1、Bivariate normal distribution(双变量正态分布)Possion distribution(泊松分布) Binomial distribution(二项分布)正态分布(Normal Distribution) 数据的分布类型由两个特点决定:- Skewness: to identify the symmetry of the distribution- Kurtosis: to identify the peakedness of distribution Symmetry: normal distributionSkewness Non-symmetry: skew
2、ed distribution Leptokurtic: normal peak Kurtosis Platykurtic: flatter than normal Mesokurtic: more peaked than normalSkewed distributionPositively skewed distributionNegatively skewed distribution 三、 正态分布是重要的数据分布类型- 正态分布是数理统计方法的理论基础- 尽管许多数据服从正态分布,但它并非是常见的分布类型- 正态分布的分布图形如下,具备两个重要特征-Symmetrical (对称性)
3、-Bell-shaped (钟型峰) 正态分布的特点1f(x)0,曲线永远在X轴的上方2. 以均数为中心,左右对称3有两个参数决定了正态分布的位置和形状 - 均数():决定分布的位置(左右) - 方差(2):决定分布形状(胖瘦)4正态分布曲线下的面积具有规律性+1.96-1.9695%2.5%曲线下面积-1.00- +1.0068.27%-1.96- +1.96-2.58- +2.5899%- - +100% 标准正态分布 目的:去除单位的影响,标准化形成统计用表,方便应用 标准化后的结果:=0;=1可通过查阅统计用表,获得曲线下的面积-1.00- +1.00-1.96- +1.96-2.58
4、- +2.58 正态分布的应用1 参考值范围的估计- 确定推论群体- 确定研究对象的样本量- 确定单双测- 确定范围所包含的大小:80%,955,99%- 考察异常数据的分布特点2 正态分布是数理统计学中其他重要分布的基础理论分布,如F分布,t分布,2分布等四、二项分布 二项分布的数据要求:1随机事件的结果只有两种,但在试验之前无法预料2若一种结果发生的概率为,则另一结果的发生概率为1-3一个观察单位发生的结果不影响其他观察单位的结果(事件独立性)如:治疗结果:存活-死亡;患病情况:患病-未患病 二项分布的概率密度函数 含义:一次试验中恰有x个阳性的概率。为二项展开式中的某一项:三只动物染毒后
5、的结果(以死亡作为阳性结果=0.8)概率具体死亡情况组合3只存活0只死亡P(0)A活 B活 C活1只死亡2只存活P(1)A死 B活 C活A活 B死 C活A活 B活 C死2只死亡1只存活P(2)A死 B死 C活A死 B活 C死A活 B死 C死3只死亡0只存活P(3)A死 B死 C死 二项分布图形(见书)样本率p的总体均数为 p的总体方差为 p的总体标准差为 泊松分布(Poisson Distribution)- 可以看作是二项分布的特例 (=0,1 )- 主要研究观察单位很大,而阳性结果很小的的事件- 常用来研究单位面积(体积,时间等)发生阳性情况的问题- 要求事件的发生是独立的- 均数等于方差- 泊松分布就有可加性如果X 1, X 2 , , X k相互独立,且它们分别服从以,为参数的 Poisson分布,则T= X 1+ X 2+ X k也服从Poisson分布,其参数为+。
copyright@ 2008-2023 冰点文库 网站版权所有
经营许可证编号:鄂ICP备19020893号-2