统计学 三大分布-经典案例全集讲解学习

几种重要的分布课件
contents
目录
• 正态分布 • 泊松分布 • 二项分布 • 指数分布 • 均匀分布
01
正态分布
定义与特性
定义
正态分布是一种连续概率分布，其概 率密度函数呈钟形，即“钟形曲线” 。
特性
正态分布具有对称性、单峰性和有限 性。它的期望值和方差决定了分布的 形状，而期望值和方差相等的特性被 称为“高斯”或“正态”分布。
计算步骤
首先确定泊松分布的参数λ，然后 使用上述公式计算随机事件发生 的概率。
应用场景
泊松分布在统计学、概率论、保险学、金融等领域有广泛应 用。例如，在保险行业中，泊松分布常用于计算一定时间段 内发生特定事件的概率，如车辆事故次数、保险索赔次数等 。
在生物学和医学领域，泊松分布也常用于描述某些离散事件 的发生概率，如遗传学中的基因突变次数、医学诊断中的失 误次数等。
应用场景
寿命分析
金融领域
在寿命分析中，指数分布常用于描述 电子元件、机器零件等寿命的分布。
在金融领域，指数分布也常用于描述 资产收益率、股票价格等随机变量的 概率分布。
等待时间
在排队论中，指数分布用于描述顾客 等待时间、电话呼叫等待时间等随机 变量的概率分布。
05
均匀分布
定义与特性
定义
均匀分布是一种概率分布，表示随机变 量在一定区间内取值的可能性是相等的 。
特性
指数分布具有无记忆性、无后效性等 特性，常用于描述寿命、等待时间等 随机变量的概率分布。
计算方法
概率密度函数
$f(x) = lambda e^{-lambda x}$，其中 $lambda$是分布的参数。
期望值
$E(X) = frac{1}{lambda}$。

在方差分析中，t分布用于检验 各个组之间的均值是否存在显著
差异。
04
CATALOGUE
卡方分布
卡方分布的定义
定义
卡方分布是一种连续概率分布，描述 了随机变量的取值与自由度的平方之 间的比例关系。
公式
若随机变量X符合卡方分布，则X的概 率密度函数为f(x)=x^(n/2-1)e^(x/2)/2^(n/2)Γ(n/2)，其中n为自由度 ，Γ为伽玛函数。
正态分布
正态分布的定义
01
正态分布是一种连续概率分布， 其概率密度函数呈钟形，对称轴 为均值所在直线，形状由标准差 决定。
02
正态分布是自然界中最常见的分 布形态，许多随机变量都服从或 近似服从正态分布。
正态分布的性质
01
02
03
集中性
正态分布曲线以均值为中 心，两侧分布对称。
均匀性
正态分布曲线是关于标准 差对称的，形状由标准差 决定。
t分布
t分布的定义
定义
t分布（也称为学生t分布）是一种 连续概率分布，其形状由自由度 参数决定。
描述
当数据来自正态分布的总体，且样 本量较小（通常n<30）时，t分布 近似于正态分布。
公式
t分布的密度函数和分布函数可以用 一系列复杂的数学公式来描述。
t分布的性质
形状
峰度
随着自由度的增加，t分布的形状逐渐 接近正态分布。
t分布的峰度大于正态分布的峰度，且 随着自由度的增加而减小。
偏度
t分布通常是偏态的，其偏度随着自由 度的增加而减小。
t分布在统计学中的应用
假设检验
在样本量较小时，t分布在假设 检验中常用作正态分布的替代，
用于检验统计假设。

几种常见的分布
在统计学中，有几种常见的分布模型，包括均匀分布、正态分布、伯努利分 布、泊松分布和指数分布。本课件将详细介绍这些分布的定义、概率密度函 数、特点和示例。
均匀分布
定义
所有取值可能都有相同的概率。
特点
平均数和中位数相等。
概率密度函数
在取值范围内的每个值都有相等的概率。
示例
投掷均匀骰子，每个面的点数是等概率的。
2
布。
表示事件发生等待时间的概率分布。
3
特点
等待时间越长，概率越小。
参数含义
4
参数表示平均等待时间的倒数。5示例连续时间的电话呼叫间隔时间。结语
1 小结
不同的分布模型适用于不同的情况和问题。
2 相关资源
进一步学习更多关于概率分布的知识。
3 Q&A
回答观众的问题，进一步讨论。
正态分布
定义
连续型分布模型，以钟形曲线表示。
标准正态分布
均值为0，标准差为1的正态分布。
Z 分数
用于表示正态分布中的相对位置。
示例
人类身高和智力分布近似于正态分布。
伯努利分布
1
定义
二元分布，仅有两个可能结果。
概率密度函数
2
取值为0或1，表示事件发生成功或失败
的概率。
3
参数含义
概率函数中的参数表示事件成功的概率。
示例
4
抛硬币的结果为正或反。
泊松分布
定义
用于描述单位时间（或单位空间）上某个事件 发生次数的概率模型。
参数含义
参数表示在单位时间（或单位空间）内发生事 件的平均次数。
概率密度函数
描述事件发生次数的概率分布。

7
0.989
1.690 9.803 12.017 14.067 16.013 16.622 18.475 20.278 22.601 24.322
8
1.344
2.180 11.030 13.362 15.507 17.535 18.168 20.090 21.955 24.352 26.124
9
1.735
则称随机变量
t
X
Y /n
服 从 自 由 度 为n 的 t 分 布,
记为 t ~ t(n).
自由度为n的t分布概率密度
f (x)
n 2
n
1
n
1
x2 n
n1 2
2
x
其中 ( ) x 1e x dx 0
是Gamma函数
不同自由度下的t分布密度曲线
0
t 分布密度曲线特点
服从自由度为n 的²分布，记
2 ~ 2 (n)
独立的随机变量的个数n: 自由度
.
²n分布的概率密度
f (x) 2n
1 2 (n
n 1
x -
x2 e 2,
2)
x
0,
0,
x 0.
其中 ( ) x 1e x dx 0
是Gamma函数
²n分布密度曲线
不同自由度下的2 n分布
f(x)
设X服从N(0, 1) 设f(x)是N (0, 1)的密度函数
则
E
X4
x4
f
x
dx
x3
xf
xdx
x 3d
f x
x 3
f x
f
x
d
x3
3
x