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
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997
3.5 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
3.7 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
3.9 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
n\p 0.005 0.010 0.025 0.050 0.100 0.250 0.750 0.900 0.950
1 0.0000 0.000
2 0.0010 0.0039 0.0158 0.1015 1.323
3 2.7055 3.8415
2 0.0100 0.0201 0.0506 0.1026 0.2107 0.5754 2.7726 4.6052 5.9915
3 0.0717 0.1148 0.2158 0.3518 0.584
4 1.212
5 4.1083 6.2514 7.8147
4 0.2070 0.2971 0.4844 0.7107 1.0636 1.9226 5.3853 7.7794 9.4877
5 0.4117 0.5543 0.8312 1.1455 1.6103 2.674
6 6.625
7 9.2364 11.0705
0.6757 0.8721 1.2373 1.6354 2.2041 3.4546 7.8408 10.6446 12.5916
0.9893 1.2390 1.6899 2.1673 2.8331 4.2549 9.0371 12.0170 14.0671
1.3444 1.6465
2.1797 2.7326
3.4895 5.0706 10.2189 13.3616 15.5073
1.7349
2.0879 2.7004
3.3251
4.1682
5.8988 11.3888 14.6837 1
6.9190
2.1559 2.5582
3.2470 3.9403
4.8652 6.7372 12.5489 1
5.9872 18.3070
2.6032
3.0535 3.8157
4.5748
5.5778 7.5841 13.7007 17.2750 19.6751
3.0738 3.5706
4.4038
5.2260
6.3038 8.4384 14.8454 18.5493 21.0261
3.5650
4.1069
5.0088 5.8919 7.0415 9.2991 15.9839 19.8119 22.3620
4.0747 4.6604
5.6287
6.5706
7.7895 10.1653 17.1169 21.0641 23.6848
4.6009
5.2293
6.2621
7.2609
8.5468 11.0365 18.2451 22.3071 24.9958
5.1422 5.8122
6.9077
7.9616 9.3122 11.9122 19.3689 23.5418 26.2962
5.6972
6.4078
7.5642 8.6718 10.0852 12.7919 20.4887 24.7690 27.5871
6
7
8
9 10 11
12
13
14
15
16
17
6.2648
7.0149
8.2307
9.3905 10.8649 13.6753 21.6049 25.9894 28.8693
6.8440
7.6327
8.9065 10.1170 11.6509 14.5620 22.7178 27.2036 30.1435
7.4338 8.2604 9.5908 10.8508 12.4426 15.4518 23.8277 28.4120 31.4104
8.0337 8.8972 10.2829 11.5913 13.2396 16.3444 24.9348 29.6151 32.6706
8.6427 9.5425 10.9823 12.3380 14.0415 17.2396 26.0393 30.8133 33.9244
9.2604 10.1957 11.6886 13.0905 14.8480 18.1373 27.1413 32.0069 35.1725
9.8862 10.8564 12.4012 13.8484 15.6587 19.0373 28.2412 33.1962 36.4150
10.5197 11.5240 13.1197 14.6114 16.4734 19.9393 29.3389 34.3816 37.6525
11.1602 12.1981 13.8439 15.3792 17.2919 20.8434 30.4346 35.5632 38.8851
11.8076 12.8785 14.5734 16.1514 18.1139 21.7494 31.5284 36.7412 40.1133
12.4613 13.5647 15.3079 16.9279 18.9392 22.6572 32.6205 37.9159 41.3371
13.1211 14.2565 16.0471 17.7084 19.7677 23.5666 33.7109 39.0875 42.5570
18
19
20
21 22 23
24
25
26
27
28
29
13.7867 14.9535 16.7908 18.4927 20.5992 24.4776 34.7997 40.2560 43.7730
14.4578 15.6555 17.5387 19.2806 21.4336 25.3901 35.8871 41.4217 44.9853
15.1340 16.3622 18.2908 20.0719 22.2706 26.3041 36.9730 42.5847 46.1943
15.8153 17.0735 19.0467 20.8665 23.1102 27.2194 38.0575 43.7452 47.3999
16.5013 17.7891 19.8063 21.6643 23.9523 28.1361 39.1408 44.9032 48.6024
17.1918 18.5089 20.5694 22.4650 24.7967 29.0540 40.2228 46.0588 49.8018
17.8867 19.2327 21.3359 23.2686 25.6433 29.9730 41.3036 47.2122 50.9985
18.5858 19.9602 22.1056 24.0749 26.4921 30.8933 42.3833 48.3634 52.1923
19.2889 20.6914 22.8785 24.8839 27.3430 31.8146 43.4619 49.5126 53.3835
19.9959 21.4262 23.6543 25.6954 28.1958 32.7369 44.5395 50.6598 54.5722
20.7065 22.1643 24.4330 26.5093 29.0505 33.6603 45.6160 51.8051 55.7585
21.4208
22.9056 25.2145 27.3256 29.9071 34.5846 46.6916 52.9485 56.9424
30 31
32
33 34 35
36
37
38
39
40
41
T分布
0.75 0.80 0.85 0.90 0.95 0.997 0.999 0.999
0.975 0.990 0.995
p 0 0 0 0 0 5 0 5
A
1.00 1.37 1.96 3.07 6.31 1
2.70 31.82 6
3.65 127.32 318.30 636.61
1
00 64
26
77 38
62
05 67 13
88
92
0.81 1.06 1.38 1.88 2.92 4.302 6.964 9.924 14.089 22.327 31.599 2
65 07 62 56 00 7 6 8 0 1 1
0.76 0.97 1.24 1.63 2.35 3.182 4.540 5.840 10.214 12.924 3 7.4533
49 85 98 77 34 4 7 9 5 0
4 0.74 0.94
1.18 1.53
2.13 2.776
3.746
4.604
5.5976 7.1732 8.6103
42 22.1385 23.6501 25.9987 28.1440 30.7654 35.5099 47.7663 54.0902 58.1240
43 22.8595 24.3976 26.7854 28.9647 31.6255 36.4361 48.8400 55.2302 59.3035
44 23.5837 25.1480 27.5746 29.7875 32.4871 37.3631 49.9129 56.3685 60.4809
45 24.3110 25.9013 28.3662 30.6123 33.3504 38.2910 50.9849 57.5053 61.6562
07 10 96 32 18
1.15
1.47
2.01 2.570
3.364
4.032
4.7733
5.8934 58
59
50
6 9
1
0.72 0.91 5 67
95
6.8688 1.43
1.94
2.446
3.142 98
32
9
7
0.71 0.90 1.13 6 76
57
42
3.707
4.3168
5.2076 4
5.9588 0.71 0.89 1.11 7 11
60
92
1.89
2.364 2.998
3.499
4.0293 4.7853 46
6
5
1.4
1 49
5.4079 1.39
1.85
2.306 2.896 68
95
5
0.70 0.88 1.10 8 64
89
81
3.355
3.8325
4.5008 4
5.0413 1.38
1.83
2.262 2.82
1 30
31 2 4
0.70 0.88 1.09 9 27
34
97
3.249
3.6897
4.2968 8
4.7809 0.69 0.87 1.09 1.37 10
98
91
31
22
1.81
2.228 2.763
3.169
3.5814
4.1437 25
1 8
3
4.5869
0.69 0.87 1.08
1.3
6 11
74
55
77 34
1.79
2.201
2.718
3.105
3.4966
4.0247 59
1
8
4.4370
0.69 0.87 1.08 1.35 1.78 2.178 2.681
3.054
3.4284 3.9296
4.3178
55 26
32
62
23
8 0
5
0.69
0.87
1.07
1.35
1.77
2.160
2.650
3.012
3.3725 3.8520
4.2208
38
02
95
02
09
4
3
3
0.69 0.86
1.07
1.34
1.76
2.144
2.624 2.976
3.3257 3.7874
4.1405 24 81 63 50 13 8 5
8
0.69 0.86
1.07
1.34
1.75
2.131
2.602 2.946
3.2860 3.7328
4.0728 12 62 35 06 31 4 5
7
0.69 0.86
1.07
1.33
1.74
2.119
2.583 2.920
3.2520 3.6862
4.0150 01 47 11 68 59 9 5
8
0.68 0.86
1.06
1.33
1.73
2.109
2.566 2.898
3.2224 3.6458 3.9651 92 33 90 34 96 8 9
2
0.68 0.86
1.06
1.33
1.73
2.100
2.552 2.878
3.1966 3.6105 3.9216
84
20
72
04
41
9
4
4
0.68 0.86
1.06
1.32
1.72
2.093
2.539 2.860
3.1737 3.5794 3.8834 76
10
55 77 91 0 5
9
12
13
14
15
16
17
18
19
0.68 0.86 1.06 1.32 1.72 2.086 2.528 2.845
3.1534 3.5518 3.8495 70 00
40
53
47
3
0.68
0.85
1.06
1.32
1.72
2.079
2.517 2.831
3.1352 3.5272 3.8193
64
91
27
32
07
6
6
4
0.68 0.85
1.06
1.32
1.71
2.073
2.508 2.818
3.1188 3.5050 3.7921 58 83 14 12 71 9 3
8
0.68 0.85
1.06
1.31
1.71
2.068
2.499 2.807
3.1040 3.4850 3.7676 53 75 03 95 39 7 9
3
0.68 0.85
1.05
1.31
1.71
2.063
2.492 2.796
3.0905 3.4668 3.7454 48 69 93 78 09 9 2
9
0.68 0.85
1.05
1.31
1.70
2.059
2.485 2.787
3.0782 3.4502 3.7251 44 62 84 63 81 5 1
4
0.68 0.85
1.05
1.31
1.70
2.055
2.478 2.778
3.0669 3.4350 3.7066
40
57
75
50
56
5
6
7
0.68 0.85
1.05
1.31
1.70
2.051
2.472 2.770
3.0565 3.4210 3.6896 37
51 67 37 33 8 7
7
20
21
22
23
24
25
26
27
0.68 0.85 1.05 1.31 1.70 2.048 2.467 2.763
3.0469 3.4082 3.6739 28
34 46 60 25 1
1
3
0.68 0.85 1.05 1.3
1
29
30 42 53 14 1.69 2.045 2.462 2.756
3.0380 3.3962 3.6594 91 2 0 4
0.68 0.85 1.05 1.3
1
30
28 38 47 04 1.69 2.042 2.457 2.750
3.0298 3.3852 3.6460 73 3 3 0
0.68 0.85 1.05 1.3
31
25 34 41 95 1.69 2.039 2.452 2.744
3.0221 3.3749 3.6335 55 5 8 0
0.68 0.85 1.05 1.3 32
22 30 35 86 1.69 2.036 2.448 2.738
3.0149 3.3653 3.6218 39 9 7 5
0.68 0.85 1.05 1.3
33
20 26 30 77 1.69 2.034 2.444 2.733
3.0082 3.3563 3.6109 24 5 8 3
0.68 0.85 1.05 1.3
34
18 23 25 70 1.69 2.032 2.441 2.728
3.0020 3.3479 3.6007 09 2 1 4
0.68 0.85 1.05 1.3
35
16 20 20 62 1.68 2.030 2.437 2.723
2.9960
3.3400 3.5911 96 1 7 8
0.68 0.85 1.05 1.30 1.68 2.028 2.434 2.719
36 2.9905 3.3326 3.5821
14 17 16 55 83
0.68 0.85 1.05 1.3
37
12 14 12 49 1.68 2.026 2.431 2.715
2.9852
3.3256 3.5737 71 2 4 4
0.68 0.85 1.05 1.3
38
10 12 08 42 1.68 2.024 2.428 2.711
2.9803
3.3190 3.5657 60 4 6 6
39
40 0.68 0.85 1.05 1.30 1.68 2.022 2.425
08 09 04 36 49
2.707
2.9756
3.3128 3.5581
9
0.68 0.85 1.05 1.30 1.68 2.021 2.423
07 07 00 31 39
2.704
2.9712
3.3069 3.5510
5
0.68 0.85 1.04 1.3
41
05 05 97 25 1.68 2.019 2.420 2.701
2.9670
3.3013 3.5442 29 5 8 2
0.68 0.85 1.04 1.3
42
04 03 94 20 1.68 2.018 2.418 2.698
2.9630
3.2960 3.5377 20 1 5 1
0.68 0.85 1.04 1.3
43
02 01 91 16 1.68 2.016 2.416 2.695
2.9592
3.2909 3.5316 11 7 3 1
0.68 0.84 1.04 1.30 1.68 2.015 2.414 2.692
2.9555
3.2861 3.5258
01
99
88
11
02
4
1
3
0.68
0.84
1.04
1.30
1.67
2.014
2.412 2.689
2.9521
3.2815 3.5203
00
97
85
06
94
1
1
6
0.67 0.84
1.04
1.30
1.67
2.012
2.410 2.687
2.9488
3.2771 3.5150 99 95 83 02 87 9 2
0.67
0.84
1.04
1.29
1.67
2.011
2.408 2.684
2.9456
3.2729 3.5099
97
93
80
98
79
7
3
6
0.67 0.84
1.04
1.29
1.67
2.010
2.406 2.682
2.9426
3.2689 3.5051 96 92 78 94 72 6 6
2
0.67
0.84
1.04
1.29
1.67
2.009
2.404 2.680
2.9397
3.2651 3.5004
95
90
75
91
66
6
9
0.67
0.84
1.04
1.29
1.67
2.008
2.403 2.677
2.9370
3.2614 3.4960
94
89
73
87
59
6
3
8
0.67 0.84
1.04
1.29
1.67
2.007
2.401 2.675
2.9343
3.2579 3.4918 93
87 71 84 53 6 7
7
44
45
46
47
48
49
50
51
0.67 0.84 1.04 1.29 1.67 2.006 2.400 2.673
52 2.9318 3.2545 3.4877
92 86 69 80 47 7
0.67 0.84 1.04 1.2
9
53
91 85 67 77 1.67 2.005 2.398 2.671
2.9293
3.2513
41 7 8 8
3.4838
0.67 0.84 1.04 1.2
9
54
91 83 65 74 1.67 2.004 2.397 2.670
2.9270
3.248
36 9 4 0
3.4800
0.67 0.84 1.04 1.2
9
55
90 82 63 71 1.67 2.004 2.396 2.668
2.9247
3.245
30 0 1 2
3.4764
0.67 0.84 1.04 1.2 56
89 81 61 69 1.67 2.003 2.394 2.666
2.9225
3.2423
25 2 8 5
3.4729
0.67 0.84 1.04 1.2
9
57
88 80 59 66 1.67 2.002 2.393 2.664
2.9204
3.2395
20 5 6 9
3.4696
0.67 0.84 1.04 1.2
9
58
87 79 58 63 1.67 2.001 2.392 2.663
2.9184
3.2368
16 7 4 3
3.4663
0.67 0.84 1.04 1.2
9
59
87 78 56 61 1.67 2.001 2.391 2.661
2.9164
3.2342
11 0 2 8
3.4632
0.67 0.84 1.04 1.2
9
60
86 77 55 58 1.67 2.000 2.390 2.660
2.9146
3.2317 3.4602 06 3 1 3
0.67 0.84 1.04 1.2
9
61
85 76 53 56 1.67 1.999 2.389 2.658
2.9127
3.2293 3.4573 02 6 0 9
0.67 0.84 1.04 1.2
9
62
85 75 52 54 1.66 1.999 2.388 2.657
2.9110
3.2270 3.4545 98 0 0 5
0.67 0.84 1.04 1.2
9
63
84 74 50 51 1.66 1.998 2.387 2.656
2.9093
3.2247 3.4518 94 3 0 1
0.67 0.84 1.04 1.2
9
64
83 73 49 49 1.66 1.997 2.386 2.654
2.9076
3.2225
3.4491 90 7 0 9
0.67 0.84 1.04 1.2
9
65
83 72 48 47 1.66 1.997 2.385 2.653
2.9060
3.2204 3.4466 86 1 1 6
0.67 0.84 1.04 1.2
9
66
82 71 46 45 1.66 1.996 2.384 2.652
2.9045
3.2184
3.4441 83 6 2 4
0.67 0.84 1.04 1.2
9
67
82 70 45 43 1.66 1.996 2.383 2.651
2.9030
3.2164 3.4417 79 0 3 2
0.67 0.84 1.04 1.29 1.66 1.995 2.382 2.650
68 2.9015 3.2145 3.4394
69
70
81 69 44 41 76
0.67 0.84 1.04 1.29
1.6
6
81 69 43 39 72
0.67 0.84 1.04 1.29
1.6
6
80 68 42 38 69
0.67 0.84 1.04 1.29 1.6
6
71
80 67 41 36 66
0.67 0.84 1.04 1.2
72
79 66 40 34
0.67 0.84 1.04 1.2
9
73
79 66 38 33
0.67 0.84 1.04 1.2
9
74
78 65 37 31
0.67 0.84 1.04 1.2
9
75
78 64 36 29
5 4 1
1.994
2.381 2.649
2.9001
3.2126 3.4372 9 6 0
1.994
2.380 2.647
2.8987
3.2108 3.4350 4 8 9
1.993
2.380 2.646
2.8974
3.2090 3.4329 9 0 9
1.66 1.993
2.379 2.645
2.8961
3.2073 3.4308 63 5 3 9
1.66 1.993
2.378 2.644
2.8949
3.2057 3.4289 60 0 5 9
1.66 1.992
2.377 2.643
2.8936
3.2041 3.4269 57 5 8 9
1.66 1.992
2.377 2.643
2.8924
3.2025 3.4250 54 1 1 0
0.67 0.84 1.04 1.29 1.66 1.991 2.376 2.642
2.8913
3.2010 3.4232 77 64
36
28
52
7 4
1
0.67
0.84
1.04
1.29
1.66
1.991
2.375 2.641
2.8902
3.1995 3.4214
77
63
35
26
49
3
8
2
0.67 0.84
1.04
1.29
1.66
1.990
2.375 2.640
2.8891
3.1980 3.4197 76 63 34 25 46 8 1
3
0.67 0.84
1.04
1.29
1.66
1.990
2.374 2.639
2.8880
3.1966 3.4180 76 62 33 24 44 5 5
5
0.67 0.84
1.04
1.29
1.66
1.990
2.373 2.638
2.8870
3.1953 3.4163 76 61 32 22 41 1 9
7
0.67 0.84
1.04
1.29
1.66
1.989
2.373 2.637
2.8860
3.1939 3.4147 75 61 31 21 39 7 3
9
0.67 0.84
1.04
1.29
1.66
1.989
2.372 2.637
2.8850
3.1926 3.4132
75
60
30
20
36
3
7
1
0.67 0.84
1.04
1.29
1.66
1.989
2.372 2.636
2.8840
3.1913 3.4116 75
60
29 18 34 0 1
4
76
77
78
79
80
81
82
83
0.67 0.84 1.04 1.29 1.66 1.988 2.371 2.635
2.8831
3.1901 3.4102 74 59
29
17
32
6 6
6
0.67
0.84
1.04
1.29
1.66
1.988
2.371 2.634
2.8822
3.1889 3.4087
74
59
28
16
30
3
9
0.67 0.84
1.04
1.29
1.66
1.987
2.370 2.634
2.8813
3.1877 3.4073 74 58 27 15 28 9 5
2
0.67 0.84
1.04
1.29
1.66
1.987
2.370 2.633
2.8804
3.1866 3.4059 73 58 26 14 26 6 0
5
0.67 0.84
1.04
1.29
1.66
1.987
2.369 2.632
2.8795
3.1854 3.4045 73 57 26 12 24 3 5
9
0.67 0.84
1.04
1.29
1.66
1.987
2.369 2.632
2.8787
3.1843 3.4032 73 57 25 11 22 0 0
2
0.67 0.84
1.04
1.29
1.66
1.986
2.368 2.631
2.8779
3.1833 3.4019
72
56
24
10
20
7
5
6
0.67
0.84
1.04
1.29
1.66
1.984
2.364 2.625
2.8707
3.1737 3.3905 70 52 18 01 02 0 2
9
84
85
86
87
88
89
90
10 0
12 0.67 0.84 1.04 1.28 1.65 1.979 2.357 2.617
2.8599
3.1595 3.3735
3
0.90
39.8
6
49.
50
53.59
55.8
3
57.24
59.4 61.2
2
61.74
62.2
6
58.91
4
59.86
9.0
8.53
9.16 9.24 9.29 9.35 9.37 9.38 9.42 9.44 9.46
5.4
5.54
6
5.39 5.34 5.31 5.27 5.25 5.24 5.20 5.18 5.17
65 46 09 86 77 4
F分布
10 15 20 30
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
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
概率统计公式大全(复习重点)汇总
第一章随机事件和概率 （1）排列组合公式 )! ( ! n m m P n m- =从m个人中挑出n个人进行排列的可能数。 )! (! ! n m n m C n m- =从m个人中挑出n个人进行组合的可能数。 （2）加法和乘法原理加法原理（两种方法均能完成此事）：m+n 某件事由两种方法来完成，第一种方法可由m种方法完成，第二种方法可由n种方法来完成，则这件事可由m+n 种方法来完成。 乘法原理（两个步骤分别不能完成这件事）：m×n 某件事由两个步骤来完成，第一个步骤可由m种方法完成，第二个步骤可由n 种方法来完成，则这件事可由m×n 种方法来完成。 （3）一些常见排列重复排列和非重复排列（有序）对立事件（至少有一个） 顺序问题 （4）随机试验和随机事件如果一个试验在相同条件下可以重复进行，而每次试验的可能结果不止一个，但在进行一次试验之前却不能断言它出现哪个结果，则称这种试验为随机试验。试验的可能结果称为随机事件。 （5）基本事件、样本空间和事件在一个试验下，不管事件有多少个，总可以从其中找出这样一组事件，它具有如下性质： ①每进行一次试验，必须发生且只能发生这一组中的一个事件； ②任何事件，都是由这一组中的部分事件组成的。 这样一组事件中的每一个事件称为基本事件，用ω来表示。 基本事件的全体，称为试验的样本空间，用Ω表示。 一个事件就是由Ω中的部分点（基本事件ω）组成的集合。通常用大写字母A，B，C，…表示事件，它们是Ω的子集。 Ω为必然事件，?为不可能事件。 不可能事件（?）的概率为零，而概率为零的事件不一定是不可能事件；同理，必然事件（Ω）的概率为1，而概率为1的事件也不一定是必然事件。 （6）事件的关系与运算①关系： 如果事件A的组成部分也是事件B的组成部分，（A发生必有事件B发生）：B A? 如果同时有B A?，A B?，则称事件A与事件B等价，或称A等于B：A=B。 A、B中至少有一个发生的事件：A B，或者A+B。 属于A而不属于B的部分所构成的事件，称为A与B的差，记为A-B，也可表示为A-AB或者B A，它表示A发生而B不发生的事件。 A、B同时发生：A B，或者AB。A B=?，则表示A与B不可能同时发生，称 事件A与事件B互不相容或者互斥。基本事件是互不相容的。 Ω-A称为事件A的逆事件，或称A的对立事件，记为A。它表示A不发生的
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：
随机变量及其分布考点总结
第二章 随机变量及其分布 复习 一、随机变量. 1. 随机试验的结构应该是不确定的.试验如果满足下述条件： ①试验可以在相同的情形下重复进行；②试验的所有可能结果是明确可知的，并且不止一个；③每次试验总是恰好出现这些结果中的一个，但在一次试验之前却不能肯定这次试验会出现哪一个结果. 它就被称为一个随机试验. 2. 离散型随机变量：如果对于随机变量可能取的值，可以按一定次序一一列出，这样的随机变量叫做离散型随机变量.若ξ是一个随机变量，a ，b 是常数.则b a +=ξη也是一个随机变量.一般地，若ξ是随机变量，)(x f 是连续函数或单调函数，则)(ξf 也是随机变量.也就是说，随机变量的某些函数也是随机变量. 3、分布列：设离散型随机变量ξ可能取的值为： ,,,,21i x x x ξ取每一个值),2,1( =i x 的概率p x P ==)(ξ，则表称为随机变量ξ的概率分布，简称ξ的分布列. 121i 注意：若随机变量可以取某一区间内的一切值，这样的变量叫做连续型随机变量.例如：]5,0[∈ξ即ξ可以取0～5之间的一切数，包括整数、小数、无理数. 典型例题： 1、随机变量ξ的分布列为(),1,2,3(1) c P k k k k ξ== =+……，则P(13)____ξ≤≤= 2、袋中装有黑球和白球共7个，从中任取两个球都是白球的概率为1 7 ，现在甲乙两人从袋中轮流摸去一 球，甲先取，乙后取，然后甲再取……，取后不放回，直到两人中有一人取到白球时终止，用ξ表示取球的次数。（1）求ξ的分布列（2）求甲取到白球的的概率 3、5封不同的信，放入三个不同的信箱，且每封信投入每个信箱的机会均等，X 表示三哥信箱中放有信件树木的最大值，求X 的分布列。 4 已知在全部50人中随机抽取1人抽到喜爱打篮球的学生的概率为5 ． （1）请将上面的列联表补充完整； （2）是否有99.5％的把握认为喜爱打篮球与性别有关？说明你的理由； （3）已知喜爱打篮球的10位女生中，12345,,A A A A A ，，还喜欢打羽毛球，123B B B ，，还喜欢打乒乓球，12C C ，还喜欢踢足球，现再从喜欢打羽毛球、喜欢打乒乓球、喜欢踢足球的女生中各选出1名进行其他方面的调查，求1B 和1C 不全被选中的概率． (参考公式：2 ()()()()() n ad bc K a b c d a c b d -=++++，其中n a b c d =+++)
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
常见统计量
?一、T检验 ?用途：?比较两组数据之间的差异 前提：正态性，?方差?齐次性，独?立性 假设：H0: μ0=μ1 H1: μ0≠μ1 SPSS中对应?方法： 1、单样本T检验（One-sample Test） （1）??目的：检验单个变量的均值与给定的某个常数是否?一致。 （2）判断标准：p<0.05;t>1.98即认为是有显著差异的。 2、独?立样本T检验（Independent-Samples T Test） （1）??目的：检验两个独?立样本均值是否相等。 （2）判断标准：p<0.05;t>1.98即认为是有显著差异的。 3、配对样本T检验（Paired-Samples T Test） （1）??目的：检验两个配对样本均值是否相等。 （2）判断标准：p<0.05;t>1.98即认为是有显著差异的。 ! ?二、?方差分析 ?用途：?比较多组数据之间的差异 前提：正态性，?方差?齐次性，独?立性 假设：H0: μ0=μ1=…… H1: μ0，μ1，……不全相等 SPSS中对应?方法： 1、单因素?方差分析（One-way ANOVA） （1）??目的：检验由单?一因素影响的多组样本均值差异。 （2）判断标准：p>0.05;t<1.98即认为是有显著差异的。 （3）特别说明：可以进?一步使?用LSD，Tukey?方法检验两两之间的差异。 2、多因素?方差分析（Univariate） （1）??目的：检验由多个因素影响的多组样本均值差异。 （2）判断标准：p>0.05;t<1.98即认为是有显著差异的。 （3）特别说明：可以进?一步使?用LSD，Tukey?方法检验两两之间的差异。! 三、?非参数检验 ?用途：?比较多组数据之间的差异，独?立性等
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 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 =， ),,(11n X X Λ与),,(21n Y Y Λ独立),,(11n X X f Λ?与),,(21n Y Y g Λ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 ,m ax =、{}Y X N ,m in =的分布- 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 协方差定义：)()()())]())(([(),(Y E X E XY E Y E Y X E X E V X COV -=--= 相关系数定义：) ()(),(Y D X D Y X COV XY = ρ K 阶原点矩定义：)( K k X E ?μ K 阶中心矩定义：]))([( K k X E X E -?σ （2）性质：
常用统计量及其应用
第四章 常用统计量及其应用 第一节 平均数与标准差的概念 一、平均数 反映一组性质相同的观测值的平均水平或集中趋势的统计量，其数学定义为 n x 1= ∑=n i i x 1 平均数在一定程度上代表一组数据的整体水平，体育工作中，常用这一概念来反映事物的某些特征。 例如，某中学的体育平均达标率，学生的平均身高，年龄某地区高考体育加试平均分数等等。 二、标准差 样本平均数描述数据的集中趋势，反映样本数据的平均水平。但是，平均数对整体的代表性是有条件的。 例如，吉斯莫先生经营一家工厂，规模不大，现欲招聘一名工人，汤姆先生参加面试，老板告诉他，本厂全体人员的工资入平均每人每周300元，汤姆一听，欣然接受，上班一天后，来找老板，声称受骗，老板算了一笔帐，汤姆听了无话可说。 平均工资 300元／周 说明：该厂平均工资尽管较高，但由于各个工资相差太大，平均数对整体的代表性较差。这就说明在实际应用中，仅有平均数是不够的，还要考虑到数据的离散程度。在数据相对比较集中时，平均数才具有代表性。 反映样本离散程度的统计量，称之为标准差 设样本观测值为21,x x …,n x 平均数为x ，看看如何来定量计算标准差？ 样本的离散程度自然是相对平均数x 而言的为此构造出 )(1 x x i n i -∑ =
但上式各项有正有负，正负抵消 )(1 x x i n i -∑ =＝0 所以要反映离散程度的大小可以让上式各项加以绝对值或求平方，但带绝对值后不便于处理，所以，选择后者从而有 21 )(x x i n i -∑ = 上式与样本含量的大小有关，所以，求平均的 n 121 )(x x i n i -∑ = 在实际应用中，上式对总体离散程度的估计往往偏小若以自由度（1-n ）代替n ，则是无偏的因此，构造 221 ?)(11s x x n i n i =--∑= 上式中2 s 称为样本方差，还原成原来的量纲 则有 21 )(11x x n S i n i --= ∑= S 称为标准差，反映样本的离散程度。 结束语： 样本平均数反映样本数据的整体水平，但是要结合标准差，标准差反映样本数据的离散程度对于运动成绩，表现为成绩的稳定性。 第6次课（3学时） 教学目的：通过本次课的教学，使学生了解平均数和标准差在体育中的具体应用，掌握利用 平均数和标准差制定评分评价标准的方法。 教学内容：平均数和标准差在体育中的应用 1．标准百分 2．累进计分 3．离差法制定评价标准 ４．在制定离差评价表中的应用 教学重点：１．标准百分和累进计分的计分思想 ２．离差评价表的制定过程
统计学第5-6章 正态分布 统计量其抽样分布
第5-6章 统计量及其抽样分布 5.1正态分布 5.1.1定义:当一个变量受到大量微小的、独立的随机因素影响时，这个变量一般服从正态分布或近似服从正态分布。 概率密度曲线图 例如：某个地区同年龄组儿童的发育特征：身高、体重、肺活量等 某一条件下产品的质量 如果随机变量X 的概率密度为 22 ()21 (),2x f x e x μσπσ --=-∞<<∞ 则称X 服从正态分布。 记做 2 (,)X N μσ:，读作：随机变量X 服从均值为μ，方差为2 σ的正态分布 其中， μ-∞<<∞，是随机变量X 的均值，0σ>是是随机变量X 的标准差 5.1.2正态密度函数f(x)的一些特点： ()0f x ≥,即整个概率密度曲线都在x 轴的上方。 曲线 ()f x 相对于x μ=对称，并在 x μ=处达到最大值，
1 () 2 fμ πσ = 。 1 μ＜ 2 μ＜ 3 μ 曲线的陡缓程度由 σ 决定：σ越大，曲线越平缓；σ越小，曲线越陡峭当 x 趋于无穷时，曲线以x轴为其渐近线。 标准正态分布 当 0,1 μσ == 时， 2 2 1 () 2 x f x e π - = ， x -∞<<∞ 称 (0,1) N 为标准正态分布。
标准正态分布的概率密度函数： ()x ? 标准正态分布的分布函数： ()x Φ 任何一个正态分布都可以通过线性变换转化为标准正态分布 设 2 (,) X Nμσ : ,则 (0,1) X Z N μ σ - =: 变量 2 11 (,) X Nμσ :与变量2 22 (,) Y Nμσ :相互独立,则有 22 1212 +(+,+) X Y Nμμσσ : 5.1.3 正态分布表：可以查的正态分布的概率值()1() x x Φ-=-Φ 例：设 (0,1) X N :，求以下概率 （1） ( 1.5) P X< (2) (2) P X> (3) (13) P X -<≤
概率统计分布表(常用)
标准正态表 x0.000.010.020.030.040.050.060.070.080.09 0.00.50000.50400.50800.51200.51600.51990.52390.52790.53190.5359 0.10.53980.54380.54780.55170.55570.55960.56360.56750.57140.5753 0.20.57930.58320.58710.59100.59480.59870.60260.60640.61030.6141 0.30.61790.62170.62550.62930.63310.63680.64060.64430.64800.6517 0.40.65540.65910.66280.66640.67000.67360.67720.68080.68440.6879 0.50.69150.69500.69850.70190.70540.70880.71230.71570.71900.7224 0.60.72570.72910.73240.73570.73890.74220.74540.74860.75170.7549 0.70.75800.76110.76420.76730.77040.77340.77640.77940.78230.7852 0.80.78810.79100.79390.79670.79950.80230.80510.80780.81060.8133 0.90.81590.81860.82120.82380.82640.82890.83150.83400.83650.8389
1.00.84130.84380.84610.84850.85080.85310.85540.85770.85990.8621 1.10.86430.86650.86860.87080.87290.87490.87700.87900.88100.8830 1.20.88490.88690.88880.89070.89250.89440.89620.89800.89970.9015 1.30.90320.90490.90660.90820.90990.91150.91310.91470.91620.9177 1.40.91920.92070.92220.92360.92510.92650.92790.92920.93060.9319 1.50.93320.93450.93570.93700.93820.93940.94060.94180.94290.9441 1.60.94520.94630.94740.94840.94950.95050.95150.95250.95350.9545 1.70.95540.95640.95730.95820.95910.95990.96080.96160.96250.9633 1.80.96410.96490.96560.96640.96710.96780.96860.96930.96990.9706 1.90.97130.97190.97260.97320.97380.97440.97500.97560.97610.9767 2.00.97720.97780.97830.97880.97930.97980.98030.98080.98120.9817 2.10.98210.98260.98300.98340.98380.98420.98460.98500.98540.9857 2.20.98610.98640.98680.98710.98750.98780.98810.98840.98870.9890 2.30.98930.98960.98980.99010.99040.99060.99090.99110.99130.9916 2.40.99180.99200.99220.99250.99270.99290.99310.99320.99340.9936 2.50.99380.99400.99410.99430.99450.99460.99480.99490.99510.9952 2.60.99530.99550.99560.99570.99590.99600.99610.99620.99630.9964