t分布f分布与样本均值抽样分布_常用概率分布

数学期望：随机变量的平均取值的大小 一个概率性事件的平均大小：盒子里没球的概率0.01 1个球的概率：0.7 2个球概率0.2，3个球的概率0.09

一个各自最有可能的球数：0.01*0+0.7*1+0.2*2+0.09*3 = 1.37

概率密度： 某种事物发生的概率占总概率1的比例，越大说明密度越大

概率密度分布：某事件发生概率的分布

• 离散型分布：二项分布，泊松分布
• 连续型分布：指数分布，正态分布，卡方分布，t分布，F分布（后三个也属于抽样分布）
• 抽样分布只与自由度有关：即（抽样）样本含量

---

1.二项分布

重复试验：每种结果概率恒定

所有概率组成一个分布：二项分布

2.泊松分布

一个单位（时间，空间，面积等）某稀有事件发生的概率:

所有概率组成一个分布：泊松分布

产生条件：随机事件相继出现：符合平稳性，无后效性，普通性

平稳性：在任意时间区间内，事件发生k次法概率只依赖于区间的长度而与区间端点无关。

无后效性：在不相重叠的时间段内，事件发生是相互独立的。

普通性：如果时间区间充分小，事件出现两次或两次以上的概率可忽略不计。

二项分布在事件发生的概率很小，重复次数很大的情况下，分布接近泊松分布。

---

1. 均匀分布

连续型均匀分布：

可能的结果是连续的，每种可能概率相等

离散型均匀分布：n中可能的结果，每种可能概率相等

2.指数分布

用于表示独立随机事件发生的时间间隔，比如旅客进机场的时间间隔

• 连续性分布，每个点的概率

无记忆性：已经有历史数据，但是发生概率与未发生的事件的发生概率相同

3.正态分布

• 描述一个群体的某个指标
• 指标连续
• 特定指标在整个群体都有一个概率

所有概率组成一个分布：正态分布

中心极限定理：

不论总体的分布形式如何，只有样本（抽样样本）含量n足够大，样本均数的分布近似正态分布，均数与总体均数相等，标准差为 总体标准差/n的开方。

由此：t分布，F分布，卡方分布在抽样样本含量很大时不需要对总体样本是否正态有要求。

4.t分布

• 总体样本为正态分布（抽样样本含量小时：要求为正态分布；较大时由于中心极限定理，近似正态分布，因而差值的概率也呈正态分布，实际上t分布的每条曲线都是正态分布曲线。
• 从总体样本中抽样很多小样本，每个小样本有一个均值，均值与总体均值有差值t，差值用t估计。
• 可能很多差值估计都是t，t出现的次数占所有小样本的比例：概率，所有t值的概率分布：t分布的一个曲线
• 另外做个抽样，每个小样本包含的观测数不同，形成t分布的另外一个曲线。
• t分布只与自由度有关，自由度越大，越接近正态分布，自由度：抽样小样本的具体观测值的个数（抽样样本含量）-1

5.卡方分布（chi square distribution）：

• 从总体样本中抽样很多小样本，观测值平方后求和：卡方，重复抽样获得多个卡方值。
• 可能很多卡方都是相同，相同卡方出现的次数占总次数的比例：概率，所有概率组成的分布：卡方分布的一个曲线。
• 另外做个抽样，选取每个小样本包含的观测数不同，形成卡方分布的另外一个曲线。
• 其余自由度，样本要求同t分布相同，这里也只是将差值换做卡方。
• 卡方的概率密度分布图：

6.F分布

• 两总体样本方差比的分布。
• 抽取两个样本，两个样本的观测数可以相同也可不同，分别计算卡方，新变量F：重复抽样获得多个F值。
• 可能很多F值都是相同，相同F值出现的次数占总次数的比例：概率，所有概率组成的分布：F分布的一个曲线。
• 其余与t分布相同。

t分布：在推算总体平均值时，基于样本平均数的抽样分布。

卡方分布：用样本方差估计总体方差时，必须已知样本方差的抽样方差。

F分布：比较两个总体方差比是否相等时，必须已知样本方差的联合抽样分布。