概率统计分布表(常用)

.

标准正态表

x 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09

0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359

0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753

0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141

0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517

0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879

0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224

0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549

0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852

0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133

0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389

1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621

1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830

1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015

1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177

1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319

1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441

1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545

.

.

.

n\p 0.005 0.010 0.025 0.050 0.100 0.250 0.750 0.900 0.950 0.975 0.990 0.995

1 0.0000 0.000

2 0.0010 0.0039 0.0158 0.1015 1.323

3 2.7055 3.8415 5.0239 6.6349 7.8794

2 0.0100 0.0201 0.0506 0.1026 0.2107 0.5754 2.7726 4.6052 5.9915 7.3778 9.210

3 10.5966

3 0.0717 0.1148 0.2158 0.3518 0.584

4 1.212

5 4.1083 6.2514 7.8147 9.3484 11.3449 12.8382

4 0.2070 0.2971 0.4844 0.7107 1.0636 1.9226 5.3853 7.7794 9.4877 11.1433 13.2767 14.8603

5 0.4117 0.5543 0.8312 1.1455 1.6103 2.674

6 6.625

7 9.2364 11.0705 12.8325 15.0863 16.7496

6 0.675

7 0.8721 1.2373 1.6354 2.2041 3.4546 7.840

8 10.6446 12.5916 14.4494 16.811

9 18.5476

7 0.9893 1.2390 1.6899 2.1673 2.8331 4.2549 9.0371 12.0170 14.0671 16.0128 18.4753 20.2777

8 1.3444 1.6465 2.1797 2.7326 3.4895 5.0706 10.2189 13.3616 15.5073 17.5345 20.0902 21.9550

9 1.7349 2.0879 2.7004 3.3251 4.1682 5.8988 11.3888 14.6837 16.9190 19.0228 21.6660 23.5894

10 2.1559 2.5582 3.2470 3.9403 4.8652 6.7372 12.5489 15.9872 18.3070 20.4832 23.2093 25.1882

11 2.6032 3.0535 3.8157 4.5748 5.5778 7.5841 13.7007 17.2750 19.6751 21.9200 24.7250 26.7568

12 3.0738 3.5706 4.4038 5.2260 6.3038 8.4384 14.8454 18.5493 21.0261 23.3367 26.2170 28.2995

13 3.5650 4.1069 5.0088 5.8919 7.0415 9.2991 15.9839 19.8119 22.3620 24.7356 27.6882 29.8195

14 4.0747 4.6604 5.6287 6.5706 7.7895 10.1653 17.1169 21.0641 23.6848 26.1189 29.1412 31.3193

15 4.6009 5.2293 6.2621 7.2609 8.5468 11.0365 18.2451 22.3071 24.9958 27.4884 30.5779 32.8013

16 5.1422 5.8122 6.9077 7.9616 9.3122 11.9122 19.3689 23.5418 26.2962 28.8454 31.9999 34.2672

17 5.6972 6.4078 7.5642 8.6718 10.0852 12.7919 20.4887 24.7690 27.5871 30.1910 33.4087 35.7185

18 6.2648 7.0149 8.2307 9.3905 10.8649 13.6753 21.6049 25.9894 28.8693 31.5264 34.8053 37.1565 .

.

.

T分布

n\p 0.750 0.800 0.850 0.900 0.950 0.975 0.990 0.995 0.9975 0.9990 0.9995

1 1.0000 1.3764 1.9626 3.0777 6.3138 12.706

2 31.8205 63.6567 127.321

3 318.3088 636.6192

2 0.8165 1.0607 1.3862 1.8856 2.9200 4.3027 6.9646 9.9248 14.0890 22.3271 31.5991

3 0.7649 0.9785 1.2498 1.6377 2.353

4 3.1824 4.5407 5.8409 7.4533 10.214

5 12.9240

4 0.7407 0.9410 1.1896 1.5332 2.1318 2.7764 3.7469 4.6041 5.5976 7.1732 8.6103

5 0.7267 0.9195 1.1558 1.4759 2.0150 2.570

6 3.3649 4.0321 4.7733 5.8934 6.8688

6 0.7176 0.905

7 1.1342 1.439

8 1.9432 2.446

9 3.1427 3.7074 4.3168 5.2076 5.9588

7 0.7111 0.8960 1.1192 1.4149 1.8946 2.3646 2.9980 3.4995 4.0293 4.7853 5.4079

8 0.7064 0.8889 1.1081 1.3968 1.8595 2.3060 2.8965 3.3554 3.8325 4.5008 5.0413

9 0.7027 0.8834 1.0997 1.3830 1.8331 2.2622 2.8214 3.2498 3.6897 4.2968 4.7809

10 0.6998 0.8791 1.0931 1.3722 1.8125 2.2281 2.7638 3.1693 3.5814 4.1437 4.5869

11 0.6974 0.8755 1.0877 1.3634 1.7959 2.2010 2.7181 3.1058 3.4966 4.0247 4.4370

12 0.6955 0.8726 1.0832 1.3562 1.7823 2.1788 2.6810 3.0545 3.4284 3.9296 4.3178

13 0.6938 0.8702 1.0795 1.3502 1.7709 2.1604 2.6503 3.0123 3.3725 3.8520 4.2208

14 0.6924 0.8681 1.0763 1.3450 1.7613 2.1448 2.6245 2.9768 3.3257 3.7874 4.1405

15 0.6912 0.8662 1.0735 1.3406 1.7531 2.1314 2.6025 2.9467 3.2860 3.7328 4.0728

.

.

.

76 0.6777 0.8464 1.0436 1.2928 1.6652 1.9917 2.3764 2.6421 2.8913 3.2010 3.4232

77 0.6777 0.8463 1.0435 1.2926 1.6649 1.9913 2.3758 2.6412 2.8902 3.1995 3.4214

78 0.6776 0.8463 1.0434 1.2925 1.6646 1.9908 2.3751 2.6403 2.8891 3.1980 3.4197

79 0.6776 0.8462 1.0433 1.2924 1.6644 1.9905 2.3745 2.6395 2.8880 3.1966 3.4180

80 0.6776 0.8461 1.0432 1.2922 1.6641 1.9901 2.3739 2.6387 2.8870 3.1953 3.4163

81 0.6775 0.8461 1.0431 1.2921 1.6639 1.9897 2.3733 2.6379 2.8860 3.1939 3.4147

82 0.6775 0.8460 1.0430 1.2920 1.6636 1.9893 2.3727 2.6371 2.8850 3.1926 3.4132

83 0.6775 0.8460 1.0429 1.2918 1.6634 1.9890 2.3721 2.6364 2.8840 3.1913 3.4116

84 0.6774 0.8459 1.0429 1.2917 1.6632 1.9886 2.3716 2.6356 2.8831 3.1901 3.4102

85 0.6774 0.8459 1.0428 1.2916 1.6630 1.9883 2.3710 2.6349 2.8822 3.1889 3.4087

86 0.6774 0.8458 1.0427 1.2915 1.6628 1.9879 2.3705 2.6342 2.8813 3.1877 3.4073

87 0.6773 0.8458 1.0426 1.2914 1.6626 1.9876 2.3700 2.6335 2.8804 3.1866 3.4059

88 0.6773 0.8457 1.0426 1.2912 1.6624 1.9873 2.3695 2.6329 2.8795 3.1854 3.4045

89 0.6773 0.8457 1.0425 1.2911 1.6622 1.9870 2.3690 2.6322 2.8787 3.1843 3.4032

90 0.6772 0.8456 1.0424 1.2910 1.6620 1.9867 2.3685 2.6316 2.8779 3.1833 3.4019 100 0.6770 0.8452 1.0418 1.2901 1.6602 1.9840 2.3642 2.6259 2.8707 3.1737 3.3905 120 0.6765 0.8446 1.0409 1.2886 1.6577 1.9799 2.3578 2.6174 2.8599 3.1595 3.3735

F分布

n\m 1 2 3 5 6 7 8 10 15 20 30

1 39.86 49.50 53.59 55.83 57.24 58.91 59.44 59.86 61.2

2 61.74 62.26

2 8.5

3 9.00 9.16 9.2

4 9.29 9.3

5 9.37 9.38 9.42 9.44 9.46

3 5.5

4 5.46 5.39 5.34 5.31 5.27 5.2

5 5.24 5.20 5.18 5.17 .

常用统计量

统计学基本概念 13.3常用统计量 统计量 设想你参加了一次考试，在知道自己得到了78分后，希望了解自己的成绩在班级上处于什么水平。你会怎样做？ 你对自己未来工作收入的预期是什么？ 定义：设,,,12n X X X 为取自某总体的样本，若样本函数(),,,12n T T X X X = 中不含有任何未知参数，则称T 为统计量。统计量的分布称为抽样分布。********************************************************** 强国知十三数：境内仓口之数，壮男壮女之数，老弱之数，官士之数，以言说取食者之数，利民之数，马牛刍藁之数。欲强国，不知国十三数，地虽利，民虽众，国愈弱至削。国无怨民曰强国。兴兵而伐，则武爵武任，必胜；按兵而农，粟爵粟任，则国富。兵起而胜敌，按兵而国富者，王。 （秦·商鞅《商君书》） 商鞅（前390～前338年），卫国家，思想家，著名法 家代表人物。应秦孝公求贤令入秦，说服秦孝公变法图强。孝公死后，受到贵族诬害以及秦惠文王的猜忌，车裂而死。其在秦执政二十余年，秦国大治，史称“商鞅变法”。 **********************************************************

统计量是对样本的一种加工。常用的统计量有样本均值、样本方差等。 定义设,,,12n X X X 为取自某总体的样本，则12n X X X X n +++= =1 1n i i X n =∑称为样本均值。 定理设,,,12n X X X 是来自某个总体X 的样本，X 为样本均值， （1）若总体()2,~σμN X ，则~,2X N n σμ?? ?? ?；证明：,,,12n X X X 相互独立，()2~,1,2,k X N k n μσ= ()()()1212n n E X E X E X X X X n E n n n μμ++++++??=== ??? ()()()22121222n n Var X Var X Var X X X X n Var n n n n σσ++++++??=== ??? （2）若总体分布不是正态分布，已知()μ=X E ，()2σ=X D ，则n 较大时，X 的渐近分布为??? ? ??n N 2,σμ，常记为~,2X N n σμ?? ??? 。**********************************************************定义设,,,12n X X X 是来自某个总体X 的样本，X 为样本均值，则 ()22 111n i i S X X n ==--∑称为样本方差。定理设总体X 具有二阶中心矩，()μ=X E ，()2Var X σ=<+∞，,,,12n X X X 为来自该总体的样本，X 和2S 分别是样本均值和样本方差，则()22E S σ=。样本方差是总体方差的无偏估计，样本均值是总体期望的无偏估计。**********************************************************

大学概率论与数理统计复习资料

第一章 随机事件及其概率 知识点：概率的性质 事件运算 古典概率 事件的独立性 条件概率 全概率与贝叶斯公式 常用公式 ) ()()()()()2(加法定理AB P B P A P B A P -+= ) ,,() ()(211 1 有限可加性两两互斥设n n i i n i i A A A A P A P ∑===) ,(0 )()()()()(互不相容时独立时与B A AB P B A B P A P AB P ==) ()()()()5(AB P A P B A P B A P -==-) () ()()()(时当A B B P A P B A P B A P ?-==-))0(,,()()/()()()6(211 >Ω=∑=i n n i i i A P A A A A B P A P B P 且的一个划分为其中全概率公式 ) ,,()] (1[1)(211 1 相互独立时n n i i n i i A A A A P A P ∏==--=) /()()/()()()4(B A P B P A B P A P AB P ==) (/)()/()3(A P AB P A B P =) () /()() /()()/()7(1 逆概率公式∑== n i i i i i i A B P A P A B P A P B A P )(/)()(/)()1(S L A L A P n r A P ==

应用举例 1、已知事件,A B 满足)()(B A P AB P =，且6.0)(=A P ，则=)(B P （ ）。 2、已知事件,A B 相互独立，,)(k A P =6.0)(,2.0)(==B A P B P ，则=k （ ）。 3、已知事件,A B 互不相容，,3.0)(=A P ==)(,5.0)(B A P B P 则（ ）。 4、若,3.0)(=A P ===)(,5.0)(,4.0)(B A B P B A P B P （ ）。 5、,,A B C 是三个随机事件，C B ?，事件()A C B - 与A 的关系是（ ）。 6、5张数字卡片上分别写着1，2，3，4，5，从中任取3张，排成3位数，则排成3位奇数的概率是（ ）。 某日他抛一枚硬币决定乘地铁还是乘汽车。 （1）试求他在5:40~5:50到家的概率； （2）结果他是5:47到家的。试求他是乘地铁回家的概率。 解（1）设1A ={他是乘地铁回家的}，2A ={他是乘汽车回家的}， i B ={第i 段时间到家的}，4,3,2,1=i 分别对应时间段5:30~5:40，5:40~5:50，5:50~6:00，6:00以后 则由全概率公式有 )|()()|()()(2221212A B P A P A B P A P B P += 由上表可知4.0)|(12=A B P ，3.0)|(22=A B P ，5.0)()(21==A P A P 35.05.03.04.05.0)(2=?+?=B P （2）由贝叶斯公式 7 4 35.04.05.0)()()|(22121=?== B P B A P B A P 8、盒中12个新乒乓球，每次比赛从中任取3个来用，比赛 后仍放回盒中，求：第三次比赛时取到3个新球的概率。 看作业习题1: 4, 9, 11, 15, 16

概率统计分布表(常用)

标准正态表

2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857 2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890 2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916 2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936 2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952 2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964 2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974 2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981 2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986 3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990 3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993 3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995 3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997 3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998 3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 3.6 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 3.7 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 3.8 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 3.9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000

spss教程常用的数据描述统计：频数分布表等统计学

第二节常用的数据描述统计 本节拟讲述如何通过SPSS菜单或命令获得常用的统计量、频数分布表等。 1．数据 这部分所用数据为第一章例1中学生成绩的数据，这里我们加入描述学生性别的变量“sex”和班级的变量“class”，前几个数据显示如下（图2－2），将数据保存到名为“2-6-1.sav”的文件中。 图2－2：数据输入格式示例 1．Frequencies语句 （1）操作 打开数据文件“2-6-1.sav”，单击主菜单Analyze /Descriptive Statistics / F requencies…，出现频数分布表对话框如图2-3所示。 图2－3：Frequencies定义窗口 把score变量从左边变量表列中选到右边，并请注意选中下方的Display frequency table复选框（要求

显示频数分布表）。如果您只要求得到一个频数分布表，那么就可以点OK按钮了。如果您想同时获得一些统计量，及统计图表，还需要进一步设置。 ①Statistics选项 单击Statistics按钮，打开对话框，请按图2-4自行设置。有关说明如下： （ⅰ）在定义百分位值（percentile value）的矩形框中，选择想要输出的各种分位数，SPSS提供的选项有： ●Quartiles四分位数，即显示25%、50%、75%的百分位数。 ●Cut points equal 把数据平均分为几份。如本例中要求平均分为3份。 Percentile显示用户指定的百分位数，可重复多次操作。本例中要求15%、50%、85%的百分位数。(ⅱ) 在定义输出集中趋势（Central Tendency）的矩形框中，选择想要输出的集中统计量，常用的选项有： ●Mean 算术平均数 ●Median 中数 ●Mode 众数 ●Sum 算术和 （ⅲ）在定义输出离散统计量（Dispersion）的矩形框中，选择想要输出的离散统计量，常用的选项有： ●Std. Deviation 标准差 ●Variance 方差 ●Range 全距 ●Minimum 最小值 ●Maximum 最大值 ●S.E. mean 平均数的标准误 （ⅳ）描述数据分布（Distribution）的统计量 ●Skewness 偏度，非对称分布指数。 ●Kurtosis 峰度，CASE围绕中心点的扩展程度。 另外，频数过程（Frequence）除了能够提供上面常用的统计量外，还可以对分组数据计算百分位数和中数（Values are group midpoints），即对于已经分组的数据，并且数据中的原始数据表示的是组中数的数据计算百分位数的值和中位数。

概率统计分布表(常用)

. 标准正态表 x 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359 0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753 0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141 0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517 0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879 0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224 0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549 0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852 0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133 0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389 1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621 1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830 1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015 1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177 1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319 1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441 1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545 .

大学概率论与数理统计必过复习资料试题解析(绝对好用)

《概率论与数理统计》复习提要第一章随机事件与概率1．事件的关系 2．运算规则（1）（2）（3）（4） 3．概率满足的三条公理及性质：（1）（2）（3）对互不相容的事件，有（可以取）（4）（5） （6），若，则，（7）（8） 4．古典概型：基本事件有限且等可能 5．几何概率 6．条件概率（1）定义：若，则（2）乘法公式：若为完备事件组，，则有（3）全概率公式： （4） Bayes公式： 7．事件的独立 性：独立（注意独立性的应用）第二章随机变量与概率分 布 1．离散随机变量：取有限或可列个值，满足（1），（2）（3）对 任意， 2．连续随机变量：具有概率密度函数，满足（1）（2）； （3）对任意， 4．分布函数，具有以下性质（1）；（2）单调非降；（3）右连续；（4），特别；（5）对离散随机变量，； （6）为连续函数，且在连续点上， 5．正态分布的 概率计算以记标准正态分布的分布函数，则有（1）；（2）；（3） 若，则；（4）以记标准正态分布的上侧分位 数，则 6．随机变量的函数（1）离散时，求的值，将相同的概率相加；（2）连续，在的取值范围内严格单调，且有一阶连续导 数，，若不单调，先求分布函数，再求导。第三章随机向量 1．二维离散随机向量，联合分布列，边缘分布，有（1）；（2 （3）， 2．二维连续随机向量，联合密度，边缘密度，有 （1）；（2）（4）（3）；，3．二维均匀分布，其中为的面积 4．二维正态分布 且； 5．二维随机向量的分布函数有（1）关于单调非降；（2）关 于右连续；（3）；（4），，；（5）；（6）对 二维连续随机向量， 6．随机变量的独立性独立（1） 离散时独立（2）连续时独立（3）二维正态分布独立，且 7．随机变量的函数分布（1）和的分布的密度（2）最大最小分布第四章随机变量的数字特征 1．期望 (1) 离散时 (2) 连续 时， ；，； (3) 二维时， (4)； （5）；（6）；（7）独立时， 2．方差（1）方差，标准差（2）； （3）；（4）独立时， 3．协方差 （1）；；；（2）（3）；（4）时， 称不相关，独立不相关，反之不成立，但正态时等价；（5） 4．相关系数；有， 5．阶原点矩，阶中心矩第五章大数定律与中心极限定理 1．Chebyshev不等式 2．大数定律 3．中心极限定理（1）设随机变量独立同分布， 或，或

第39讲统计量和常用统计量

第39讲统计量与常用统计量

110,,X X 在上一讲例3中，为了估计指数分布的参数，进行抽样观测，得到样本和样本值6394,1105,4717,1399,7952,17424,3275,21639,2360,2896. 样本中包含了许多信息。 对于推断总体的参数或分布而言，有些是有用的，重要的信息，有些则并不重要。上例的样本至少提供了两种信息：1）10个灯泡的平均寿命; 2）灯泡寿命的序号(如6394是第1个).—有用且重要的信息—不重要信息

从样本中提取有用的信息来研究总体的分布及各种特征数.——构造统计量.12,12,,...,,,...,). (n n x x x g x x x 一旦有了样本观察值就可以算出统计量的具体值121212,,...,),,...,),,...,) (, (, (. n n n X X X g X X X g X X X 设为样本若不含任何未知参数则称为统计量统计量：样本的不含任何未知参数的函数。 1210(...)10X X X +++10.6916.1. 比如个灯泡的平均寿命是统计量平均寿命的观测值是小时

常用统计量： 2 21 2 2.,1()1 n i i S X X n S S ==--=∑样本方差样本标准差1 .,11 n i i X X n ==∑样本均值

常用统计量： 1 1 11(3.1,2,...)n k k i i n k k i i A X n B X k k k X n ====-=∑∑ 样本矩阶矩： 阶中心矩：2 2,,,11. Excel X S B 根据样本数据，用计算见实验

常用的统计量抽样分布总结

常用的统计量抽样分布 一．正态分布 1. ∑==n i i X n X 1 1EX → 2. 2 12)(11∑=--=n i i X X n S ][112 1 2∑=--=n i i X n X n DX → 3. 定理： X ～),(2σμN ，n X X X ,,,21 为X 的样本，则 (1). X ～), (2 n N σμ， (2). 2 2 )1(σ S n -～)1(2-n χ, (3). X 与2S 相互独立。 二．2χ分布 1. 定义 设n X X X ,,,21 独立同分布，且～)1,0(N ，则)(~2122 n X n i i χχ∑== 2. 性质： (1). 若X ～)(12n χ，Y ～)(22n χ，且X ,Y 独立，则X +Y ～)(212n n +χ。 (2). 若X ～)(2n χ，则n EX =，2DX n =。 三．t 分布 1. 定义 设X ～)1,0(N ,Y ～)(2n χ，且X ,Y 独立，则n Y X T =～)(n t 。 2. 定理： 设n X X X ,,,21 独立同分布，且～),(2σμN ，则

n S X μ -σ σ μS n X )(-=1 )1() (2 2 ---= n S n n X σσ μ～)1(-n t （因为 n X σ μ-～)1,0(N ， 2 2 )1(σ S n -～)1(2-n χ）。 3. 定理： 设1,,,21n X X X 为总体X ～),(21σμN 的样本， 1,,,21n Y Y Y 为总体Y ～),(22σμN 的样本，且Y X ,独立，则 2 12111)()(n n S Y X w +---μμ～)2(21-+n n t ，其中 2 )1()1(212 2 22112 -+-+-=n n S n S n S w 。 证：因为 2 2 11)1(σ S n -～)1(12 -n χ, 2 2 2 2)1(σ S n -～)1(22-n χ， 所以 2 2 2 2211)1()1(σS n S n -+-～)2(212-+n n χ； 又X ～), (1 2 1n N σμ，Y ～), (2 2 2n N σμ， 所以X Y -～), (2 2 1 2 21n n N σσμμ+ +， 所以 2 12111) ()(n n Y X +---σ μμ～)1,0(N ，所以 2 12111)()(n n S Y X w +---μμ 2 12111) ()(n n Y X +---= σμμ/ )2/()1()1(212 2 2 2211-+-+-n n S n S n σ ～)2(21-+n n t 。

概率统计分布表常用

标准正态表 x 0.00 0.01 0.02 0.03 0.04 0.05 0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289

1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842

概率论与数理统计中的三种重要分布

概率论与数理统计中的三种重要分布 摘要：在概率论与数理统计课程中，我们研究了随机变量的分布，具体地研究了离散型随机变量的分布和连续型随机变量的分布，并简单的介绍了常见的离散型分布和连续型分布，其中二项分布、Poisson 分布、正态分布是概率论中三大重要的分布。因此，在这篇文章中重点介绍二项分布、Poisson 分布和正态分布以及它们的性质、数学期望与方差，以此来进行一次比较完整的概率论分布的学习。 关键词：二项分布；Poisson 分布；正态分布；定义；性质 一、二项分布 二项分布是重要的离散型分布之一，它在理论上和应用上都占有很重要的地位，产生 这种分布的重要现实源泉是所谓的伯努利试验。 （一）泊努利分布[Bernoulli distribution ] (两点分布、0-1分布) 1．泊努利试验 在许多实际问题中，我们感兴趣的是某事件A 是否发生。例如在产品抽样检验中，关心的是抽到正品还是废品；掷硬币时，关心的是出现正面还是反面，等。在这一类随机试验中，只有两个基本事件A 与A ，这种只有两种可能结果的随机试验称为伯努利试验。 为方便起见，在一次试验中，把出现A 称为“成功”，出现A 称为“失败” 通常记(),p A P = () q p A P =-=1。 2．泊努利分布 定义：在一次试验中，设p A P =)(，p q A P -==1)(，若以ξ记事件A 发生的次数， 则??? ? ??ξp q 10 ~，称ξ服从参数为)10(<

《概率统计》公式、符号汇总表

《概率统计》公式、符号汇总表及各章要点 （共3页） 第一章 均独立。 与与与此时独立与B A B A B A B P A P AB P B A B P AB P B A P ,,);()()( ) ()()( (1)?=?= ) () ()()( )()()()()( )3() (1)( )()( A B )()()( )()()()()( )()()()( )2(11A P B P B A P A B P B P B A P B P B A P A P A P A P B P A P AB P A P B A P A P A B P B P B A P AB P AB P B P A P B A P i i i n n ?= ?++?=-=-?-=-?=?=-+= 第二、三章 一维随机变量及分布：X ， i P ， )(x f X ， )(x F X 二维随机变量及分布：),(Y X ， ij P ， ),(y x f ， ),(y x F *注意分布的非负性、规范性 （1）边缘分布：∑ = j ij i p P ，? +∞ ∞ -= dy y x f x f X ),()( （2）独立关系：J I IJ P P P Y X =?独立与 或)()()(y f x f y x f Y X =， ),,(1 1n X X 与),,(21n Y Y 独立),,(1 1n X X f ?与),,(21n Y Y g 独立 （3）随机变量函数的分布（离散型用列表法） 一维问题：已知X 的分布以及)(X g Y =，求Y 的分布-------连续型用分布函数法 二维问题：已知),(Y X 的分布，求Y X Z +=、{}Y X M ,max =、{}Y X N ,min =的分布- ? ? +∞ ∞ -+∞ ∞ --=-= dy y y z f dx x z x f z f Z ),(),()( M 、N 的分布---------连续型用分布函数法 第四章 （1）期望定义：离散：∑= i i i p x X E )( 连续：?? ? +∞∞ -+∞ ∞-+∞ ∞ -= = dxdy y x xf dx x xf X E ),()()( 方差定义：)()(]))([()(2 2 2 X E X E X E X E X D -=-= 离散：∑-=i i i p X E x X D 2 ))(()( 连续：? +∞ ∞ --= dx x f X E x X D X )())(()(2

常用的统计量抽样分布总结

常用的统计量抽样分布 一．正态分布 1. ∑==n i i X n X 1 1EX → 2. 2 12 )(11∑=--=n i i X X n S ][112 1 2∑=--=n i i X n X n DX → 3. 定理： X ～),(2σμN ，n X X X ,,,21Λ为X 的样本，则 (1). X ～), (2 n N σμ， (2). 2 2 )1(σS n -～)1(2-n χ, (3). X 与2S 相互独立。 二．2χ分布 1. 定义 设n X X X ,,,21Λ独立同分布，且～)1,0(N ，则)(~2122 n X n i i χχ∑== 2. 性质： (1). 若X ～)(12n χ，Y ～)(22n χ，且X ,Y 独立，则X +Y ～)(212n n +χ。 (2). 若X ～)(2n χ，则n EX =，2DX n =。 三．t 分布 1. 定义 设X ～)1,0(N ,Y ～)(2n χ，且X ,Y 独立，则n Y X T =～)(n t 。 2. 定理： 设n X X X ,,,21Λ独立同分布，且～),(2σμN ，则

n S X μ -σ σ μS n X )(-=1 )1() (2 2 ---= n S n n X σσ μ～)1(-n t （因为 n X σ μ-～)1,0(N ， 2 2 )1(σS n -～)1(2-n χ）。 3. 定理： 设1,,,21n X X X Λ为总体X ～),(21σμN 的样本， 1,,,21n Y Y Y Λ为总体Y ～),(22σμN 的样本，且Y X ,独立，则 2 12111)()(n n S Y X w +---μμ～)2(21-+n n t ，其中 2 )1()1(212 2 22112-+-+-=n n S n S n S w 。 证：因为 2 2 11)1(σS n -～)1(12 -n χ, 2 2 2 2)1(σS n -～)1(22-n χ， 所以 2 2 2 2211)1()1(σ S n S n -+-～)2(212-+n n χ； 又X ～), (1 2 1n N σμ，Y ～), (2 2 2n N σμ， 所以X Y -～), (2 2 1 2 21n n N σσμμ+ +， 所以 212111) ()(n n Y X + ---σμμ～)1,0(N ，所以 2 12111)()(n n S Y X w +---μμ 2 12111) ()(n n Y X +---= σ μμ/ )2/()1()1(212 2 2 2211-+-+-n n S n S n σ ～)2(21-+n n t 。

概率论与数理统计期末复习重要知识点

概率论与数理统计期末复习重要知识点 第二章知识点： 1.离散型随机变量：设X 是一个随机变量，如果它全部可能的取值只有有限个或可数无穷个，则称X 为一个离散随机变量。 2.常用离散型分布： （1）两点分布（0-1分布）： 若一个随机变量X 只有两个可能取值，且其分布为 12{},{}1(01) P X x p P X x p p ====-<<， 则称X 服从 12 ,x x 处参数为p 的两点分布。 两点分布的概率分布：12{},{}1(01) P X x p P X x p p ====-<< 两点分布的期望：()E X p =；两点分布的方差：()(1)D X p p =- （2）二项分布： 若一个随机变量X 的概率分布由式 {}(1),0,1,...,. k k n k n P x k C p p k n -==-= 给出，则称X 服从参数为n,p 的二项分布。记为X~b(n,p)(或B(n,p)). 两点分布的概率分布：{}(1),0,1,...,. k k n k n P x k C p p k n -==-= 二项分布的期望：()E X np =；二项分布的方差：()(1)D X np p =- （3）泊松分布： 若一个随机变量X 的概率分布为{},0,0,1,2,... ! k P X k e k k λ λλ-==>=，则称X 服从参 数为λ的泊松分布，记为X~P (λ) 泊松分布的概率分布：{},0,0,1,2,... ! k P X k e k k λ λλ-==>= 泊松分布的期望： ()E X λ=；泊松分布的方差：()D X λ= 4.连续型随机变量： 如果对随机变量X 的分布函数F(x)，存在非负可积函数 ()f x ，使得对于任意实数x ，有 (){}()x F x P X x f t dt -∞ =≤=? ，则称X 为连续型随机变量，称 ()f x 为X 的概率密度函数， 简称为概率密度函数。 5.常用的连续型分布：

常用的统计量抽样分布总结

常用的统计量抽样分布 3.定理: X ?N(~；「2 ) , X 1,X 2,…，X n 为X 的样本，则 2 (1). X ?NO,), n 2 (2). ?2 (n-1), a ⑶? X 与S 2 相互独立 二. 2 分布 1. 定义 n 设X 「X 2,…，X n 独立同分布，且?N(0,1)，贝U 2 八 X i 2 ~ 2 (n) i=1 2?性质： (1). 若X ?2 (nJ , Y ?2 (门2)，且X , Y 独立，则X +Y ?20 (2).若 X ?2 (n)，则 EX =n ，DX =2n 。 三. t 分布 1.定义 设X ?N(0,1), Y ?2 (n)，且X , Y 独立, 2. 定理: 设X 「X 2, X 独立同分布，且?N(「2 )，则 1. 2. X 』X 「EX n i 4 S 2 二一、(X i n -1 i 4 -X)2 1 n _ [' X -nX ] > DX n -1 i^ 压)。

t(“-1) (n -1)S 2 ◎2 z /“ —1 3. 定理: 设X i ，X 2， ,X n 为总体X ?N （」1,；「2 ）的样本, 丫1, 丫2, ,丫为总体Y ?N （J,二2 ）的样本，且X,Y 独立，则 2 2 S 2 _ (“1 …1)S ' (“2 1)S 2 S w = 所以（X —?N （0,1），所以 (“1 吊 2(“2—1)S 2 /(“1 “2-2) 计1 t (“「“2 - 2)。 (X - J “ S CJ （因为 a N(0,1)， CT 2 （“ -1））。 （X -丫）-（ 叫-切?"“1 ?2），其中 S w ［丄+丄 n i “2 - 2 证：因为 2 (“1 -1)S 1 (n 1 -1), 2 (“2 -1)S 2 (n 2 - 1), 所以(01 -1)S 12 -(“2 -1)S 2 2 (Ri n 2 2)； 2 N(7，)， “1 Y ?N （」 所以X -Y ?N(S 」2，—， “2

常用的统计量抽样分布总结

常用的统计量抽样分布 总结 WTD standardization office【WTD 5AB- WTDK 08- WTD 2C】

常用的统计量抽样分布 一．正态分布 1. ∑==n i i X n X 1 1EX → 2. 2 12 )(11∑=--=n i i X X n S ][112 1 2∑=--=n i i X n X n DX → 3. 定理： X ～),(2σμN ，n X X X ,,,21 为X 的样本，则 (1). X ～), (2 n N σμ， (2). 2 2 )1(σS n -～)1(2-n χ, (3). X 与2S 相互独立。 二．2χ分布 1. 定义 设n X X X ,,,21 独立同分布，且～)1,0(N ，则)(~2122 n X n i i χχ∑== 2. 性质： (1). 若X ～)(12n χ，Y ～)(22n χ，且X ,Y 独立，则X +Y ～)(212n n +χ。 (2). 若X ～)(2n χ，则n EX =，2DX n =。 三．t 分布 1. 定义 设X ～)1,0(N ,Y ～)(2n χ，且X ,Y 独立，则n Y X T = ～)(n t 。 2. 定理：

设n X X X ,,,21 独立同分布，且～),(2σμN ，则 n S X μ -σ σ μS n X ) (-=1 )1() (2 2 ---= n S n n X σσ μ～)1(-n t （因为 n X σ μ-～)1,0(N ， 2 2 )1(σS n -～)1(2-n χ）。 3. 定理： 设1,,,21n X X X 为总体X ～),(21σμN 的样本， 1,,,21n Y Y Y 为总体Y ～),(22σμN 的样本，且Y X ,独立，则 2 12111)()(n n S Y X w +---μμ～)2(21-+n n t ，其中 2 )1()1(212 2 22112-+-+-=n n S n S n S w 。 证：因为 2 2 11)1(σ S n -～)1(12 -n χ, 2 2 2 2)1(σ S n -～)1(22-n χ， 所以 2 2 2 2211)1()1(σS n S n -+-～)2(212-+n n χ； 又X ～), (1 2 1n N σμ，Y ～), (2 2 2n N σμ， 所以X Y -～), (2 2 1 2 21n n N σσμμ+ +， 所以 2 12111) ()(n n Y X +---σ μμ～)1,0(N ，所以 2 12111)()(n n S Y X w +---μμ

概率统计分布表

概率统计分布表 标准正态表 x 0、00 0、01 0、02 0、03 0、04 0、05 0、06 0、07 0、08 0、09 0、0 0、5000 0、5040 0、5080 0、5120 0、5160 0、5199 0、5239 0、5279 0、5319 0、5359 0、1 0、5398 0、5438 0、5478 0、5517 0、5557 0、5596 0、5636 0、5675 0、5714 0、5753 0、2 0、5793 0、5832 0、5871 0、5910 0、5948 0、5987 0、6026 0、6064 0、6103 0、6141 0、3 0、6179 0、6217 0、6255 0、6293 0、6331 0、6368 0、6406 0、6443 0、6480 0、6517 0、4 0、6554 0、6591 0、6628 0、6664 0、6700 0、6736 0、6772 0、6808 0、6844 0、6879 0、5 0、6915 0、6950 0、6985 0、7019 0、7054 0、7088 0、7123 0、7157 0、7190 0、7224 0、6 0、7257 0、7291 0、7324 0、7357 0、7389 0、7422 0、7454 0、7486 0、7517 0、7549 0、7 0、7580 0、7611 0、7642 0、7673 0、7704 0、7734 0、7764 0、7794 0、7823 0、7852 0、8 0、7881 0、7910 0、7939 0、7967 0、7995 0、8023 0、8051 0、8078 0、8106 0、8133 0、9 0、8159 0、8186 0、8212 0、8238 0、8264 0、8289 0、8315 0、8340 0、8365 0、8389 1、0 0、8413 0、8438 0、8461 0、8485 0、8508 0、8531 0、8554 0、8577 0、8599 0、8621 1、1 0、8643 0、8665 0、8686 0、8708 0、8729 0、8749 0、8770 0、8790 0、8810 0、8830 1、2 0、8849 0、8869 0、8888 0、8907 0、8925 0、8944 0、8962 0、8980 0、8997 0、9015 1、3 0、9032 0、9049 0、9066 0、9082 0、9099 0、9115 0、9131 0、9147 0、9162 0、9177 1、4 0、9192 0、9207 0、9222 0、9236 0、9251 0、9265 0、9279 0、9292 0、9306 0、9319 1、5 0、9332 0、9345 0、9357 0、9370 0、9382 0、9394 0、9406 0、9418 0、9429 0、9441 1、6 0、9452 0、9463 0、9474 0、9484 0、9495 0、9505 0、9515 0、9525 0、9535 0、9545 1、7 0、9554 0、9564 0、9573 0、9582 0、9591 0、9599 0、9608 0、9616 0、9625 0、9633 1、8 0、9641 0、9649 0、9656 0、9664 0、9671 0、9678 0、9686 0、9693 0、9699 0、9706 1、9 0、9713 0、9719 0、9726 0、9732 0、9738 0、9744 0、9750 0、9756 0、9761 0、9767 2、0 0、9772 0、9778 0、9783 0、9788 0、9793 0、9798 0、9803 0、9808 0、9812 0、9817

说明6个基本统计量

说明6个基本统计量（平均数、众数、中位数、极差、方差、标准差） 的数学内涵，学生学习过程中可能产生的困难及主要原因、应对策略； 一.平均数、众数、中位数都是描述一组数据集中趋势的统计量， 它们从不同角度描述一组数据的集中趋势。如某班45名学生在一次考 试的成绩中，平均数为85分，表示全班45名学生的平均成绩为85分； 众数是90分，表示全班得90分的人最多；中位数是87分，表示该班 45名学生成绩中在87分以下和87分以上的数目一样多。 平均数的概念：把一组数据的总和除以这组数据的个数所得的商，叫做这组数据的平均数。 众数：在一组数据中，出现次数最多的数据叫做这组数据的众数。 中位数：将一组数据按大小依次排列，把处在最中间位置的一个数据（或最中间两个数据的平均数）叫做这组数据的中位数。 二.数据的集中趋势只是数据分布的一个特征，它所反映的是数据向 其中心值（平均数）聚集的程度，而各数据之间的差异情况如何呢？这 就需要考察数据的分散程度，也称波动情况。数据的分散程度是数据分 布的另一个重要特征，它所反映的是各个数据远离其中心值的程度，因 此也称离中趋势，极差、方差、标准差就是对数据集散程度所作的描述。 极差概念：是一组数据在最大值与最小值的差，它反映了一组数据的波动范围，是刻画数据离散程度的最简单的统计量。 方差是统计中常用的：是指在一组数据中，各数据与它们的平均数的差的平方的平均数。

标准差：是方差的算数平方根。 方差和标准差都是用来描述一组数据波动情况的特征数，常用来比较两组数据的波动大小，目前所研究的是这两组数据的个数相等、平均数相等或比较接近时的情况；并且二者都是在求出平均数的基础上计算的，也就是说，欲求标准差→需求方差，欲求方差→需求平均数。 三.学生学习时可能产生的困难、原因及措施： 1.概念不能顾名思义，不好理解，如①平均数中的加权平均数，可采取方法： 先重点理解“权”的意思，可联系“权力”，有大小；结合英文“权”的单词weight,表示重量，所以“权”是表示数据重要程度的意思。再理解加权平均数的概念：是不同比重数据的平均数，加权平均数就是把原始数据按照合理的比例来计算。 接下来，举简单例子来运用理解。例如：你的平时成绩是80分，期末考成绩是90分，要计算总的平均成绩，平时占40％、期末占60％的比例来算，所以你的平均成绩是：80×40％+90×60％＝86（分）最后的86就是加权平均数，40％、60％分别为平时和期末的权。再如：你所在小组同学一块儿吃西瓜，有1人吃了7块，另外三人都吃了3块，平均每人吃几块？(7+3*3)/4=4(块），其中的1和3为本题的权。 再总结：“权”可以是整数，可以是小数（分数，百分数），“权”即权重、各个数据所占的比例。 ②方差的概念同样是难点，理解方法：解释如下：在表示各个数据与其平均数的偏离程度时，为了防止正偏差与负偏差的相互抵消，取各