EXCEL教程绝对实用.ppt

EXCEL教程绝对实用 二项分布 泊松分布 超几何分布 5.3.5 绘制泊松分布图 5.4 超几何分布 超几何分布（hypergeometric distribution） 用于无放回实验中成功的概率 超几何分布的特征： 离散分布 每个结果只有成功或失败 样本为无放回抽样 总体N是有限的并已知 总体中成功的数目A已知 超几何分布公式： N—总体大小 n —样本大小 A—总体中的成功次数 X—样本中的成功次数（无放回抽取样本法） 超几何分布假设样本空间中剩余的元素被选为样本的几率是一样的。 出现以下情况，可以用二项分布代替超几何分布： 无放回抽取样本，并且n≥5%N 5.4.1 用Excel进行分析 使用Excel函数HYPGEOMDIST ( X, n, A, N ) 例 题 ： 假设美国主要的18家计算机公司中12家位于硅谷，从18家中随机抽取3家，其中至少有一家位于硅谷的概率是多少？ 解答： N=18， n=3，A=12，X≥1 本题包括3种情况：X=1，X=2，X=3。 无放回抽样，n/N=16.6%≥5%，用超几何分布解答 第6章 连续型概率分布 1、理解均匀分布的概念 2、领会正态分布的重要性 3、找出正态分布的问题并知道如何解决这样的问题 4、确定何时使用正态分布函数来近似解决二项分布问题，同时懂得如何解决这样的问题 学习目标： 5、确定何时使用指数分布函数以解决商务中的问题，并知道怎样解决 6.1 均匀概率分布 均匀概率分布（uniform distribution） 又称矩形分布（rectangular distribution ） 对于范围内所有的值都有相同的高度f（X） 均匀分布的概率密度函数： 均匀分布： 6.1.1 计算均匀分布函数的概率 均匀分布的概率（对于连续型分布即区间面积） 例 题 ： 假定组装一塑料组件需要花费的时间为27~39秒，组装时间服从均匀分布，描述这一分布，某一组组装花费的时间为3.~35秒，它的概率是多少？少于30秒的组装概率又是多少 解 答 ： f（X）= 1/(b-a) = 1/(39-27) = 1/12 = (39+27)/2 =33 =3.464 此分布函数高1/12，均值时间33秒，标准差3.464秒 P（30≤X ≤ 35）=（35-30）/（39-27）=0.4167 P（X 30）=（30-27）/（39-27）=0.2500 因为小于27秒的概率为0 6.2 正态分布 正态分布（normal distribution） 人类许多特点的计量符合正态分布，如： 身高、体重、长度、速度、IQ、学习成绩等等 自然界的生物也有许多性质服从正态分布，如： 树木、动物及其它 商业和工业也有许多变量服从正态分布，如： 家居保险年花费、每平方米仓库租金、公司售后服务满意度等 6.2.1 正态分布函数的历史 误差正态曲线的发现，归功于数学家及天文学家卡尔·高斯（1777~1855）。他发现对物体的重复测量产生的误差通常服从正态分布，因此，正态概率分布有时也被称为高斯分布或误差正态曲线。到今天，机器产出品的计量的分布类似高斯分布，它通常会产生一条围绕均值的误差正态曲线。 也有许多人认为法国数学家Abraham de Moivre (1667—1754)是第一个理解正态分布的人，他认为，在有条件的情况下，二项分布近似正态分布，他以相当高的准确度得出这一结论。他出版的正态曲线表值与目前出版的正态曲线表值相差不到1%。 正态分布的性质 ： 连续型分布 对称分布 以轴为渐进线的分布 单峰分布 完整的家族（曲线族） 分布曲线下的面积是1 * * 第5章 离散型分布概率 1、区分离散型随机变量和连续型随机变量 2、确定可以用二项分布描述的统计实验并能计算 3、确定可以用泊松分布描述的统计实验并能计算 4、确定可以用超几何分布描述的统计实验并能计算 学习目标： 5.1 离散型概率分布和连续性概率分布 离散型分布变量（discrete random variable） 随机变量（ random variable ） 连续型分布变量（continuos random variable） 描述实验结果的变量 某变量所有可能值的集合含有有穷个数或可数无穷个数。（大多为非负整数） 某变量是可取区间中的任何值的变量 无间隔 （时间、高度、重量、体积、含量） 一旦对连续型随机变量进行了测量和记录，它就因为四舍五入变成了离散型随机变量，因此商务中所有的数据