第3章 常用概率分布(9课时).课件

第三章常用概率分布本章在介绍概率论中最基本的两个概念—事件、概率的基础上，重点介绍生物科学研究中常用的几种随机变量的概率分布—二项分布、正态分布以及样本平均数的抽样分布、t分布、分布和F分布。第三章常用概率分布第一节事件与概率第二节概率分布第三节二项分布第四节正态分布第五节样本平均数抽样分布与标准误第六节t分布、分布与F分布第一节事件与概率一、事件(一)必然现象与随机现象在自然界与生产实践和科学试验中，人们会观察到各种各样的现象，把它们归纳起来，大体上分为两大类：一类是可预言其结果的，即在保持条件不变的情况下，重复进行观察，其结果总是确定的，必然发生(或必然不发生)。这类现象称为必然现象或确定性现象。例如：标准大气压下，水加热到100℃必然沸腾。另一类是事前不可预言其结果的，即在保持条件不变的情况下，重复进行观察，其结果未必相同。这种在个别试验中其结果呈现偶然性、不确定性现象，称为随机现象或不确定性现象。例如：100粒玉米种子发芽试验，可能有0粒发芽，也可能…第一节事件与概率随机现象或不确定性现象，有如下特点：在一定的条件实现时，有多种可能的结果发生，事前人们不能预言将出现哪种结果；对一次或少数几次观察或试验而言，其结果呈现偶然性、不确定性；但在相同条件下进行大量重复试验时，其试验结果却呈现出某种固有的特定的规律性—频率的稳定性，通常称之为随机现象的统计规律性。例如：投硬币第一节事件与概率(1)试验可以在相同条件下多次重复进行；(2)每次试验的可能结果不止一个，并且事先知道会有哪些可能的结果；(3)每次试验总是恰好出现这些可能结果中的一个，但在一次试验之前却不能肯定这次试验会出现哪一个结果。第一节事件与概率2、随机事件随机试验的每一种可能结果，称为随机事件，简称事件，通常用A、B、C等来表示。随机事件在一定条件下可能发生，也可能不发生。(1)基本事件我们把不能再分的事件称为基本事件。第一节事件与概率由若干个基本事件组合而成的事件称为复合事件。如“取得1个数字是2的倍数”是一个复合事件，它由“取得1个数字是2”、“是4”、“是6”、……、“是20”10个基本事件组合而成。(2)必然事件在一定条件下必然会发生的事件称为必然事件，用Ω表示。第一节事件与概率(3)不可能事件在一定条件下不可能发生的事件称为不可能事件，用ф表示。必然事件与不可能事件实际上是确定性现象，即它们不是随机事件，但是为了方便起见，我们把它们看作为两个特殊的随机事件。第一节事件与概率二、概率刻划事件发生可能性大小的数量指标，称为概率。事件A的概率记为P(A)。(一)概率的统计定义第一节事件与概率在相同条件下进行n次重复试验，如果随机事件A发生的次数为m，那么m/n称为随机事件A的频率；当试验重复数n逐渐增大时，随机事件A的频率越来越稳定地接近某一数值p，那么就把p称为随机事件A的概率。这样定义的概率称为统计概率。第一节事件与概率例如，为了确定1粒小麦种子发芽这个事件的概率，在表3-1中列出了小麦种子发芽试验记录。第一节事件与概率表3-1小麦种子发芽试验记录试验种子粒数n100200300400500600700发芽种子粒数m65155204274349419489频率m/n0.6500.6750.6800.6850.6980.69830.6986(二)概率的古典定义有很多随机试验具有以下特征：1、试验的所有可能结果只有有限个，即样本空间中的基本事件只有有限个；2、各个试验的可能结果出现的可能性相等，即所有基本事件的发生是等可能的；3、试验的所有可能结果两两互不相容。第一节事件与概率具有上述特征的随机试验，称为古典概型。对于古典概型，概率的定义如下：设样本空间由n个等可能的基本事件所构成，其中事件A包含有m个基本事件，则事件A的概率为m/n，即P(A)=m/n这样定义的概率称为古典概率。第一节事件与概率因为该试验样本空间由20个等可能的基本事件构成，即n=20,而事件A所包含的基本事件有4个，既抽得编号为1，2，3，4中的任何1个，事件A便发生，即mA=4，所以第一节事件与概率同理，事件B所包含的基本事件数mB=10，即抽得数字为2，4，6，8，10，12，14，16，18，20中的任何1个，事件B便发生，故第一节事件与概率(三)概率的性质1、对于任何事件A，有0≤P(A)≤1；2、必然事件的概率为1，即P(Ω)=1；3、不可能事件的概率为0，即P(ф)=0。第一节事件与概率三、小概率事件实际不可能性原理随机事件的概率表示了随机事件在一次试验中出现的可能性大小。若随机事件的概率很小，例如小于0.05、0.01、0.001，称之为小概率事件。第一节事件与概率小概率事件虽然不是不可能事件，但在一次试验中出现的可能性很小，不出现的可能性很大，以至于实际上可以看成是不可能发生的。在统计学上，把小概率事件在一次试验中看成是实际不可能发生的事件称为小概率事件实际不可能性原理，亦称为小概率原理。小概率事件实际不可能性原理是统计学上进行假设检验(显著性检验)的基本依据。第一节事件与概率第二节概率分布事件的概率表示了一次试验某一个结果发生的可能性大小。若要全面了解试验，则必须知道试验的全部可能结果及各种可能结果发生的概率，即必须知道随机试验的概率分布。先引入随机变量的概念。【例3·3】抛掷一枚硬币，其可能结果是“币值一面朝上”、“币值一面朝下”。“币值一面朝上”用1表示，“币值一面朝下”用0表示，用x表示试验结果，则x的取值为0、1。【例3·4】测定某品种小麦产量(㎏/667.7㎡)，表示测定结果的变量x所取的值为一个特定范围(a,b)，例如200―300(㎏/667.7㎡)，x值可以取这个范围内的任何数值。要了解离散型随机变量x的统计规律，就必须知道它的一切可能值xi及取每种可能值的概率pi。如果我们将离散型随机变量x的一切可能取值xi(i=1,2,…)，及其对应的概率pi，记作P(x=xi)=pii=1,2,…(3—3)则称(3—3)式为离散型随机变量x的概率分布或分布。二、离散型随机变量的概率分布常用列表法表示离散型随机变量的概率分布：xx1x2…xn…pp1p2…pn…显然离散型随机变量的概率分布具有pi≥0和Σpi=1这两个基本性质。连续型随机变量的概率分布不能用分布列来表示，因为其可能取的值是不可数的。对于连续型随机变量x，要了解的是它在某个区间[a，b)上取值的概率，即P(a≤x＜b)＝？下面通过频率分布密度曲线予以说明。三、连续型随机变量的概率分布由表2-6作140行水稻产量资料的频率分布直方图，见图3-1，图中纵坐标取频率与组距的比值。可以设想，如果样本取得越来越大(n→+∞)，组分得越来越细(i→0)，某一范围内的频率将趋近于一个稳定值─概率。这时，频率分布直方图各个直方上端中点的联线─频率分布折线将逐渐趋向于一条曲线，换句话说，当n→+∞、i→0时，频率分布折线的极限是一条稳定的函数曲线。对于样本是取自连续型随机变量的情况，这条函数曲线将是光滑的。这条曲线排除了抽样和测量的误差，完全反映了行水稻产量的变动规律。这条曲线叫概率分布密度曲线，相应的函数叫概率分布密度函数。(3—4)式为连续型随机变量x在区间[a,b)上取值概率的表达式。可见，连续型随机变量的概率由概率分布密度函数确定。图3-1表2-6资料的分布密度曲线若记概率分布密度函数为f(x)，则x取值于区间[a,b)的概率为图中阴影部分的面积，即P(a≤x30时，t分布与标准正态分布的区别很小；n>100时，t分布基本与标准正态分布相同；n→∞时，t分布与标准正态分布完全一致。用f(t)表示t分布的概率密度函数，则t分布的概率分布函数为：因而t在区间(t1，+∞)取值的概率——右尾概率为1-Ft(df)。由于t分布左右对称，t在区间(-∞，-t1)取值的概率也为1-Ft(df)。于是t分布曲线下由-∞到-t1和由t1到+∞两个相等的概率之和—两尾概率为2(1-Ft(df))。对于不同自由度下t分布的两尾概率及其对应的临界t值已编制成附表3，即t分布表。例如，当df=15时，查附表3得两尾概率等于0.05的临界t值为=2.131，其意义是：P(-∞