理学常用统计分布.pptxVIP

理学常用统计分布;本章重点： 1、二项分布 2、正态分布 3、常用抽样分布 本章难点： 1、正态分布 2、常用抽样分布 3、中心极限定理;第一节 二项分布 ;二项分布是一种重要的离散型随机变量概率分布，它是从著名的贝努里试验（二项试验）中推导而来。 贝努里试验，是指只有两种可能结果的随机试验。(FJ7-1);一、二项分布的定义 若离散型随机变量X的分布为;;二、二项分布的性质;⑶二项分布的数学期望E(X)= μ=np, 变异数D（X）＝σ2＝npq。 ⑷二项分布还可以简写作B(x；n，p)。 ⑸二项分布的概率值除了根据公式直接计算外，还可查表求得。二项分布表的编制方法有两种：一种依据概率分布律 P(x) 编制(见附表2)；另一种依据分布函数 F(x) 编制(见附表3)。 其中：;第二节 正态分布 ;正态分布是最重要的概率分布，这是因为： （1）许多自然现象和社会现象，都可用正态分布加以叙述； （2）当样本足够大时，都可用正态近似法解决变量的概率分布问题； （3）许多统计量的抽样分布呈正态分布 。 ;一、正态分布的定义和性质;;正态分布的重要特征值为： ⑴期望值：E（X）＝μ，且μ＝Me＝Mo； ⑵方差（变异数）：D（x）＝σ2； ⑶偏态系数：α＝0； ⑷峰态系数：β＝3。 ;服从正态分布的随机变量的概率密度函数图形见下：;第15页/共58页;;（二）正态分布的重要性质;表7－3 正态分布x的取值区间及概率表;图7.5 正态分布x的取值区间及概率图示;由上可以看出，服从正态分布N(μ, σ2)的随机变量X，落在（μ－3σ，μ＋3σ）内的概率为99.73％，几乎是必然事件；而落在（μ－3σ，μ＋3σ）之外的概率很小，几乎是不可能事件。服从正态分布的随机变量X的这个重要性质，称为“3σ”原则。;二、标准正态分布;标准正态分布φ(z) 是指参数μ＝0，σ2＝1的正态分布，简记作N（0，1）。;标准正态分布重要的特征值如下： ;随机变量X的取值在某区间上的概率就可用下式求得：;利用标准正态分布表（也叫Z分布表）就可以求出任何正态随机变量X的取值区间的 概率。即:;解 已知μ＝168，σ＝12，那么：;图 7.6 ;当n很大时，只要p或q不近于零，我们就可以用正态近似来解决二项分布的计算问题。 ;;一、抽样分布;●已知一总体分布，可求得它的特征值。;将总体均值和总体标准差与样本均值和样本标准差加以区别是很必要的。因为参数和统计量之间存在着重要区别。 ;用数学语言来说，抽样分布是运用数理统计的方法，把具体概率赋予样本的所有可能结果的一种理论分布。 ;（一）χ2分布（卡方分布） χ2分布是一种连续型随机变量的概率分布。 ;;χ2分布的分布函数为：;图7.8 χ2检验的否定域 ;;2、χ2分布的性质 （1）随机变量χ2的分布不是正态分布，χ2恒为正值，且χ2分布密度曲线下总面积为1。 （2）期望值E（ χ2 ）＝k，方差V（ χ2 ）＝2k。 （3）χ2分布是一个连续的非对称分布，当k﹤2时，χ2分布呈L形；k→∞，χ2分布趋于正态分布。 （4）χ2分布具有可加性。(FJ7-5) （5）利用χ2分布可以推出样本方差S2分布,即：;（二）F分布 ;图7.9 F分布图（概率密度曲线） ;;（4）F分布的期望值和方差（变异数）分别为:;（三）t分布 ;1、t分布的数学形式 ;图7.10 t分布图（概率密度曲线） ;若样本X1，X2，…，Xn来自于正态总体N（μ，σ2），可以证明，随机变量：;随机变量t的临界值。 ;2、t分布的性质 ;（2）t分布密度曲线对称于直线t=0（但不是正态分布），故有 ;二、中心极限定理 ;中心极限定理也可以表述为：设随机变量X的均值为μ，方差为σ2，X1，X2，…，Xn为X的样本，那么， ;例6，某市职工家庭人均年收入的总体分布未知，但已知该市职工家庭人均年收入μ＝4 800元，标准差σ＝800元，当抽取64户进行调查，求样本平均数居于4 600～5 000元之间的概率。;无疑，中心极限定理大大拓展了正态分布的适用范围，同时我们得到了以下重要信息： ;图7.11 比较容量不同的样本均值的抽样分布 ;思考与练习;11、完成以下练习：;感谢观看!