概率论 高等院校概率论课件JXHD52-3

合集下载

概率论基础 PPT课件

概率论基础 PPT课件

正概率点为至多可列个
连续型 其他
任何随机变量X都是从负无穷到正无穷
离散型随机变量特点:正概率点为有限个或者可列个
0,1:正概率点 P(1)=1/2
P(0)=1/2
非离散型
连续型 其他
三.随机变量(random variable)的分布
4.1 概率的数学(公理化)定义 概率就是广义的函数
数学定义:设E是一个随机试验,Ω为它的样本空间,以E中所有的随机事件 组成的集合(事件体)为定义域,定义一个函数P(A)(其中A为任一随机事件),
且P(A)满足以下三个公理,则称函数P(A)为事件A的概率。
公理1(非负性) 0≤P(A)≤1 公理2(规范性) P(Ω)=1 公理3(可列可加性) 若A1,A2, …,An,…两两相斥,则
第一章 概率论基础
§1.1 概率简述
1. 随机现象及其统计规律性
在一组不变的条件下,具有多种可能发生的结果的现象称为随机现象, 这类现象的一个共同点是: 事先不能预言多种可能结果中究竟出现哪一种。
2. 随机试验与随机事件 我们把对随机现象进行的一次观测或者一次实验统称为一个试验, 如果这个试验满足下面的三个条件: (1)在相同的条件下,试验可以重复地进行;(可重复) (2)试验的结果不止一种,而且事先可以确知试验的所有结果; (3)在进行试验前不能确定出现哪一个结果。(不可预测) 那么我们就称它是一个随机试验,简称试验。一般用字母E表示。
数值p为事件A在条件S下发生的概率(probability) ,记作P(A)=p。
例2:捕鱼问题
× f
n

A

n
P
A
池塘中有鱼若干(不妨假设为n条),先捞上1000条作记号,放回后再

概率论的基本知识PPT课件

概率论的基本知识PPT课件

• (N ∞)],其分布曲线都相同。
• ●由此可见,虽然各小球在与任一钉子碰撞 后向左还是向右运动都是随机的,由很多偶 然因素决定,但最终大量小球的总体在各槽 内的分布却有一定的分布规律,这种规律由 统计相关性所决定
第2页/共19页
§2.2.2 等概率性与概率的基本性质
• (一)概率的定义
• ●在一定条件下,如果某一现象或某一事件 可能发生也可能不发生,我们就称这样的事 件为随机事件。
• ●为了对连续变量的概率分布了解得更清楚,
第12页/共19页
子弹沿靶板的分布实验
图是直角坐标示靶板上 的分布 把靶平面划分出很多宽 为x的窄条 x的宽度比黑点的大小 要大得多。
●数出在x到x+Δx范围 窄条的黑点数ΔN,
把它除以靶板上总的黑
点数N
• 则其百分比就是黑点处于x 到x+Δx范围内
这一窄条的概率。 第13页/共19页
• ●在曲线中x到x+dx微小线段下的面积则表示黑点处于x到x+dx范围内的概 率,故有黑点位置处于x1到x2范围内的概率
x2 x1
f (x)dx
●上式中已把积公区域扩展为无穷大
f (x)dx 1
第15页/共19页
●类似地可把靶板沿y方向划分为若干宽为y
的窄条, 数出每一窄条中的黑点数,
求出 f ( y )=N /N y
第5页/共19页
• ●把一个骰子连续掷两次,若骰子是刚性的,掷第二次出现的概率与第一次 掷过否,第一次出现的哪一面向上都无关,
• 我们就说连续两次掷骰子是统计独立的。 • ●若骰子是刚性的,且每一面向上的概率都是(1/6),连续掷两次出现的花
样为11,12,……65,66共36种。 • 显然这36种花样也是等概率的,故连续掷两次均出现 “1”的概率是

《概率论与数理统计》高教版PPT

《概率论与数理统计》高教版PPT

P(A) = A中样本点的个数 / 样本点总数
30 July 2013
华东师范大学
第一章 随机事件与概率
第35页
注 意
• 抛一枚硬币三次 抛三枚硬币一次
• Ω1={(正正正), (反正正), (正反正), (正正反),
(正反反), (反正反), (反反正), (反反反)}
此样本空间中的样本点等可能. • Ω2={(三正), (二正一反), (二反一正), (三反)} 此样本空间中的样本点不等可能.
第一章 随机事件与概率
第30页
注 意
求排列、组合时,要掌握和注意: 加法原则、乘法原则.
30 July 2013
华东师范大学
第一章 随机事件与概率
第31页
加法原理
完成某件事情有 n 类途径, 在第一类途径中有m1种方 法,在第二类途径中有m2种方法,依次类推,在第 n 类 途径中有mn种方法,则完成这件事共有 m1+m2+…+mn种 不同的方法.
事件运算的图示
AB
AB
AB
30 July 2013
华东师范大学
第一章 随机事件与概率
第16页
德莫根公式
A B A B;
A B A B
A A;
i 1 i i 1 i
n
n
A A
i 1 i i 1
n
n
i
30 July 2013
华东师范大学
第一章 随机事件与概率
六根草,头两两相接、 尾两两相接。求成环的概率.
解:用乘法原则直接计算
所求概率为
6 4 4 2 2 1 8 6 5 4 3 2 1 15

概率论

概率论
第 16 页
问题:是否能用频率来描述随机事件可能性大小? 问题:是否能用频率来描述随机事件可能性大小? 3. 频率的特性 频率的特性: 1)随机波动性: )随机波动性: 2)稳定性: )稳定性: 较小时, 当n较小时,波动大; 较小时 波动大; 较大时, 当n较大时,波动小。 较大时 波动小。 设想 当n->∞时, fn(A)没有波动 没有波动. 没有波动
第 6 页
(三)事件间的关系与事件的运算 1.包含关系和相等关系 包含关系和相等关系: 包含关系和相等关系 若事件A发生必然导致事件 发生,则称事件 发生必然导致事件B发生 则称事件B包含 若事件 发生必然导致事件 发生 则称事件 包含 事件A,记作 记作A⊂ 事件 记作 ⊂B. 则称A与 相等 相等. 若A ⊂ B且A ⊃B, 即A=B, 则称 与B相等 且 (2)设A,B,C为任意三个事件 事件间的包含 为任意三个事件, 设 为任意三个事件 (1)以后考虑事件间关系和运算时 参加比较 以后考虑事件间关系和运算时, 以后考虑事件间关系和运算时 B 关系有下列性质: 关系有下列性质 或运算的事件都是同一样本空间的子集. 或运算的事件都是同一样本空间的子集 (a) φ⊂ ⊂S; φ⊂A⊂A S (b) A⊂A(自反性 自反性); ⊂ 自反性 (c) 若A⊂1) 且B⊂C,则A⊂C(传递性 传递性); ⊂B且 B 则 ⊂ 传递性 ⊂ ( A⊂ ⊂ (d) 若A⊂B且B⊂A, 则A=B(反对称性 反对称性). ⊂ 且 ⊂ 反对称性
第 10 页
5. 对立事件 逆事件 : 对立事件(逆事件 逆事件):
A 若 UB= S AIB=φ 则 A B 为 事 , 称 且 , 称与 互 逆 件 也 对 事 . : 一 实 中 件与中 然 一 为 立 件即 在 次 验 , 事 A B 必 有 发 , 仅 一 发 . 个 生且 有 个 生

概率论 高等院校概率论课件JXHD3-3

概率论 高等院校概率论课件JXHD3-3

§3.3 相关系数与相关阵一.协方差(Covariance) 与相关系数当Y X ,独立时,0))((=-=--EXEY EXY EY Y EX X E 定义3-5 设X 与Y 是两个随机变量,若))((EY Y EX X E --存在,则称其为随机变量X 与Y 的协方差,记为)(Cov Y X ,,即)(Cov Y X , =))((EY Y EX X E -- (3-17)称 DY DX Y X XY ),(Cov =ρ (3-18) 为X 与Y 的相关系数或标准协方差。

Correlation Coefficient Standard Covariance由前讨论知)(Cov Y X , EXEY EXY -= (3-19)且易证下面的等式DY DX Y X D +=+)(+2)(Cov Y X , (3-20) 由协方差的定义容易得到它有如下性质:(1))(Cov Y X ,=)(Cov X Y ,;(2))(Cov bY aX ,=ab )(Cov Y X ,,其中b a ,为常数;(3))(Cov 21Y X X ,+=)(Cov 1Y X ,+)(Cov 2Y X , 只证(3),其它自证。

(3))(Cov 21Y X X ,+=)(Cov 1Y X ,+)(Cov 2Y X ,事实上,)(Cov 21Y X X ,+))](([2121EY Y X X E X X E -+-+=+--=))([(11EY Y EX X E )])((22EY Y EX X --+--=))((11EY Y EX X E ))((22EY Y EX X E --)(Cov 1Y X ,=)(Cov 2Y X ,+ 定理3-4 设XY ρ是随机变量X 与Y 的相关系数,则有1≤XY ρ;且1=XY ρ的充要条件是X 与Y 依概率1线性相关,即存在常数b a ,使1}{=+=bX a Y P 。

概率论高等院校概率论课件

概率论高等院校概率论课件

应用场景
强大数定律在统计学中用于 估计极端事件发生的概率和 风险,在决策理论中用于评 估最优策略和期望收益,在 可靠性工程中用于分析系统 的可靠性和寿命。
注意事项
强大数定律的应用有一定的 限制条件,例如随机序列必 须是独立同分布的。此外, 强大数定律并不能保证每个 随机事件的绝对正确性,而 只是给出了最大值分布的稳 定性。
连续随机过程
如布朗运动,每一步都是连续 的,每一步的状态都是连续的

随机游走与布朗运动
随机游走
一个随机过程,其中每一步都是随机的,通 常用来描述粒子的无规则运动。
布朗运动
一种连续随机过程,由大量微小粒子在流体 中无规则运动产生,通常用来描述微观粒子 的运动。
马尔科夫链与马尔科夫过程
马尔科夫链
一个随机过程,其中下一个状态只依赖于当前状态,与过去状态 无关。
注意事项
大数定律的前提是试验次数必须足够多,并且随 机事件之间必须是独立的。此外,大数定律并不 能保证每个随机事件的绝对正确性,而只是给出 了频率趋于概率的稳定性。
强大数定律
总结词
强大数定律是概率论中的重 要定理之一,它描述了随机 序列中最大值的分布性质。
详细描述
强大数定律指出,对于任意 给定的正整数序列$a_n$和 $b_n$,有$lim_{n to infty} frac{a_n}{b_n} = 1$的概率 为1。这个定理说明了随机 序列中最大值的分布具有很 强的稳定性。
随机变量的性质
随机变量具有可测性、可加性和有限 可加性。
离散型随机变量及其分布
离散型随机变量的定义
离散型随机变量是在样本空间中取有 限个或可数个值的随机变量。
离散型随机变量的分布

第一章 概率论的基本概念PPT课件

第一章 概率论的基本概念PPT课件

(4) A BA BA AB
(5)
n
n
n
n
Ai Ai ,
Ai Ai ,
i 1
i 1
i 1
i 1
Ai Ai ,
Ai Ai .
i 1
i 1
i 1
i 1
上一页 下一页 返 回
例2: 设A,B,C为三个事件,试用A,B,C表 示下列事件: (1)A发生且B与C至少有一个发生; (2)A与B都发生而C不发生; (3)A,B,C恰有一个发生; (4)A,B,C中不多于一个发生; (5)A,B,C不都发生; (6)A,B,C中至少有两个发生。
例1 : 从一批产品中任取8件,观察其中的正品件数, 则这一试验的样本空间为:
={0,1,2,3,4,5,6,7,8}
引入下列随机事件: A={正品件数不超过3}={0,1,2,3} B={取到2件至3件正品}={2,3} C={取到2件至5件正品}={2,3,4,5}
D={取到的正品数不少于2且不多于5}={2,3,4,5}
上一页 下一页 返 回
样本空间:
随机试验E的全体基本事件组成的集合。记为。
随机事件中有两个极端情况:
•每次试验中都必然发生的事件,称为必然事件 。
•每次试验中都不发生的事件,称为不可能事件 。
基本事件是样本空间的单点集。 复合事件是由多个样本点组成
不可能事件不含任何样本点,它就是空集 。
或A1A2 … An ,也可简记为 n 。A i
i1
在可列无穷的场合,用
i1
A
i
表示事件“A1、A2

…诸
事件同时发生。”
上一页 下一页 返 回
40 AB
事件A发生但事件B不发生,称为事件A与事件B的差 事件。显然有:

精品课程《概率论》ppt课件(全)

精品课程《概率论》ppt课件(全)

第一章 概率论的基本概念
前言
1. 确定性现象和不确定性现象.
2. 随机现象: 在个别试验中其结果呈现出 不确定性,在大量重复试验中其结果又 具有统计规律性.
3. 概率与数理统计的广泛应用.
§1.随机试验
举例: E1: 抛一枚硬币,观察正(H)反(T)面的情况.
E2: 将一枚硬币抛两次,观察正反面出现的情况.
成 为 数学 分支
1713年<<猜 度术>> 2
棣莫佛(1667-1754): <<分析杂论>>
中心极限定理(CLT)(1901 年), 乘法原理,正态分布等。
蒲丰(1707-1788):蒲丰问题
几何概率
拉普拉斯(1749-1827):1812《概率分析理论》
概率的古典定义
泊松(1781-1840):推广了大数定理,提出了Poisson分布等.
A的对立事件A记 ,A也 为称A 为不发.生
若A与B互为对立事件,A则 B记 ,或为
BA.
B
A
BA
S
(1)若A, B二事件互为对立事件, 则A,B必互不相容, 但反之不真.
(2)必然事件与不可能事件互为对立事件,
S或S.
(3)ABABAAB
7.事件的运算律:
交换律: A B B A ; A B B A
P(B| A
)nnA ABnnA AB nn
P(AB P(A)
)
1. 定义: 设A, B是两个事件, 且P(A)>0, 称
P(B| A) P(AB ) P(A)
为在事件A发生的条件下事件B发生的条件概率.
2. 性质: 条件概率符合概率定义中的三个条件,即

《概率论》ppt课件

《概率论》ppt课件
xi R, i 1, 2, , n.
对于固定的 n ,我们称{FX (x1, x2, , xn;t1,t2, ,tn ),ti T}
为随机过程{X (t),t T}的 n 维分布函数族。
注:可以证明(柯尔莫哥洛夫),在一定条件下 ,随机过程的统计特性完全由它的有限维分布函 数族决定。
(二)二维随机过程的联合分布函数
p
2 (1, )
2 1 2
(0, 1 ) 4
1
2
三 随机过程的数字特征
1.单个随机过程的情况
① 函数 X (t) E[X (t)], t T
为{X(t),tT}的均值函数.

2 X
(t)
E[ X
2
(t )]
为{X(t),tT}的均方值函数.

2 X
(t
)
DX (t) D[ X (t)]
为{X(t),tT}的方差函数.
例3: 考虑抛掷一颗骰子的试验,(i)设 X是n 第n次 (n )1 抛掷的点数,对于n=1,2…的不同值, 是X不n 同的随机变量,因而 { Xn构, n成 1一} 随机过程,称为 贝努利过程或贝努利随机序列,(ii)设Xn是前n次
抛掷中出现的最大点数,
也{是X一n , n随机1}过程。
例 4 在时间 [0,t]内某地段出现的交通事故次数
2. n维分布函数族
对 任 意 正 整 数 n 可 取 定 t1,t2, ,tn T 则 (X (t1), X (t2 ), , X (tn )) 是一个n 维随机变量,他的分 布函数为
FX (x1, x2 , , xn; t1, t2, , tn )
P( X (t1) x1, X (t2 ) x2, , X (tn ) xn ),

《高三数学概率》课件

《高三数学概率》课件

古典概型和几何概型
深入了解古典概型和几何概型,掌握如何应用 它们来计算概率。
独立事件和加法原理
探索独立事件和加法原理,以及如何应用它们 解决实际问题。
第二部分:随机变量与概率分布
随机变量的概念与分类
理解随机变量的定义和分类,以及它们在概率分布 中的作用。
离散型随机变量及其概率分布
学习离散型随机变量的特征和常见的概率分布,如 二项分布和泊松分布。
《高三数学概率》PPT课 件
通过这个PPT课件,你将在《高三数学概率》领域掌握一系列基础概念、重 要原理和实际应用。准备好投入这个令人兴奋的数学领域吧!
第一部分:概率基础
什么是概率?
探索概率的定义,从数学和实际生活中的角度 来理解概率的概念。
条件概率和乘法原理
学习条件概率和乘法原理的基本概念和计算方 法。
第五部分:概率模型的应用
1
概率模型在生活中的应用
探索概率模型在风险评估、市场营销、
风险与收益的权衡
2
医学研究等实际应用中的重要性。
了解如何根据概率模型来评估风险和收
益,并做出明智的决策。
3
数据加密与社会安全
学习如何使用概率模型来加密数据,保
机器学习与人工智能的基础
4
护个人隐私和社会安全。
通过学习概率模型,了解机器学习和人 工智能的基本原理和应用。
第四部分:统计推断和假设检验
点估计和区间估计
学习如何使用统计推断进行点估计和区间估计,以 便从间的概念,以评估估计结果 的可靠性。
假设检验的概念和步骤
探索假设检验的基本概念和步骤,并学习如何做出 正确的推断。
类型I和类型II错误
了解类型I和类型II错误的定义和影响,以及如何最 小化它们的发生。

《概率与概率》课件

《概率与概率》课件

03
概率极限定理
大数定律
大数定律
在独立重复试验中,随着试验次数的增 加,某事件发生的频率趋于该事件发生 的概率。
VS
举例
抛硬币试验,随着抛硬币次数增加,正面 朝上的频率趋于0.5。
中心极限定理
中心极限定理
无论随机变量的分布是什么,当样本量足够大时,样本均值的分布趋近于正态分 布。
举例
人的身高、体重等很多统计量都服从正态分布,这是因为人的数量足够多,样本 均值趋近于正态分布。
强大数定律
强大数定律
设$X_n(n=1,2,ldots)$为独立同分布随机变量序列,存在常 数序列$a_n(n=1,2,ldots)$,使得$a_nX_n$有概率1收敛, 则称强大数定律成立。
举例
在股票市场中,长期来看,股票的平均收益率趋近于某个常 数,这就是强大数定律的一个应用。
04
贝叶斯定理与决策理论
生物进化研究
生物进化研究中,概率被用来解释物种的起源、演化和灭绝。
THANK YOU
条件概率
条件概率的定义
在事件B已经发生的条件下, 事件A发生的概率称为条件 概率,记作P(A∣B)。
条件概率的性质
条件概率满足非负性、规范 性和可列可加性。
条件概率与独立性
如果事件A和事件B是独立的 ,则P(A∣B)=P(A)。
02
随机变量及其分布
随机变量的定义
随机变量
在概率论中,随机变量是一个函数,其定义域是样本 空间,值域是实数集或其子集。
贝叶斯决策理论的应用
贝叶斯决策理论在经济学、金融学、管理学等领域有着广泛的应用,它可以帮助决策者理解和预测不 确定环境下的决策结果。
贝叶斯更新
贝叶斯更新的定义

概率论ppt

概率论ppt
当且仅当子集A中某个样本点出现时, 称事件A发生.
实例 抛掷一枚骰子, 观察出现的点数. 特别地:
基本事件 由一个样本点组成的单点集 实例 “出现1点”, “出现2点”, … , “出现6点”. 必然事件 随机试验中必然发生的事件. 实例 上述试验中 “点数不大于6” 就是必然事件. 不可能事件 随机试验中不可能发生的事件. 实例 上述试验中 “点数大于6” 就是不可能事件.
(2) 随机试验通常用 E 来表示.
实例 “抛掷一枚硬币,观 察正面、反面出现的情况”.
分析 (1) 试验可以在相同的条件下重复地进行;
(2) 试验的所有可能结果: 正面、反面;
(3) 进行一次试验之前不能 确定哪一个结果会出现.
故为随机试验.
同理可知下列试验都为随机试验. (1) 抛掷一枚骰子,观察出现的点数.
例如 只包含两个样本点的样本空间
{H,T}
它既可以作为抛掷硬币出现正面或出现反面的
模型 , 也可以作为产品检验中合格与不合格的 模型 , 又能用于排队现象中有人排队与无人排 队的模型等.
在具体问题的 研究中 , 描述随机 现象的第一步就是 建立样本空间.
三、随机事件及其发生
随机事件:
通俗地讲 随机事件是指随机试验中可能发生也 可能不发生的结果。 根据这个说法不难发现 随机事件和样本空间的 子集有一一对应关系!
Ω
.
样本点e
实例1 抛掷一枚硬币,观察正面,反面出现的情况.
1 {H ,T }.
H 正面朝上 T 反面朝上
实例2 抛掷一枚骰子,观察出现的点数.
2 {1, 2, 3, 4, 5, 6}.
实例3 从一批产品中,依次任选三件,记录出 现正品与次品的情况.

概率论与数理统计PPT课件

概率论与数理统计PPT课件
24
例6: (抽签问题)一袋中有a个红球,b个白球,记a+b=n. 设每次摸到各球的概率相等,每次从袋中摸一球, 不放回地摸n次。 设 { 第k次摸到红球 },k=1,2,…,n.求 解1:
号球为红球,将n个人也编号为1,2,…,n.
----------与k无关
可设想将n个球进行编号: 其中
18
性质:
19
§4 等可能概型(古典概型)
定义:若试验E满足:S中样本点有限(有限性)出现每一样本点的概率相等(等可能性)
称这种试验为等可能概型(或古典概型)。
20
例1:一袋中有8个球,编号为1-8,其中1-3 号为红球,4-8号为黄球,设摸到每一 球的可能性相等,从中随机摸一球, 记A={ 摸到红球 },求P(A).
31
三、全概率公式与Bayes公式
定义:设S为试验E的样本空间,B1,B2,…,Bn 为E的一组事件。若: 则称B1,B2,…,Bn为S的一个划分,或称为一组完备事件组。
即:B1,B2,…,Bn至少有一发生是必然的,两两同时发生又是不可能的。
32
定理:设试验E的样本空间为S,A为E的事件。B1,B2,…,Bn为S的一个划分,P(Bi)>0,i=1,2,…,n; 则称:
试验序号
n =5
n =50
n =500
nH
fn(H)
nH
fn(H)
nH
fn(H)
12345678910
2315124233
0.40.60.21.00.20.40.80.40.60.6
22252125242118242731
0.440.500.420.500.480.420.360.480.540.62

概率论课件第五章

概率论课件第五章

概率论课件第五章
第五章概率论课件介绍了变量的概率分布及概率密度函数,主要内容包括:
1、定义及性质:概率是一个特殊的估计值,具有一定的可靠性,可以用来估计未知变量的取值情况;所有变量的和为1;满足有理数的可列出的集合叫做“离散概率分布”;概率分布函数可以在连续变量上取值,即概率密度函数。

2、正态分布:正态分布是一个双峰概率分布,其特点是峰位在均值处,两侧对称;正态分布机理是:回归到平均线时,样本将会从不同的方向回归到平均线,产生出双峰正态分布的图形;正态分布的方差表示该变量的分布情况。

3、指数分布:指数分布是以服从指数分布的概率变量中,其值得到变化的速率和取值大小成反比。

指数分布的特点是,离越远方差越大,它具有均匀分布的特征,可以根据实际需要进行调整。

4、伯努利分布:伯努利分布是一种只有两个可能取值的离散概率分布,即某个事件只有“成功”和“不成功”两种可能结果,故称为“0-1分布”。

在实际应用中,伯努利分布常用于模拟成功与失败的情况。

5、多项式分布:多项式概率分布是指在抛掷n次骰子的试验中,分别出现r次某种结果的概率,多项式分布的概率可以用于模拟多次独立试验,其最大特点就是可精确模拟不同试验情况,包括成功次数和失败次数。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

三、区间估计定义5-6 设θ为总体分布中的未知参数,(θθ=),,,21n X X X ,(θθ=),,,21n X X X 为两个统计量。

对于给定的10<<α,若θθ,满足 αθθθ-=<<1}{P (5-21)则称随机区间(θθ,)是θ的置信度为α-1的置信区间,α-1称为置信度,θθ,分别称为置信下、上限,有时也称(θθ,)为θ的区间估计。

下面就正态总体讨论如何求区间估计:设总体X 服从正态分布)(2σμ,N ,n X X X ,,,21 为X 的一个样本。

4-1Interval estimate Confidence interval1.2σ已知时,求μ的区间估计由于μ=X E ,且X )(~2nN σμ,,因此构造函数nX U 2σμ-= (5-22)则U 服从标准正态分布,即),(10~N U ,由于λσμ<-nX 2<<-⇔μσλn X 2nX 2σλ+记 =θnX 2σλ-nX 2σλθ+= 对于给定的α(10<<α),由yo λ x αλ-=<1}{U P ,即2/1}{αλ-=<U P (5-23)查标准正态分布表求得λ,从而得μ的置信度为α-1的置信区间为n X 2σλ-(,)n X 2σλ+ (5-24)综上所述得2σ已知时,求μ的区间估计的一般步骤如下:综上所述得2σ已知,求μ的区间估计的一般步骤如下: (1)构造样本函数,并确定其分布,即取n X U 2σμ-=),(10~N (2)对于给定的α(10<<α),由αλ-=<1}{U P 出发,即由2/1}{αλ-=<U P ,查标准正态分布表求得λ。

(3)进行有关计算。

(4)确定μ的置信度为α-1的置信区间n X 2(σλ-,)2n X σλ+例5-8 某车间生产滚珠,从长期实践中知,滚珠直径X 可以认为服从正态分布,其方差为0.05,从某天的产品中随机抽取6个,量得直径(mm )如下:14.70,15.21, 14.90, 14.91, 15.32, 15.32。

试求EX =μ的置信区间(05.0=α)。

解:依题意取样本函数 nX U 2σμ-=),(10~N 对于给定的α=0.05,由2/1}{αλ-=<U P =-=205.010975.查标准正态分布表求得λ=1.96,又6=n ,05.02=σ,06.156161==∑=i i x X ,得μ的置信度为0.95的置信区间是(24.1588.14()18.006.1518.006.15,,=+-)2.2σ未知时,求μ的区间估计构造样本函数 nSX T 2μ-=(5-25)可以证明其分布密度为22)11()21()1()2()(n n t n n nt f ⋅--+-Γ-Γ=π (5-26) 由(5-8)知)1(~-n t T 分布,其图形关于0=t 对称(如图5-5), f x n n n x nx n ()()()()()=++-∞<<+∞-+ΓΓ1221212π (5-8)yo λ x于是由λμ<-nS X 2,即<<-μλn S X 2nS X 2λ+得μ的置信度为α-1的置信区间为n S X 2λ-(,)n S X 2λ+ (5-28)图5-5对于给定的α(10<<α), 由αλ-=<1}{T P 即由2/}{αλ=>T P (5-27) 查)1(-n t 分布表可求得λ,例5-9 对飞机的飞行速度进行15独立试验,测得飞机的最大飞行速度(m/s ):422.2,418.7,425.6,420.3,425.8,423.1,431.5,428.2,438.3,434.0,412.3,417.2,413.5,441.3,423.7,根据长期经验,可以认为飞机的最大飞行速度服从正态分布)(2σμ,N ,试求EX =μ的置信区间(05.0=α)。

解:依题意取样本函数 nSX T 2μ-=)1(~-n t 对于给定的α=0.05,由2/}{αλ=>T P ==205.0025.0查)14(t 分布表,求得λ=2.145。

又15=n ,经计算047.425151151==∑=i i x X 2S ∑==-=1512143.1006)(141i i X x 于是由n S X 2λ-(,)n S X 2λ+得μ的置信度为0.95的置信区间是(74.429,35.420)3.2σ的区间估计构造样本函数 222)1(σχSn -=(5-29)可以证明2χ的分布密度为⎪⎪⎩⎪⎪⎨⎧<>-Γ=---000)21(21)(2/2321x x e x n x f x n n ,,由(5-7)知上述样本函数)1(~22-n χχ分布,其图形如图5-6(3>n )。

⎪⎩⎪⎨⎧>Γ=--其它,,00)2/(21)(2122/y e yn y f y n n (5-7)yo 1λ 2λx 对于给定的α(10<<α),取)0(,2121λλλλ<<使满足αλχλ-=<<1}{221P (5-30)为了便于计算,令21,λλ分别满足2/}{12αλχ=<P (5-32)2/}{22αλχ=>P (5-33)查)1(2-n χ表求21,λλ,得2σ的置信度为α-1的置信区间为22)1(λSn -(,12)1(λSn -) (5-34)即2/1}{12αλχ-=>P例5-10 用克矽平治疗矽肺病患者,得治疗前后血红蛋白的差值为2.7,-1.2,-1.0,0.0,0.7,2.0,3.7,0.6,0.8,-0.3,已知差值X 服从正态分布)(2σμ,N ,试求σ2的置信区间(05.0=α)。

解:依题意,取样本函数)1(~)1(2222--=n S n χσχ 对于给定的05.0=α,由975.02/05.01}{12=-=>λχP 查2χ(9)分布表得,7.21=λ025.02/05.0}{22==>λχP 192=λ。

又由于10=n ,经计算68.0101101==∑=i i x X 2S ∑==-=10129376.24)(91i i X x 由(5-34)得2σ的置信度为0.95的置信区间是22)1(λSn -(,12)1(λSn -)=(1.2829,9.0281)查2χ(9)分布表得,7.21=λ192=λ4.二个正态总体均值差的区间估计设X 和2XS 分别是总体~X )(211σμ,N 的容量为m的样本均值、样本方差;Y 和2Y S 分别是总体~Y )(222σμ,N 的容量为n 的样本均值、样本方差,并且这两个样本相互独立。

因为X 、Y 分别为21μμ、的点估计,故取-X Y 为21μμ-的点估计。

此时-X Y 服从正态分布,且E (-X Y )=21μμ- D (-X Y )=D +X D Y nm 2221σσ+=对总体方差的不同情况可得21μμ-的不同置信区间:Mean value error(1)若2221σσ、都已知,则nm 2221σσ+已知,即为上nmY X U 222121)(σσμμ+---=),(10~N (5-35)对于给定的α(10<<α),由αλ-=<1}{U P (λ待定) (5-36)即 2/1}{αλ-=<U P (5-37)可求得λ,从而得21μμ-的置信度为α-1的置信区间是(X Y m n --+λσσ1222,)X Y m n-++λσσ1222 (5-38)述“2σ已知时,求μ的区间估计”的情形,故构造函数例5-11 设自总体)25(1,μN 得一容量为10的样本,其样本均值X =198.;自总体)36(2,μN 得一容量为12的样本,其样本均值0.24=Y ,并且两个样本相互独立。

求总体均值差21μμ-的置信度为0.90的置信区间。

解:由90.01=-α,得95.021=-α,取样本函数nm Y X U 222121)(σσμμ+---=)10(~,N 由2/1}{αλ-=<U P =95.0查标准正态分布表可求得λ=645.1,又由362512102221====σσ,,,nm ,得345.25.5123610252221≈=+=+n m σσ从而由(5-38)式得21μμ-的置信度为0.90的置信区间是)34.006.8()345.2645.10.248.19(--=⨯±-,(2)2221σσ、都未知,这时只要nm 、都很大(一般都大于50),可用S SX Y22、近似代替2221σσ、,则得21μμ-的置信度为α-1的近似置信区间是(X Y S m S n XY--+λ22,)X Y S m S nXY-++λ22 (5-39)其中λ由标准正态分布表查得(2/1}{αλ-=<U P )。

(3)22221σσσ==,但2σ未知,可构造样本函数)2(~11)(21-++---=n m t nm S Y X T w μμ (5-40)其中2)1()1(222-+-+-=n m S n S m S YX W,22Y X S S 、分别为两个样本的样本方差。

从而对于给定的α(10<<α),由 2)(αλ=>T P (5-41)查)2(-+n m t 分布表求得λ。

即得21μμ-的置信度为α-1的置信区间是n m S Y X W11(+--λ,)11nm S Y X W ++-λ (5-42)例5-12 为比较A 、B 两种型号的灯泡的寿命,随机抽取A 型号的灯泡5只,测得平均寿命为1000=A X (小时),标准离差为28=A S (小时);随机抽取B 型号的灯泡7只,测得平均寿命为980=B X (小时),标准离差为32=B S (小时)。

设两总体都服从正态分布,并且由生产过程知,它们的方差相等,求两正态总体均值差B A μμ-的0.99的置信区间。

解:故取样本函数)2(~11)(21-++---=n m t nm S Y X T w μμ 又由99.01=-α,得01.0=α,,102=-+n m 查表得1693.3=λ,经计算2)1()1(222-+-+-=n m S n S m S Y X W =928 46.30≈W S 5.567151=+WS λ从而得B A μμ- 的0.99的置信区间为(20-56.5,20+56.5)=(-36.5,76.5)5.方差比的区间估计设两正态总体)(211σμ,N 、)(222σμ,N 的参数都为未知的,样本相应容量分别为n m ,且相互独立,样本方差为2221S S 、,下求方差比2221σσ的置信区间:由)1(~)1(22121--m S m χσ, )1(~)1(22222--n S n χσ,构造2222212122222121)1/()1()1/()1(σσσσS S n S n m S m F =----=22212221σσS S =(5-43)Variance ratio可证F 服从自由度为)11(--n m ,的F 分布,记作)11(--n m F ,,即)11(~--n m F F ,。

相关文档
最新文档