第二章--试验结果的比较与评价.pptVIP

第1章试验设计基础试验设计与方法主讲：林颢江苏大学食品与生物工程学院Email：linhao@ujs.edu.cn统计量中的各种分布正态分布（normaldistribution）又名高斯分布（Gaussiandistribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为：则其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是μ=0,σ=1的正态分布。正态分布特点正态分布一种概率分布。具有两个参数μ和σ2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ,σ2)。服从正态分布的随机变量的概率规律为取与μ邻近的值的概率大，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。正态分布的密度函数的特点是：关于μ对称，在μ处达到最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点。它的形状是中间高两边低，图像是一条位于x轴上方的钟形曲线。当μ=0，σ2=1时，称为标准正态分布，记为N（0，1）。标准正态曲线标准正态曲线N（0，1）是一种特殊的正态分布曲线，以及标准正态总体在任一区间(a，b)内取值概率“小概率事件”和假设检验的基本思想“小概率事件”通常指发生的概率小于5%的事件，认为在一次试验中该事件是几乎不可能发生的。这种认识便是进行推断的出发点。关于这一点我们要有以下两个方面的认识：一是这里的“几乎不可能发生”是针对“一次试验”来说的，因为试验次数多了，该事件当然是很可能发生的；二是当我们运用“小概率事件几乎不可能发生的原理”进行推断时，我们也有5%的犯错误的可能。正态分布总体中各种统计量的分布正态分布总体中各种统计量的分布正态分布总体中各种统计量的分布正态分布总体中各种统计量的分布正态分布总体中各种统计量的分布参数估计与假设检验参数估计与假设检验参数估计与假设检验参数估计与假设检验参数估计与假设检验参数估计与假设检验参数估计与假设检验参数估计与假设检验参数估计与假设检验参数估计与假设检验参数估计与假设检验参数估计与假设检验参数估计与假设检验第4章试验结果的比较与评价*试验结果的比较与评价正态分布****