概率统计各种分布

标准正态表

x 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 0.00 0.5000 0.5398 0.5793 0.6179 0.6554 0.6915 0.7257 0.7580 0.7881 0.8159 0.01 0.5040 0.5438 0.5832 0.6217 0.6591 0.6950 0.7291 0.7611 0.7910 0.8186 0.02 0.5080 0.5478 0.5871 0.6255 0.6628 0.6985 0.7324 0.7642 0.7939 0.8212 0.03 0.5120 0.5517 0.5910 0.6293 0.6664 0.7019 0.7357 0.7673 0.7967 0.8238 0.04 0.5160 0.5557 0.5948 0.6331 0.6700 0.7054 0.7389 0.7704 0.7995 0.8264 0.05 0.5199 0.5596 0.5987 0.6368 0.

样本的自由度为什么是n-1?

新编统计学教程，袁卫等，经济科学出版社1999。P64

总体方差的计算公式，σ2表示总体方差，X表示总体均值，也可用μ表示。样本方差的计算公式，S2表示样本方差，x是样本均值，n表示样本容量，n-1称为自由度(Degree of Freedom)。

为什么样本方差S2的n个离差的平方和不除以n反而要除以n-1呢?也就是样本方差的自由度为什么取n-l呢?这可以从两个方面理解或加以说明。

首先，自由度是不受任何约束，可以自由变动的变量的个数。是反映分布或数据差异信息的个数，即(xi-x)误差的个数。例如，当n=1时，即xi只有一个数值时，由于xl=x，(xl-x)=0，它说明数据与均值没有差异，即表示差异的信息个数为1-l=0；当n=2时，x就是xl和x2的中值，则(xl-x)和(x2-x)的绝对值相等，只是符号相反。这两个误差只表示一个误差。即xl和x2与x相差|xl-x|，即差异的个数为2-1=1；当n=3时，假设xl =1，x2=2，x3=6，则x=3。这时，表面看来误差有3个，即

(1-3)=-2，(2-3)=-1，6-3=3

但实际上告诉给我们的误差信息只有2个，因为数据比均值小的误差绝对值

课后练习：

一、单项选择：

1、抽样误差是指：（ ）

A. 抽样推断中各种原因引起的全部误差 B. 工作性误差 C. 系统性代表误差

D. 随机误差 D

2、重复抽样的抽样误差（ ） A. 大于不重复抽样的抽样误差 B. 小于不重复抽样的抽样误差 C. 等于不重复抽样的抽样误差

D. 不一定 A

3、在简单重复抽样下，若总体标准差不变，要使抽样平均误差变为原来的一半，则样本单位数必须（ ）

A. 扩大为原来的2倍 B. 减少为原来的一半 C. 扩大为原来的4倍

D. 减少为原来的四分之一 C

4、在抽样之前对每一个单位先进行编号，然后使用随机数字表抽取样本单位，这种方式是（ ）

A. 等距抽样 B. 分层抽样 C. 简单随机抽样

D. 整群抽样 C

5、一个连

第四章 常用概率分布

为了便于读者理解统计分析的基本原理，正确掌握和应用以后各章所介绍的统计分析方法， 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——正态分布、二项分布、波松分布以及样本平均数的抽样分布和t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，重复进行试验，其结果总是确定的，必然发生（或必然不发生）。例如，在标准大气压下，水加热到100℃必然沸腾；步行条件下必然不可能到达月球等。这类现象称为必然现象（inevitable phenomena）或确定性现象（definite phenomena）。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，重复进行试验，其结果未必相同。例如，掷一枚质地均匀对称的硬币，其结果可能是出现正面，也可能出现反面；孵化6枚种蛋，可能“孵化出0只雏”，也可能“孵化出1只雏”，?，也可能“孵化出6 只雏”，事前不可能断言其孵化结果。这类在个别试验中其结果呈现偶然性、不确

数学期望：随机变量最基本的数学特征之一。它反映随机变量平均取值的大小。又称期望或均值。它是简单算术平均的一种推广。例如某

城市有10万个家庭，没有孩子的家庭有1000个，有一个孩子的家庭有9万个，有两个孩子的家庭有6000个，有3个孩子的家庭有3000个， 则此城市中任一个家庭中孩子的数目是一个随机变量，记为X，它可取值0，1，2，3，其中取0的概率为0.01，取1的概率为0.9，取2的概率为0.06，取3的概率为0.03，它的数学期望为0×0.01＋1×0.9＋2×0.06＋3×0.03等于1.11，即此城市一个家庭平均有小孩1.11个，用数学式子表示为：E(X)=1.11。

也就是说，我们用数学的方法分析了这个概率性的问题，对于每一个家庭，最有可能它家的孩子为1.11个。

可以简单的理解为求一个概率性事件的平均状况。

各种数学分布的方差是：

1、 2、

一个完全符合分布的样本 这个样本的方差

概率密度的概念是：某种事物发生的概率占总概率(1)的比例,越大就说明密度越大。比如某地某次考试的成绩近似服从均值为80的正态分布，即平均分是

80分，由正态分布的图形知x=80时的函数值最大，即随机变量在80附近取值最密集，也即考试成绩在80分左右的人最

应用概率统计第5次作业

姓名： 班级： 学号（后3位）：

1．有一繁忙的汽车站，每天有大量汽车通过，设一辆汽车在一天的某段时间内出事故的概率为0.0001.在某天的该时间段内有1000辆汽车通过，问出事故的车辆数不小于2的概率是多少？（利用泊松定理计算）

解：

2． 假设某元件使用寿命X（单位：小时）服从参数为??0.002的指数分布，试求该元件能正常使用600小时以上的概率是多少?

解：

3. 设X~N(4,22)，查表计算P{X?5?2}与P{X?5}. 解：

4. 一般认为各种考试成绩服从正态分布，假定在一次公务员资格考试中，只能通过考试人数的5%，而考生的成绩X近似服从N(60,100)，问至少要多少分才可能通过这次资格考试？

解：

5．设X1,X2,?,Xn,?是相互独立的随机变量，P{Xn?0}?1?21，P{Xn?n}?，nnP{Xn??n}?解：

1，n?1,2,?，问X1,X2,?,Xn,?是否服从切比雪夫大数定律？ n6．某批产品的次品率是0.005，试用中心极限定理求任意抽取10000件产品中次品数不多于70件的概率．

概率论与数理统计

习题及题解

沈志军 盛子宁

第一章 概率论的基本概念

1．设事件A,B及A?B的概率分别为p,q及r，试求P(AB),P(AB),P(AB)及

P(AB)

2．若A,B,C相互独立，试证明：A,B,C亦必相互独立。

3．试验E为掷2颗骰子观察出现的点数。每种结果以(x1,x2)记之，其中x1,x2分别表示第一颗、第二颗骰子的点数。设事件A?{(x1,x2)|x1?x2?10}， 事件B?{(x1,x2)|x1?x2}。试求P(B|A)和P(A|B)

4．某人有5把钥匙，但忘了开房门的是哪一把，只得逐把试开。问：（1）恰好第三次打开房门锁的概率？（2）三次内打开的概率？（3）如果5把里有2把房门钥匙，则在三次内打开的概率又是多少？

5．设有甲、乙两袋，甲袋中装有n个白球、m个红球，乙袋中装有N个白球、M个红球。今从甲袋中任意取一个放入乙袋中，再从乙袋中任意取一个，问取到白球的概率是多少？

6．在时间间隔5分钟内的任何时刻，两信号等可能地进入同一收音机，如果两信号进入收音机的间隔小于30秒，则收音机受到干扰。试求收音机不受干扰的概率？

7．甲、乙两船欲停靠同一码头，它们在一昼夜内独立地到达码头的时间是等可能的，各自在码

概率分布

第五章 常用概率分布分布桂立辉 新乡医学院公共卫生学系 流行病与卫生统计学教研室

概率分布

第五章

常用概率分布分布

二项分布 Poisson分布 分布 正态分布

概率分布

第一节 二项分布 一、二项分布的概念和特征 (一)二项分布的概念在生命科学研究中，经常会遇到一些事物， 在生命科学研究中 ， 经常会遇到一些事物 ， 其结果可分为两个彼此对立的类型， 其结果可分为两个彼此对立的类型 ， 如一个病 人的死亡与存活、 动物的雌与雄、 人的死亡与存活 、 动物的雌与雄 、 微生物培养 的阳性与阴性等， 的阳性与阴性等 ， 这些都可以根据某种性状的 出现与否而分为非此即彼的对立事件。 出现与否而分为非此即彼的对立事件 。 这种非 此即彼事件构成的总体，就称为二项总体 population) (binomial population)。

概率分布

第一节 二项分布二项分布(binomial distribution)就 二项分布 (binomial distribution) 就 是 对这种只具有两种互斥结果的离散型随机 变量的规律性进行描述的一种概率分布。 变量的规律性进行描述的一种概率分布。 由于这一种分布规律是由瑞士学者贝努里 (Bernoulli)

概率分布

第五章 常用概率分布分布桂立辉 新乡医学院公共卫生学系 流行病与卫生统计学教研室

概率分布

第五章

常用概率分布分布

二项分布 Poisson分布 分布 正态分布

概率分布

第一节 二项分布 一、二项分布的概念和特征 (一)二项分布的概念在生命科学研究中，经常会遇到一些事物， 在生命科学研究中 ， 经常会遇到一些事物 ， 其结果可分为两个彼此对立的类型， 其结果可分为两个彼此对立的类型 ， 如一个病 人的死亡与存活、 动物的雌与雄、 人的死亡与存活 、 动物的雌与雄 、 微生物培养 的阳性与阴性等， 的阳性与阴性等 ， 这些都可以根据某种性状的 出现与否而分为非此即彼的对立事件。 出现与否而分为非此即彼的对立事件 。 这种非 此即彼事件构成的总体，就称为二项总体 population) (binomial population)。

概率分布

第一节 二项分布二项分布(binomial distribution)就 二项分布 (binomial distribution) 就 是 对这种只具有两种互斥结果的离散型随机 变量的规律性进行描述的一种概率分布。 变量的规律性进行描述的一种概率分布。 由于这一种分布规律是由瑞士学者贝努里 (Bernoulli)

第一章 随机事件与概率

例题精选

1．已知Ｕ为必然事件，Ｖ为不可能事件，则Ｐ（Ｕ）＝1，Ｐ（Ｖ）＝0 2．已知事件Ａ的概率Ｐ（Ａ）＝0.6，Ｕ为必然事件，则 Ｐ（Ａ＋Ｕ）＝1，Ｐ（ＡＵ）＝0.6

3.设Ａ、Ｂ、Ｃ是三个事件，试将下列事件用Ａ、Ｂ、Ｃ表示出来. （1）{Ａ发生而Ｂ、Ｃ都不发生}＝ABC （2）{Ａ、Ｂ都发生，而Ｃ不发生}＝ABC （3）{Ａ、Ｂ、Ｃ都发生}＝ABC

（4）{Ａ、Ｂ，Ｃ中至少有一个发生}＝A+B+C

（5）{Ａ、Ｂ、Ｃ中恰好一个发生}＝ABC?ABC?ABC （6）{Ａ、Ｂ，Ｃ中至少有一个不发生}＝A?B?C

4.一个口袋内装有大小相等、质量相同的球（2个红球，3个白球，4个黑球），每次摸取1个，有放回地取两次，求取得的球中无红或无黑球的概率.

解： 设A={无红}，B={无黑}，C={全白}，则 C=AB 故P(无红或无黑球)=P(A+B)=P(A)+P(B)-P(AB)

725232 =2+2-2

999 =

65 815 某药检所以送检的10件药品中先后抽检了两件，如果10件中有3件次