第三章 抽样分布

3－15
互斥事件及其概率
(例题分析)

解：由于每一枚硬币出现正面或出现反面的概率 都是1/2，当抛掷的次数逐渐增大时，上面的4个 简单事件中每一事件发生的相对频数 (概率)将近 似等于 1/4 。因为仅当 H1T2 或 T1H2 发生时，才会 恰好有一枚硬币朝上的事件发生，而事件 H1T2 或 T1H2 又为互斥事件，两个事件中一个事件发 生或者另一个事件发生的概率便是 1/2(1/4+1/4) 。 因此，抛掷两枚硬币，恰好有一枚出现正面的概 率等于 H1T2 或 T1H2 发生的概率，也就是两种事 件中每个事件发生的概率之和
解：设 A = 某住户订阅了日报 B = 某个订阅了日报的住户订阅了晚报
依题意有：P(A)=0.75；P(B|A)=0.50
P(AB)=P(A)·P(B|A)=0.75×0.5=0.375
3－31
独立事件与乘法公式
(例题分析)
【例】从一个装有3个红球2个白球的盒子里摸球 (摸出后球不放回)，求连续两次摸中红球的概率
3－17
互斥事件的加法规则
(例题分析)
【例】抛掷一颗骰子，并考察其结果。求出其点 数为1点或2点或3点或4点或5点或6点的概率
解：掷一颗骰子出现的点数(1，2，3，4，5，6)共有
6个互斥事件，而且每个事件出现的概率都为1/6 根据互斥事件的加法规则，得
P(1或2或3或4或5或6) P(1) P(2) P(3) P(4) P(5) P(6) 1 1 1 1 1 1 1 6 6 6 6 6 6


合计
从这200个配件中任取一个进行检查，求 (1) 取出的一个为正品的概率 (2) 取出的一个为供应商甲的配件的概率 (3) 取出一个为供应商甲的正品的概率 (4) 已知取出一个为供应商甲的配件，它是正品的概率

=10
= 50 X
总体分布
n= 4
x 5
n =16
x 2.5
x 50
X
抽样分布
从非正态总体中抽样
结论：
从非正态中体中抽样，所形成 的抽样分布最终也是趋近于正态分 布的。只是样本容量需要更大些。
总结：中心极限定理
设从均值为，方差为 2的一个任意总体中抽 取容量为n的样本，当n充分大时（超过30），样本 均值的抽样分布近似服从均值为μ、方差为σ2/n的
总体
样本
参数
统计量
总体与样本的指标表示法
总体参数
样本统计量
(Parameter) (Sample Statistic)
容量 平均数 比例 方差 标准差
N
n
X
x
p
2
s2
s
小练习
某药品制造商感兴趣的是用该公司开发的某 种新药能控制高血压人群血压的比例。进行了一 项包含5000个高血压病人个体的研究。他发现用 这种药后80%的个体，他们的高血压能够被控制。 假定这5000个个体在高血压人群中具有代表性的 话，回答下列问题： 1、总体是什么？ 2、样本是什么？ 3、识别所关心的参数 4、识别此统计量并给出它的值 5、我们知道这个参数的值么？
正态分布
一个任意分 布的总体
x
n
当样本容量足够 大时(n 30) ， 样本均值的抽样 分布逐渐趋于正 态分布
x
X
总体分布
正态分布
非正态分布
大样本 小样本 大样本 小样本
正态分布
正态分布
非正态分布
三 中心极限定理的应用
中心极限定理(Central Limit theorem) 不论总体服从何种分布，从中抽取

【例3.7】 已知u～N(0，1)，试求： (1) P(u＜-1.64)＝?
(2) P (u≥2.58)=?
(3) P (｜u｜≥2.56)=? (4) P(0.34≤u＜1.53) =?
(1) P(u＜-1.64)=0.05050
(2) P (u≥2.58)=Φ(-2.58)=0.024940
加减不同倍数σ区间的概率)是经常用到的。
P(μ-σ≤x＜μ+σ)= 0.6826
P(μ-2σ≤x＜μ+2σ) = 0.9545 P (μ-3σ≤x＜μ+3σ) = 0.9973
P (μ-1.96σ≤x＜μ+1.96σ) = 0.95
P (μ-2.58σ≤x＜μ+2.58σ)= 0.99
在数理统计分析中，不仅注意随机变量x落在平均数加减不 同倍数标准差区间（μ-kσ , μ+kσ）之内的概率，更关心的是x落在 此区间之外的概率。
二项分布---二项分布的定义及其特点
二项分布的应用条件： （1）各观察单位 只具有相互对立 的一种结果，如合格或不 合格， 生存或死亡等等，非此即彼； （2）已知发生某一结果 (如死亡) 的概率为p，其对立结果 的概率则为1-P=q，实际中要求p 是从大量观察中获得的比较 稳定的数值； （3）n次观察结果互相独立，即每个观察单位的观察结果不
P (-2.58≤u＜2.58)=0.99
标准正态分布的三个常用概率如图示
u变量在上述区间以外取值的概率分别为： P(｜u｜≥1)=2Φ(-1)=1- P(-1≤u＜1) =1-0.6826=0.3174 P(｜u｜≥2)=2Φ(-2) =1- P（-2≤u＜2） =1-0.9545=0.0455 P(｜u｜≥3)=1-0.9973=0.0027 P(｜u｜≥1.96)=1-0.95=0.05 P(｜u｜≥2.58)=1-0.99=0.01

生k次的概率恰好等于展开式中的第k+1项，所以也
把上式称作二项概率公式 。
2.2 二项分布的意义及性质
2.2.1 二项分布定义
设随机变量x所有可能取的值为零和正整数：
0,1,2,…，n，且有
Pn (k )
=
C
k n
p k q nk
k=0,1,2…，n
其中p＞0，q＞0，p+q=1，则称随机变量x服从
2.3 二项分布的概率计算
【例2.1】 纯种白猪与纯种黑猪杂交，根据孟德尔遗传理 论，子二代中白猪与黑猪的比率为3∶1。求窝产仔10 头，有7头白猪的概率。
解：根据题意，n=10，p=3／4=0.75，q=1／4=0.25。 设10头仔猪中白色的为x头，且x～B(10，0.75)
于是窝产10头仔猪中有7头是白色的概率为：
A1 A2 A 3 A4
A1
A2
A3
A4 p 2 q 42
2.1贝努力试验及其概率公式
又由于以上各种方式中，任何二种方式都是互 不相容的，按概率的加法法则，在4 次试验中， 事件A恰好发生2次的概率为
P4(2) = P(A1 A2 A3 A4) + P(A1 A2 A3 A4) + …+ P(A1 A2 A3 A4)
1.2离散型随机变量的概率分布
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)=pi i=1,2,…
则称上式为离散型随机变量 x 的概率分布或分布。常 用分布列 (distribution series)来表示离散型随机变量：