数理统计课件-精

合集下载

《概率论与数理统计》-课件 概率论的基本概念

《概率论与数理统计》-课件 概率论的基本概念
解 以C记事件“母亲患病”,以N1记事件“第1个 孩子未患病”,以N 2记事件“第2个孩子未患病”.
已知 P(C ) 0.5, P( N1 C ) P( N2 C ) 0.5,
P(N1N2 C) 0.25, P(N1 C) 1, P(N2 C) 1. (1) P(N1) P(N1 C)P(C) P(N1 C)P(C)
6 3 3. 100 100 100
故 注意
p 17 10 3 1 12 . 100 2 25
只有当 B A 时才有 P( A B) P( A) P(B).
例7 设盒 I 有 6 只红球, 4 只白球; 盒 II 有7只红 球, 3只白球. 自盒 I 中随机地取一只球放入盒 II, 接着在盒 II 中随机地取一只球放入盒 I. (1) 然后在盒 I 中随机地取一只球 , 求取到的是红 球的概率. (2) 求盒 I 中仍有 6 只红球 4 只白球的概率.
以 B 记事件“至少有一个配对” , 则 B A1 A2 An .
(1) 由和事件概率公式
P(B) P( A1 A2 An )
n
n
n
P( Ai ) P( Ai Aj )
P( Ai Aj Ak )
i 1
1i jn
1i jkn
(1)n1 P( A1 A2 An ),
n n 1 n(n 2)!, 1 1 2
n n 1 n
(n 2)!
于是
P(B) 1
1 2 nn
.
例4 将 6 只球随机地放入到3 只盒子中去, 求每 只盒子都有球的概率. 解 以 A 记事件 “每只盒子都有球” . A 发生分为三种情况 : (i) 3 只盒子装球数分别为 4, 1, 1, 所含的样本点数为

概率论与数理统计课件第5章-PPT精品文档

概率论与数理统计课件第5章-PPT精品文档

PX Q 0 . 5 2
1
第三四分位数Q3: PX Q 0 . 7 5 3
例1
为对某小麦杂交组合F2代的株高X进行研究,抽
取容量为100的样本,测试的原始数据记录如下(单位: 厘米),试根据以上数据,画出它的频率直方图,求随
机变量X的分布状况。
87 99 86 87 84 85 96 90 103 88 91 94 94 91 88 109 83 89 111 98 102 92 82 80 91 84 88 91 110 99 86 94 83 80 91 85 73 98 89 102 99 81 80 87 95 70 97 104 88 102 69 94 95 92 92 90 94 75 91 95 102 76 104 98 83 94 90 96 80 80 90 92 105 92 92 90 94 97 86 91 95 94 88 96 80 94 92 91 77 83
样本方差( X X i n 1i 1


几个常用的统计量
设 (X ,X , 1 2 是总体 X 的一个样本, ,X n) 样本均方差或标准差
2 1 n S X i X n 1i 1


它们的观测值用相应的小写字母表示.反映总 体X取值的平均,或反映总体X取值的离散程度。
几个常用的统计量
设 (X ,X , 1 2 是总体 X 的一个样本, ,X n)
子样的K阶(原点)矩
1 n k Ak X i n i 1
子样的K阶中心矩
1 B k X i X n i1
n


k
数据的简单处理
为了研究随机现象,首要的工作是收集原始数据. 一般通过抽样调查或试验得到的数据往往是杂乱无章

概率论与数理统计完整ppt课件

概率论与数理统计完整ppt课件
化学
在化学领域,概率论与数理统计被用于研究化学反应的速率和化 学物质的分布,如化学反应动力学、量子化学计算等。
生物
在生物学中,概率论与数理统计用于研究生物现象的变异和分布, 如遗传学、生态学、流行病学等。
在工程中的应用
通信工程
01
概率论与数理统计在通信工程中用于信道容量、误码率、调制
解调等方面的研究。
边缘分布
对于n维随机变量(X_1,...,X_n),在概 率论中,分别定义了X_1的边缘分布 、...、X_n的边缘分布。
04
数理统计基础
样本与抽样分布
01
02
03
总体与样本
总体是包含所有可能数据 的数据集合,样本是总体 的一个随机子集。
抽样方法
包括简单随机抽样、分层 抽样、系统抽样等。
样本分布
描述样本数据的分布情况 ,如均值、中位数、标准 差等。
参数估计与置信区间
参数估计
利用样本数据估计总体的 未知参数,如均值、方差 等。
点估计
用样本统计量作为总体参 数的估计值。
置信区间
给出总体参数的一个估计 区间,表示对总体的参数 有一个可信的估计范围。
假设检验与方差分析
假设检验
通过样本数据对总体参数提出 假设,然后根据假设进行检验
01
定义
设E是一个随机试验,X,Y是定义在E上,取值分别为实数的随机变量
。称有序实数对(X,Y)为一个二维随机变量。
02
分布函数
设(X,Y)是一个二维随机变量,对于任意实数x,y,二元函数
F(x,y)=P({X<=x,Y<=y})称为二维随机变量(X,Y)的分布函数。
03
边缘分布
对于二维随机变量(X,Y),在概率论中,分别定义了X的边缘分布和Y的

概率论与数理统计全套精品课件(PPT)

概率论与数理统计全套精品课件(PPT)
概率论与数理统计
河南工业大学理学院
教材:《概率论与数理统计》第三版 王松桂 等编 科学出版社
参考书:1.《概率论与数理统计》 浙江大学 盛骤等 编 高等教育出版社
2. 《概率论与数理统计》 魏振军 编
中国统计出版社
序言
概率论是研究什么的?
人们所观察到的现象大体上分成两类: 1.确定性现象或必然现象 事前可以预知结果的:即在某些确定的条 件满足时,某一确定的现象必然会发生,或根 据它过去的状态,完全可以预知其将来的发展 状态。 2.偶然性现象或随机现象 事前不能预知结果:即在相同的条件下重 复进行试验时,每次所得到的结果未必相同, 或即使知道它过去的状态,也不能肯定它将来 的状态。
写出样本空间,指出哪些是基本事件,表示B ,C,D。
解: {1, 2,..., 6} Ai {i},i 1,..., 6 为基本事件
B {2, 4, 6} C {1,3,5} D {4,5, 6}
既然事件是一个集合,因此有关事件 间的关系、运算及运算规则也就按集合 间的关系、运算及运算规则来处理。
1.1.1 随机试验与事件
随机试验(试验)的特点: 1.可在相同条件下重复进行; 2.每次试验之前无法确定具体是哪种结果出 现,但能确定所有的可能结果。
试验常用“E”表示
(随机)试验的例子
E1: 掷一颗骰子,观察所掷的点数是几; E2 :工商管理部门抽查产品是否合格; E3: 观察某城市某个月内交通事故发生的次数; E4 :已知物体长度在a和b之间,测量其长度; E5: 对某只灯泡做试验,观察其使用寿命; E6: 对某只灯泡做试验,观察其使用寿命是否小
于200小时。
样本空间:试验的所有可能结果所组成
的集合称为样本空间。记为:

概率论和数理统计-课件-数理统计方法60页PPT

概率论和数理统计-课件-数理统计方法60页PPT

16、业余生活要有意义,不要越轨。——华盛顿 17、一个人即使已登上顶峰,也仍要自强不息。——罗素·贝克 18、最大的挑战和突破在于用人,而用人最大的突破在于信任人。——马云 19、自己活着,就是为了使别人过得更美好。——雷锋 20、要掌握书,莫被书掌握;要为生而读,莫为读而生。——布尔沃
概率论和数理统计-课件-数理统计方 法
51、没有哪个社会可以制订一部永远 适用的 宪法, 甚至一 条永远 适用的 法律。 ——杰 斐逊 52、法律源于人的自卫本能。——英 格索尔
53、人们通常会发现,法律就是这样 一种的 网,触 犯法律 的人, 小的可 以穿网 而过, 大的可 以破网 而出, 只有中 等的才 会坠入 网中。 ——申 斯通 54、法律就是法律它是一座雄伟的大 夏,庇 护着我 们大家 ;它的 每一块 砖石都 垒在另 一块砖 石上。 ——高 尔斯华 绥 55、今天的法律未必明天仍是法律。 ——罗·伯顿
ENDபைடு நூலகம்

概率论与数理统计ppt课件(完整版)

概率论与数理统计ppt课件(完整版)

B
A
S
(1) A B
8
2.和事件:
A B { x | x A或x B }称为A与B的和事件. 即A, B中至少有一个发生 , 称为A与B的和, 记A B. 可列个事件A1 , A 2 , 的和事件记为

A .
k k 1
3.积事件: 事件A B={x|x A 且 x B}称A与B的 A 积,即事件A与B 同时发生. A B 可简记为AB.
4
§2. 样本空间与随机事件
(一) 样本空间:
定义 随机试验E的所有可能结果组成的集合称为 E的样 本空间, 记为S. 样本空间的元素称为样本点,用表示.
样本空间的分类:
1.离散样本空间:样本点为有限个或可列个. 灯泡的寿命{t|t≥0}.
5
例 E1,E2等. 例
2.无穷样本空间:样本点在区间或区域内取值.
B A 类似地, 事件 S 为可列个事件A1, A2, ...的积事件.
k 1 K
(2) A B A B
S
(3)A B
9
4.差事件:
事件A-B={x|xA且xB} 称为A与B的差. 当且仅当 A发生, B不发生时事件A-B发生. 即:
A - B A AB
显然: A-A=, A- =A, A-S=
(二) 随机事件
定义 样本空间S的子集称为随机事件, 简称事件. 在一 次试验中, 当且仅当这一子集中的一个样本点出现时, 称 这一事件发生. 基本事件: 由一个样本点组成的单点集. 如:{H},{T}. 复合事件: 由两个或两个以上的基本事件复合而成的事件 为复合事件. 如:E3中{出现正面次数为奇数}. 必然事件: 样本空间S是自身的子集,在每次试验中总是 发生的,称为必然事件。 不可能事件:空集φ不包含任何样本点, 它在每次试验中 都不发生,称为不可能事件。

数学数理统计PPT课件

数学数理统计PPT课件

b}P{anpnnpbnp}
npq npq npq
(bnp)(anp)
npq
npq
-25-
例 某单位有200台电话分机,每台分机有5%的时间
要使用外线通话。假定每台分机是否使用外线是相互 独立的,问该单位总机要安装多少条外线,才能以 90%以上的概率保证分机用外线时不等待?
解:设有X部分机同时使用外线,则有 X~B(n,p), 其 n 2 中 p 0 0 0. n ,0 1 p 5 n 0 ,- , p p ( 3 ) .0 1 .8 设有N 条外线。由题意有 P{XN}0.9
去掉,代之以 (Markov) 大数定律
1
n2
D n k1
Xk
n0
-11-
二 随机变量的收敛性
定义1 设 X1,X2,,Xn, 为一列随机变量,如果
存在常数 a使得对于任意的 0, 有
ln i P m X n a 1
则称 X n 依概率收敛于 a, 记为 Xn Pa
定义2 设 X1, X2, ,为一列随机变量,X是随机变量
准备工作
1) 切比雪夫不等式
设 X为一随机变量, 其数学期望 E( X )和方差 D( X )
都存在,则对于任意 0, 有
PXE(X) 22
2) A.L.Cauchy-Schwarz不等式.
设 r.v (X ,Y) ,满足 EX 2 , EY 2 则有
E(XY)2 EX2EY2
-3-
贝努里(Bernoulli) 大数定律
n i1
Xi
b}P{ani1
Xi n bn
}
n
n
n
(bn)(an)
n
n
-20-

(精品) 概率论与数理统计课件:随机变量的数字特征

(精品) 概率论与数理统计课件:随机变量的数字特征
0
D( ) E E 2 E E 2
D D
性质4可以推广到如下情形。
当1,
2
,,
两两独立时,有
n
n
D(1 2 n ) Di i 1
一般地,对n个随机变量1、
随机变量的数字特征
▪数学期望 ▪方差 ▪协方差与相关系数 ▪矩 ▪条件数学期望
§5.1 数学期望
离散型随机变量的数学期望
设随机变量的分布律为 P( xk ) pk
则当
k
xk
pk
时,称
xk pk 为随机变
k
量的数学期望或均值,记作E ,即有
E xk pk xk P( xk )
k
k
例1 甲、乙两射手的稳定成绩分别为
并且有 Ei 0 1 p 1 p p
设 1 2 n
则 E E1 2 n
E1 E2 En
np
此外,我们可以推导出 η~B(n,p)
超几何分布
在一箱N件装的产品中混进了M件次品,今从中抽 取n 件 (n≤M) ,求从中查出次品的件数的概率分布.

P(
k)
C C k nk M NM CNn
p p2 p1 p
p 1 p 2 1 24
例5 设随机变量ξ服从[a,b]上的均匀分布,
求Dξ。
解:(x)
1 ba
0
a xb 其他
E 2 b x2 dx 1 (a2 ab b2 )
a ba 3
而E a b
2
D E 2 (E )2 1 (b a)2
12
例6
设随机变量ξ服从正态分布N(a,σ2),求Dξ。
指数分布 (参数为a)
np
λ
1 p
  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)。
则称随机变量F U/m 服从自由度为(m, n) V/n
的F分布,记作F~F(m, n)
2. F分布的概率密度函数:
(
y)
[(m n) (m 2)(n
2](m n)m 2)(1 my
y2 (m 2)-1 n)(mn) 2
,
y
0,
0
, 其它.
3. 性质: 若F~F(m, n), 则 1 ~F(n, m).
定理: 设X1, X2, …, Xn是来自总体X的一个样
本, 并设总体二阶矩存在,EX=,DX=2,则有
EX , D( X ) 2
n
ES
2 n
2 (n
2).
§6.2 统计分布与抽样分布
统计量T(X1,X2,…,Xn)的分布称为抽样分布。
一、统计中常用的分布:
(一)χ2--分布
1.


:
F
4. F - 分布的上分位点:
对于给定的 , 0 1, 称满足条件: P{F Fα (m, n)}
P{ 2 2 (n)}
f ( y)dy
2 (n)
的点2 (n)为 2 (n)分布的上分位点.
f(y)
0
2
(n)
y
(二) t-分布:
1.定义 : 设X~N(0,1), Y ~ 2 (n), 并且X, Y 相互独立,
则称T X Y/n服从自由度为n的t 分布,
记作T~t(n)。
2. t(n)分布的概率密度函数为:
样本及抽样分布
§6.1 基本概念 一、总体: 在统计学中, 我们把所研究的全部元素组成 的集合称作母体或总体, 总体中的每一个元素 称为个体。 我们只研究感兴趣的某个或者几个指标(记
为X),因此把这些指标的分布称为总体的分
布,记为X~F(x)。
二、样本:
设总体X具有分布函数F(x),若X1, X2,…,Xn是 具有分布函数F(x)的相互独立的随机向量,则 称其为总体F(或总体X)的简单随机样本, 简称样本, 它们的观察值x1,x2, …, xn称为样本 观察值, 又称为X的n个独立的观察值。
四、 常用的统计量:
1. 样本均值
X 1 n
n
Xi;
i1
2.
样本方差
S2
1 n -1
n i1
(Xi
X
2
);
3. 样本k阶原点矩
Ak
1 n
n i 1
X
k i
,k
1, 2,;
4. 样本k阶中心矩
Bk
1 n
n i1
(Xi
X )k
,
k
2, 3,.
注:1.它们的观察值为x
1 n
n i 1
xi,仍称为样本
三、统计量: 设X1, X2, …, Xn是来自总体X的一个样本,
g(X1, X2, …, Xn)是一个与总体分布中未知参数 无关的样本的连续函数,则称g(X1,X2,…,Xn)为 统计量。
统计量是样本的函数,它是一个随机变量,
如果x1, x2, …, xn是样本观察值, 则g(x1, x2, …, xn) 是统计量g(X1, X2, …, Xn)的一个观察值.
3)
若X具有概率

度f
(
x),
则X
1,
X
2
,
X

n
n
联合概率密度为f *(x1, x2, xn ) f (xi ) i1
例1:X~U(0,θ), X1, X2, …, Xn是来自X的样本,
求(X1, X2, …, Xn)的联合密度函数。
例2:X ~ P( X x) p x (1 p)1x , x 0,1 ( X1, X 2 ,, X n )为 来 自X的 样 本 , 求样本的联合分布律。
分布具有可加性,定义中X1,X2,,Xn 独立
n
同服从N (0,1),所以 2=
i 1
X
2 i
~
( n 2
,
1) 2
分布的概率密度为:
f
( x)
βα Γ (α)
x e α-1 -x ,
x
0,
0 , 其它.
比较 2 (n)的密度可知: 2 (n)分布就是 n , 1
22
的分布,即 2 (n) (n / 2,1/2).
X
1
,
X
2
,,
X

n





数为:
n
F* (x1, x2, xn ) F (xi ) i 1
2) 若总体X是离散型随机变量,其分布律为
px=P(X=x) , x=x1,x2,…
则样本X1, X2, …, Xn的联合分布:
n
P( X1 y1,, X n yn ) P( X i yi ) i 1 其中yi x1, x2,;(i 1,2,, n)
3. 2(n)分布的性质:
(1) 2 (n)具有可加性:
若12
~
2 (m),
2 2
~
2 (n),
并且12 ,
2独
2
立,

12
2 2
~
2(m
n).
(2) 若 2 ~ 2 (n), 则有E( 2 ) n, D( 2 ) 2n.
4. 2分布的上分位点:
对于给定的正数 , 0 1, 称满足条件
f (t)
Γ ( n 1) 2
(1
t2
- n1
)2
,
-
t
.
πn Γ ( n ) n
2
说明
利用Γ函数的性质可得lim f (t)
1
-t2
e 2,
n
2
即当n充分大时, 有t-分布近似N (0,1)分布.
3. t(n)分布的上分位点:
对于给定的 , 0 1, 称满足条件:
P{t tα (n)}
设X1
,
X
2
,
,
X

n


体N
(0,
1)的样


则称统计量 2
X12
X
2 2
X
2 n





为n的 2分布, 记作 2 ~ 2 (n).
定理: 2 (n)的概率密度为
1
2
Γ
(n
2)
n 1 - y
y2 e 2,
y 0, .
0,
y 0,
2. 分布与2(n)分布的关系:
由第二章知:若X ~ N (0,1), 则X 2 ~ Γ (1 , 1). 22
f (t)dt α
tα (n)
的点tα (n)为t(n)分布的上分位点。
f(t)
t
0 t (n)
4.由t分布的上分位点的定义及密度函数f (t)
的对称性知t1-α (n) -tα (n).
5. t分布的上分位点可由附表4查出, 在n 45时,
tα (n) Zα .
(三) F分布:
1.定义:设U~ 2 (m),V~ 2 (n),且U,V独立,
均值,
s2
1 n 1
n
(x i
i 1
x)2 , 称为样本方差,
2.当 k
1时,
A1
X,当k
2时, B2
n 1 S2, n
当样本容量很大时, B2 S 2.
3.若总体X的k阶矩E(X k ) k 存在,
P
则当n 时, Ak k .
4.样本的联合分布:
1) 若X~F(x), X1, X 2 ,, X n为F的一个样本, 则
相关文档
最新文档