数理统计03 PPT课件

P(A1 A2 …)=P(A1)+P(A2)+… (可列可加性)
25
2.概率的性质：
性质1. P() 0.
性质2. 若 A1, A2, , An是两两互不相容的事件, 则 P(A1 A2 An)
P(A1) P(A2) P(An). (有限可加性)
性质3. 若A B,则有 P(B A) P(B) P(A);
若事件A发生必然导致事件B发生,则称件B包含事件A,记 作AB. 若A B且A B, 即A=B, 则称A与B相等.
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, A2 , 的和事件记为 Ak .
P(B| A) P(AB) P(A)
为在事件A发生的条件下事件B发生的条件概率2.9
2. 性质: 条件概率符合概率定义中的三个条件, 即
10 对于每一个事件B, 有 1 P(B | A) 0.
20 P(S | A) 1.
30 设B1 , B2 , 两两互不相容, 则
P(Bi | A) P(B i | A).
28
§5. 条件概率
(一)条件概率: 设试验E的样本空间为S, A, B是事件, 要考虑
在A已经发生的条件下B发生的概率, 这就是条件概 率问题.
例1.老王的妻子一胎生了3个孩子,已知老大是女孩，求另 两个也都是女孩的概率(假设男孩、女孩出生率相同).
1. 定义: 设A, B是两个事件, 且P(A)>0, 称
A2 , A2 A3 , A1 A2 , A1 A2 , A1 A2 A3 , A1 A2 A2 A3 A1 A3 .

04
理解基本概念和原理
做大量练习题，培养解题能力
05
06
阅读相关书籍和论文，拓宽知识面
02
概率论基础
概率的基本概念
试验
一个具有有限个或无限个 可能结果的随机试验。
事件
试验中的某些结果的总称 。
概率
衡量事件发生可能性的数 值，通常表示为0到1之间 的实数。
必然事件
概率等于1的事件。
不可能事件
概率等于0的事件。
01 点估计
用样本统计量估计总体参数，如用样本均值估计 总体均值。
02 区间估计
给出总体参数的估计区间，如95%置信区间。
03 估计量的性质
无偏性、有效性和一致性。
假设检验
假设检验的基本思想
先假设总体参数具有某种 特性，然后通过样本信息 来判断这个假设是否合理 。
双侧检验
当需要判断两个假设是否 相等时，如总体均值是否 等于某个值。
连续型随机变量
取值无限的随机变 量。
方差
衡量随机变量取值 分散程度的数值。
03
数理统计基础
总体与样本
总体
研究对象的全体。
抽样方法
简单随机抽样、分层抽样、系统抽样等。
样本
从总体中随机抽取的一部分个体，用于估 计和推断总体的特性。
样本大小
样本中包含的个体数量，需要根据研究目 的和资源来确定。
参数估计
单因素方差分析
单因素方差分析的定义
单因素方差分析是方差分析的一种形式，它只涉及一个实验因素。通过对不同组的均值进行比 较，可以确定这个因素对实验结果的影响是否显著。
单因素方差分析的步骤
单因素方差分析通常包括以下步骤：首先，对实验数据进行分组；其次，计算每组的均值；接 着，计算总的均值和总的变异性；然后，计算组间变异性和组内变异性；最后，通过比较这两 种变异，得出因素的显著性。

f
(x,
y)
1
21 2
1
2
exp
1
2(1 2 )
(x
1)2
2 1
2
(x
1)( y 1 2
2 )
(y
2)2
2 2
其中1、2、1、 2、都是常数，且1 0， 2 0，1 1.
则称（X,Y）服从参数为1、2、1、的二2、维 正态分布，
记为
(X
,Y)
~
N (1,
2
,
2 1
,
2 2
2F(x, y) f (x, y) xy
(5)若(X,Y)为二维连续型随机向量,联合概率密度为f(x,y),则
F(x,y) P{X x,Y y}
返回
X
18
第
页
例5 设二维随机变量（X,Y）的概率密度为
Ae2(x y) , x 0, y 0
f (x, y)
0, 其他
（1）确定常数A；
分别为(X,Y)关于X和Y的边缘分布函数.
返回
X
25
第
页
例1 设二维随机向量（X,Y）的联合分布函数为
(1 e2x )(1 e3y ), x 0, y 0,
F(x, y)
0, 其他.
求边缘分布 FX (x), FY ( y)
当x
0时，FX
(x)
lim (1
y
e2 x
)(1
e3 y
)
1
e2 x
返回
X
14
第
例3 设随机变量Y~N(0，1),令
0, X 1 1,
| Y | 1
0,
|Y
|

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

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-

解 确定随机变量的取值：
及F(2,2).
p i j P Xi,Yj
F ( x , y) = P { X x , Y y}
{ P X { X i , Y i } j } { Y { X j } i } { Y j } pij
P Y j|X iP X i
xi x yjy
为 X, Y的 分 布 函 数 ， 或 X与 Y的 联 合 分 布 函 数 。
X x ,Y y X x Y y
几 何 意 义 ： 分 布 函 数 Fx0,y0表 示 随 机 点 X,Y落 在 区 域
x,y,xx0,yy0
中 的 概 率 。 如 图 阴 影 部 分 所 示 ：
y
x0, y0
X＝xi ,Y y j
P X＝xi
pij , j＝1, 2, pi
为给定条件X xi时，Y的条件概率分布律。
3、条件概率分布律
给定条件Yyj时，X的条件概率分布律记作：
X|Yyj
P X＝xi |Yyj
pij ,i＝ 1, 2, pj
X |Y yj
P X |Y y j
x1
p1 j
X , Y ～P X＝xi, Y＝y j pij , i, j＝1, 2,
则称 P X＝xi | Y y j
P X＝xi ,Y y j P Y＝y j
pij , i＝1, 2, p j
为给定条件Y y j时，X的条件概率分布律；
P Y＝y j | X＝xi
P
= limPX x,Y y lim Fx, y
y
y
0, x 0; =x2, 0 x 1;
1, 1 x.
FYy PY yPX ,Y y
= limPX x,Y y limFx, y

第3章 区间估计
置信区间 正态总体参数的置信区间 大样本置信区间
数理统计
2021/3/1
1
统计推断的过程
总体
数理统计
2021/3/1
样
样本统计量
本
例如：样本均
值、比例、方
差
2
数理统计
0 引言
前面，我们讨论了参数点估计. 它是用样本算 得的一个值去估计未知参数. 但是，点估计值仅仅 是未知参数的一个近似值，它无法给出这个近似值 的精度（也可用均方误差来刻画），使用起来把握 不大（间接）. 区间估计正好弥补了点估计的这个 缺陷（可直接给出误差限） .
数理统计
6
2021/3/1
数理统计
7
2021/3/1
数理统计
8
• 2、回顾分位数
数理统计
2021/3/1
9
2021/3/1
数理统计
10
2021/3/1
数理统计
11
2021/3/1
数理统计
12
3、 置信区间
数理统计
2021/3/1
13
• 注1：
2021/3/1
数理统计
14
2021/3/1
2021/3/1
3
数理统计
譬如，在估计湖中鱼数的问题中，若我们根 据一个实际样本，得到鱼数 N 的极大似然估计 为1000条.
实际上，N的真值可能大于1000条，也可 能小于1000条.
若我们能给出一个区间，在此区间内我们
合理地相信 N 的真值位于其中. 这样对鱼数的
估计就有把握多了.
2021/3/1
例如，设 X1 , … , Xn 是取自 N ( , 2 ) 的样本 ，

医药数理统计方法
01-04-13
地区
东部 南部 西部 中部
订单百 易碎品订
分比 单百分比
30
25
40
10
20
5
10
3
医药数理统计方法
01-04-14
课堂讨论题 某发报站分别以概率
0.6和0.4发出信号“*”和“–”，若通
讯系统受到种种干扰，当发出信号 “*”时，收报站分别以概率0.8和 0.2收到信号“*”和“–”；当发出信 号为“–”时，收报站分别以概率0.9 和0.1收到信号“–”和“*”。求收报 站收到信号“*”时，发报站确实发 出信号“*”的概率。
n
P(B) P(Ai)P(B|Ai) i1
医药数理统计方法
A3 A2
… B
A1
An
01-04-04
医药数理统计方法
01-04-05
例 有3个外形完全相同的袋子，在 第1个袋子中装有2个白球、1个红球； 在第2个袋子中装有3个白球、1个红 球；在第3个袋子中装有2个白球、2 个红球。先随机地挑选一个袋子，
医药数理统计方法
0.6 “*”
0.8 0.2
0.4 “–”
0.1 0.9
01-04-15
“*” “–”
医药数理统计方法
01-04-16
例 癌症的早期诊断、治疗是提高
疗效的关键。近年来，甲胎蛋白免 疫检测法（简称 AFP 法）被普遍应 用于肝癌的普查和诊断。
医药数理统计方法
01-04-17
设 A={肝癌患者}，B={AFP检验 结果为阳性}；且已知AFP检测方法 的真阳性率 P(B|A)=0.94，假阳性率 P(B| A )=0.04；在人群中肝癌的发病 率 P(A)=0.0004；今有一人 AFP 检测

2P((X,Y)G)等于以G为底，以曲面
z f (x, y)为顶面的柱体体积。
所以X,Y落在面积为零的区域的概率为零。
例3：设二维随机变量(X,Y)具有概率密度：
ke(2x3y), x0， y0
f(x,y) 0,
其 他
y
(1) 求常数k；
1
yx
2求 分 布 函 数 F (x,y)；
3 求 P (YX )的 概 率
章多维随机变量及其分布
•
二维随• 机变量 分布函数分布律概率密度 边缘分布函数边缘分布律边缘概率密度 条件分布函数条件分布律条件概率密度 随机变量的独立性 Z=X+Y的概率密度
§1 二维随机变量
问题的提出
例1：研究某一地区学龄儿童的发育情况。仅研究身
高H的分布或仅研究体重W的分布是不够的。需 要
同时考察每个儿童的身高和体重值，研究身
P(X=0,Y=3)=P(反反反)=1/8
YX 0
1
2
3
1 0 3/8 3/8 0
3 1/8 0
0 1/8
例2: 设随机变量X在1,2,3,4中随机地取一个 数,另一随机变量Y在1到X中随机地取一整数 .求(X,Y)的分布律。
分析 (X,Y)所有可能的取值为： (1,1); (2,1)、(2,2); (3,1)、(3,2)、 (3,3); (4,1)、(4,2)、 (4,3)、(4,4).
说明
(1) 分布函数 F(x, y) 是连续函数. (因为 F(x, y) (2) 是积分上限函数)
(2) f ( x, y ) 的性质
(i)f(x,y)0
ห้องสมุดไป่ตู้
(i)i
f(x,y)dx d1y

ak
1 n
n i1
xik
由大数定律可知：
bk
1n ni1(xi
x)k
Ak
1n n i1
Xi k
依概率收敛于
E( X k )
.
例1. 从一批相同的电子元件中随机地抽出8个，测得使用
寿命（单位：小时）分别为：2300，2430，2580，2400，
2280，1960，2460，2000，试计算样本均值、样本方差及
n
证 明：设 χ2 X i2 X i ~N (0,1)i1,2,,n i 1 X1,X2,,Xn相互独立,则
E (X i)0 ,D (X i)1 , E (X i2) D (X i) E (X i)21,
E χ2 E n Xi2 n E（X i2） n i1 i1
.
E(Xi4)
1 x4ex22dx3 2π
ψ(x) Γ(Γn2(1)n1Γ 2n(2)n22)(n n1 2)(n n1 2x0)n211
1 x n1
n1n2 2
n2
x0 x0
.
f(x;n1,n2) n1 20
n2 n2 25
n2 10
o
x
.
注意：统计的三大分布的定义、基本性质在后面的
学习中经常用到，要牢记！！
4、上α分位点
例3.设总体X和Y相互独立，同服从 N(0,32 )
分布，而 X1，X2，…, X9 和 Y1，Y2，…, Y9 分别是来自X和Y的简单随机样本，求统计量
U X1X2 X9 的分布. Y12 Y22 Y92
解：Xi ~N(0,9)
9
Xi ~ N(0,81)
i1
9
Xi
i1 ~ N(0,1) 9