第二章 概率與分布

《第二章 概率與分布》由會員分享，可在線閱讀，更多相關(guān)《第二章 概率與分布（6頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、第二章 概率與分布（3４5)（駱福添） ·聯(lián)系： 對象 在離散點或 區(qū)間上分布 分布特征數(shù) 樣本數(shù)據(jù) 頻數(shù)分布表 頻數(shù)分布圖 描述指標 () （p) 隨機變量 概率分布表 概率分布圖 總體參數(shù) (） （p） 2。３　 二項分布 一、概率函數(shù) (概率分布表） ·名詞解釋：觀察結(jié)果二項、概率等于二項展開式 ·有放回地獨立重復(fù)摸球5次后黑球出現(xiàn)總次數(shù)X的概率函數(shù)。 ｆx　 表2。1 例2。3中離散型隨機變量X的概率函數(shù)（n=５） X的可 能取值 　黑球數(shù) 0 １ ２ 3 4 5 概率P（x） 0。0003 ０．０

2、064 0.0512 0.20４8 ０.4０9６ ０.32７7 ·這個概率函數(shù)值恰好對應(yīng)于下列二項展開式的各個項： ?(0.2+0。８）5 ＝(0.２)５ +（0．8）(0．2)４　+(0．8）2 (0。２）３　 ?? 　 +（０.8）3 （0.2）２ +（0．8）4 （0.2)+(0.8）5 ·一般地，陽性概率為p，ｎ次獨立、重復(fù)試驗后該事件出現(xiàn)陽性數(shù)為ｘ次的概率為 , 　x=0, 1， ， n (２。1３)　 　 其中　 ， 0！=1, k!=k（k－1)…(2）(1),　k≠0 ?。?。１3)式稱為二項分布的概率函數(shù),稱相應(yīng)的隨機變量X服從二項分布(b

3、inoｍiａl　distribution)， 記為X~Β(p， n） ·至多出現(xiàn)x次數(shù)的概率為P=P(０)+P(１)＋…＋P（x)，簡記為 ??? (2。１４） 這就是二項分布變量X的分布函數(shù). 例2．3 　現(xiàn)有5只動物注射了半數(shù)致死量的毒物,試分別計算死亡動物數(shù)X＝0, １， 2, 3， 4, ５的概率。（提示：p＝0．５） 解 Ｐ（0）=(0.5)5 （0.5）０ ＝０.０３12５ 　 P(1)＝(0.5）４ （0．5）1　＝0．15625 P（2）＝（０。5）3?。?．５）2 ＝0。3１250 P(3）=（0.5)2 (0．5）３ =0．3１

4、２50 P（4)＝（0.５）1（0.5）４ ＝0.1562５ P(5)=（0．5）0　（0.5)5 ＝０。0３125 二、分布圖形的特征 (概率分布圖） 圖2.1 ·p〈0。5時,　在橫軸的正方向拖一長尾呈正偏峰（a） ·p＞0.５時， 在橫軸的負方向拖一長尾呈負偏峰(ｂ) ·p=0。5時, 呈對稱（c) ·n相當大，np和n(１-p）都大于5,p=?,圖形也接近對稱（d) Pois 0 1 2 3 4 5 0 0.1 0.2 0.3 0.4 0.5 (a) p<0.50 （正偏峰） 0 1 2 4 5 0 0.

5、1 0.2 0.3 0.4 0.5 (b) p>0.50 （負偏峰） 圖2.1 若干二項分布的概率函數(shù)直條圖 13 0 1 2 3 4 5 6 7 8 9 10 11 12 0 0.1 0.2 0.3 0.4 (d) p10.50, n相當大 （對稱、正態(tài)） 0 1 2 3 4 5 0 0.1 0.2 0.3 0.4 0.5 (c) p=0.50 （對稱） 三、總體均數(shù)與總體標準差 （平均水平與變異程度-分布參數(shù)) ·推導(dǎo)過程:(下述黑體字公式，可忽略） ?＝··＝ ?? （2。15） =

6、（２。１6） (2。17） ?(2．18） ? ? ? (2。19) ? （2.20） ?= ?? == ?(２.21） ·樣本頻率的總體均數(shù)、總體方差和總體標準差 mx=np，??? mp=p? ? , ?(２。22) ??,? 　 四、實例討論（略） 第四節(jié) Poissｏn分布 一、概率函數(shù) ·Pｏisｓｏn分布是 （１）罕見的獨立事件陽性數(shù)目的隨機分布 （2）也可視為n很大,　p很小時二項分布Ｂ(p，　n）的極限情形 ·以放射性脈沖計數(shù)為例，Ｐｏｉsson分布的前提條件： (１） （n足夠大），區(qū)間足夠小,以致每

7、個區(qū)間陽性數(shù)<2（平穩(wěn)性） （２) 每個區(qū)間陽性概率都是(重復(fù)、小概率) (3) 不同區(qū)間是否發(fā)生是統(tǒng)計獨立的(獨立性) 數(shù)學(xué)上可以證明，　當n→∞時Pｎ（x)的極限為 ?? ? (2.２3） ·應(yīng)用: ?許多發(fā)病率很低的疾?。ㄈ缒[瘤，不具傳染性、無永久免疫、無遺傳性），發(fā)病人數(shù)X近似地服從Poisson分布，其中 二、分布圖形的特征 例２．4 　據(jù)報導(dǎo),　新生兒染色體異常率為１％，　試用兩種方法計算1０0名新生兒發(fā)生ｘ＝0， 1， 2例染色體異常的概率。 解 利用二項分布和Poissｏｎ分布計算的結(jié)果如表２。２所示 表2。2　 用二項分布和PＯISSON分布計算染

8、色體異常概率的比較 Ｘ P（x） Β（1％， １00） Π（1) 0 （0。99)10０ (０。0１）0=0。３660 e—１ (１）0 /0?。?．3679 1 （0．99）１00-１ (0。01)1＝0.369７ ｅ-1 （１）1 ／１！=0。3６７９ ２ (0。99)１00-2 （0。01）２＝0。１８49 ｅ－1 (１)2 /２!=0。18３9 ·Ｐoisson分布圖形: ?呈正偏峰 不可能出現(xiàn)負偏峰的圖形　　f２_3a 三、總體均數(shù)和總體方差 二項分布的總體均數(shù)和總體方差為 ??　 和　　 Ｐｏisｓon分布的總體均數(shù)和總體方差為

9、 和 　 　 即總體均數(shù)等于總體方差。這是Ｐoissｏn分布獨有的性質(zhì)，　可通過考察樣本均數(shù)是否接近樣本方差, 來判斷是否為Poisson分布 四、可加性 設(shè)X1～Π（λ１　)， Ｘ2 ～Π（λ2)， 且互相獨立， ? 則X1　＋X2 ~Π（λ1 +λ２?。? 　 　 　　　 例如,　假定每10分鐘內(nèi)記錄到的放射性脈沖數(shù)服從Π（λ）,　獨立、重復(fù)2次，　測定值為X1和X2 , 則它們之和服從Π（2λ）. ·但須注意，　設(shè)X～Π（λ)， 則2X并不服從Π（2λ)，　X/２也不服從Π（λ／2）。 例如, １0分鐘內(nèi)測定的放射性脈沖數(shù)乘2后并不等于２0分鐘

10、內(nèi)的測定資料, 不能用Π（2λ）來描述； 10分鐘的測定值除以2后也不等于5分鐘內(nèi)的測定值， 也不能用Π（λ/2）來描述。 第五節(jié) 正態(tài)分布 一、概率密度函數(shù) 實踐中許多連續(xù)型隨機變量的頻率密度直方圖形狀是中間高、兩邊低、左右對稱的， 為便于研究相應(yīng)的總體規(guī)律, 人們用概率密度函數(shù) ? （２.24) f2_3 來描述這類隨機變量，　并稱這樣的變量服從正態(tài)分布（noｒmal distributioｎ)　或高斯分布（Gauｓｓian dｉstｒｉbｕtion）。 正態(tài)分布有兩個參數(shù)μ和σ。μ是總體均數(shù)；σ是總體標準差（永遠大于零）。這兩個參數(shù)可完全決定一個正態(tài)分布，　

11、故常簡記為N（μ, σ2　)。當μ＝0，　σ＝1時，　概率密度函數(shù)和分布函數(shù)分別為 密度函數(shù) 分布函數(shù) ?（2．２5） 這樣的正態(tài)分布稱為標準正態(tài)分布, 簡記為Ｎ（0， 1）。 正態(tài)概率密度曲線圖性質(zhì)： (1）　關(guān)于對稱; （2）　在處曲線最高; (3） 在處各有一個拐點; （4） 曲線下面積為1；　 （５） 若固定， 隨值不同, 曲線位置不同， 故稱為位置參數(shù)； （6) 若固定， 大時,　曲線矮而胖；小時, 曲線瘦而高，　故稱為形狀參數(shù)。 m-2s m-s m m+s m+2s -2 -1 0

12、 1 2 x z (a) (b) 圖2.3 正態(tài)概率密度圖 (a)一般形狀 (b)與m和s關(guān)系 m1 m2 s2

13、尾部面積a： f2_3　表2．3 標準正態(tài)分布幾個重要的臨界值 雙側(cè)臨界值Za 單側(cè)尾部面積 雙側(cè)尾部面積 1.645 0。０5 0．1０ 1。96０ 0.0２5 0。０５ 2.576 0。０05 0.01 三、參考范圍的確定 方法： ·95％參考值范圍（9５%CI)（錯誤概率a=０.０５，把握度＝0．95) (―1．９6s, ＋1.96s) 或 　　 ·９9％參考值范圍（９5％ＣI）（錯誤概率a＝0.0１,把握度=0。９９） ??（―2.58s, ＋2.58ｓ） 　 或 　 四、二項分布和Pｏｉsｓｏn分布的正態(tài)近似 １。 連續(xù)

14、性校正 離散型變量只能在０, 1， 2， …等正整數(shù)取值，為了借用連續(xù)型變量的分布函數(shù)來計算概率，首先要把概率函數(shù)“連續(xù)化”,把概率函數(shù)圖中的“直條”改造成“直方” (a) 概率函數(shù)直條圖 (b) 連續(xù)性校正直方圖 (c) 正態(tài)近似圖 圖2.4 二項分布連續(xù)性校正和正態(tài)近似示意圖 表2.4　二項分布概率的連續(xù)性校正和正態(tài)近似 (1） (2） （3) （4） 二項分布 概率 連續(xù)性校正后概率函數(shù)圖上長方形所在的區(qū)間 近似正態(tài)分布概 率密度圖上曲線 下圖形所在區(qū)間 概率近似公式:在相應(yīng)的 　區(qū)間上,近似正態(tài)分布

15、概 　率密度曲線下圖形的面積 Ｐ(X＝k) （ｋ-0．５， k+0.5） (k-0．5, k＋0.5) P（X≤ｋ） (0, k+０．5） (—∞,?。?０.5） Ｐ(X≥ｋ） （k-0。５, ｎ） (ｋ-0。5， +∞) P（≤X≤k2) (k1—0。５, ｋ2+０。5） (k１—0．5，　k2+0．５） 2。 正態(tài)近似 理論上可以證明 (１）二項分布X~Ｂ（p，　n） ??X～N（np， ｎp（1－p）） 近似 并且 ??P=Ｘ／ｎ ～　N（p, p（1-p)/ｎ） (2）Poisson分布則 X　～ N（λ,

16、 λ） 例2．5 假定人群中某病患病概率為0.00５，　現(xiàn)對該人群中的100０0人體檢, 試求檢出人數(shù)不少于５5人的概率。 解 可認為檢出人數(shù)服從二項分布 二項分布資料用Ｐoisｓｏn分布近似與正態(tài)近似比較 直接計算 正態(tài)近似 相對誤差 二項分布 ０。2572 ０。2616 1。7％ Poisson分布 0。２5７7 0。262４ １。8% 相對誤差 0.２％ ０.3％ 　計算過程： ? P（ｘ≥55）=＝0.２57２ 或據(jù)Poisｓon分布，令參數(shù)λ＝1０000×0。0０5=50,　 ? P（ｘ≥55）=＝0。２57７ 計算繁雜.現(xiàn)采用正態(tài)近似，　 ??np=50,np（１—p）=50×0。995=49。７5 　 利用二項分布正態(tài)近似公式 ? P(x≥55）＝Φ ???=Φ＝=0.2616 　 利用Ｐoiｓsoｎ分布的正態(tài)近似公式 ? P(ｘ≥55）≈Φ ??=Φ==０。2624 兩者與0。２572的相對誤差均小于2%. ★　結(jié)語： 對象 在離散點或 區(qū)間上分布 分布特征數(shù) 樣本數(shù)據(jù) 頻數(shù)分布表 頻數(shù)分布圖 描述指標 （） （p) 隨機變量 （誤差) 概率分布表 概率分布圖 總體參數(shù) （） （p) 文中如有不足，請您見諒！ 6 / 6