常用统计分布.docxVIP

第八章常用统计散布 第一节超几何散布 合用：小群体的两分变量。假定总体为K个成功类、（N-K）个为失败类 超几何散布为离散型随机变量的概率散布，它的数学形式是 x n x CK CN K P(Xx)H(x;N,n,K) CNn Cnx(K)x(1 K)nx N N 超几何散布的数学希望值和方差 nK E(X) N 2 n(Nn)(N K)K D(X) 1) N(N 如果用p K ,q 1 p，则有 E(X)np N 2 D (X ) N n npq 1 N 对于超几何散布的近似 x n x CK CN K x P(Xx) CNn Cn  (K)x(1 K)nx N N 设某校有l000名大学生，其中有外国留学生10、名，现从该校学生中任抽 人，求抽到外国留学生的概率散布。 [解]抽到外国留学生人数X听从N＝1000、K＝10、n＝2的超几何散布， 根据(8．1)式得 C100 C9902 990 989 P(X0) 1000 0.98009 C10002 999 P(X C101C9901 10990 2 1) 1000 0.01982 C10002 999 P(X C102C9900 10 9 2) 0.00009 C10002 1000 999 两种方法计算结果比较一下，仅在小数点后第 5位上才出现误差。自然在＞ 0．1时，如此计算误差会比较大。此外，二项散布的计算量仍不算小，有时还 能够将二项散布近似为泊松散布，这一点我们将在下一节议论。 第二节泊松散布 合用：罕有事件的研究。一个事件的平均发生次数是大量实验的结果，在这些试验中，此事件可能发生，可是发生的概率特别小。 泊松散布亦为离散型随机变量的概率散布，随机变量X为样本内成功事件的次数。若λ为成功次数的希望值，假定它为已知。而且在某一时空中成功的次数很少，超过5次的成功概率可忽不计，那么X的某一详细取值x（即罕有事件出现的次数）的概率散布为 x P(X  x)  P(x;  )  e x! 泊松散布的性质：x的取值为零和一切正整数；图形是非对称的，但随着的 λ增加，图形变得对称；泊松散布的数学希望和方差均为λ。 x E(X) x e x0 x! D(X) E(X2) [E(X)]2 x2 x 2 e x0 x! 第三卡方散布 卡方散布是一种型随机量的概率散布，主要用于列表。 数学形式 随机量X1，X2，?Xk，相互独立，且都听从同一的正散布N(μ， σ2)。那么，我能够先把它准正量Z1，Z2，?Zk，k个独立准 正量的平方和被定卡方散布（ 2 散布）的随机量 （ 2 作卡 方），且 2 ( x1 )2 ( x2 )2 ( xk )2 1 k )2 k 2 2 (xi Zi i 1 i 1 我把随机量 2 的概率散布称 2 散布，其概率密度作 。其中k卡方散布的自由度，它表示定式中 独立量的个数。 对于卡方散布的散布函数，附表 7不同的自由度k及不同的界概率α (0＜α＜1)，出了足下面概率式的 2 (k) 的(参)。 P( 2 2;k) 2 2(x;k)dx 注意 2 (k) 写法的含：它表示自由度 k的卡方散布，当其散布函 数P( 2 2;k) ，其随机量2的界(参)。详细来，在假中，它表示 2 在著性水平α上卡方散布随机量的界。 卡方散布的性质 (1) 2 恒为正当。 卡方散布的希望值E(X2)是自由度k，方差D(X2)为2k。 卡方散布取决于自由度k，每一个可能的自由度对应一个详细的卡方散布。 卡方散布只与自由度相关，这就给卡方散布的实际应用带来很大方便。散布由正 态散布导出，但它之所以与正态散布的参数μ和σ无关，是因为标准正态变量Z 与原来的参数无关。 卡方散布拥有可加性 2(k1)2(k2)2(k1k2) 利用卡方散布能够推出样本方差S2的散布 nS2~2(n1) 2 式中：σ2代表总体方差，自由度为n―l。 第四节F散布 F散布是连续性随机变量的另一种重要的小样本散布，可用来查验两个总体的方差是否相等，多个总体的均值是否相等。仍是方差剖析和正交设计的理论基础。 数学形式 设X2(K1)和X2(K2)相互独立，那么随机变量 F(k1,k2 ) 2 (k1) / k1 2(k2) / k2 听从自由度为(k1，k2)的F散布。其中，分子上的自由度k1叫做第一自由 度，分母上的自由度k2叫做第二自由度。 样本方差的抽样散布 [例]由一正态总体抽出容量为25的一随机样本，已知σ2＝6，求 样本方差S2在3.3到8.7之间的概率。 [解] 已知n＝25，σ2＝6，由nS 2 2 得 ~ (n1) 2 P(3.3S2 8.7)P(3.3 n nS 2 8.7 n) 2 2 2 P(3.3 25 2(24) 8.7 25) 6 6 0.950.050.90