0.156442 0.104678 0.053298 0.017255 0.010353 0.006135 理论概率pk 0.020858 0.080722 0.156197 0.201494 0.194945 0.150888 0.097323 0.053805 0.026028 0.011192 0.006547 理论频数Npk 54.39863 210.5227 407.3614 525.4962 508.4176 393.5152 253.8173 140.3247 67.88208 29.18929 17.07489 * 第四十九页，共七十七页，2