概率论与数理统计 求方差问题 D(X+Y)怎么算？

由X~N（0，4）与Y~N（2，3/4）为正态分布得：
X~N（0，4）数学期望E（X）＝0，方差D（X）＝4；
Y~N（2，3/4）数学期望E（Y）＝2，方差D（Y）＝4/3。
由X，Y相互独立得：
E（XY）＝E（X）E（Y）＝0×2＝0，
D（X＋Y）＝D（X）＋D（Y）＝4×4/3＝16/3，
D（2X－3Y）＝2²D（X）－3²D（Y）＝4×4－9×4/3＝4

扩展资料 :
1. 正态分布性质：
⑴ 一般正态分布记为X~N（μ，σ²），标准正态分布记为X~N（0，1）。
⑵ 一般正态分布转化为标准正态分布:若X~N（μ，σ²），Y＝（X－μ）/σ ~N（0，1）。
⑶ 正态分布数学期望为E（X）＝μ，D（X）＝σ²。
2. 数学期望与方差性质:
设C为一个常数，X和Y是两个随机变量，有如下性质：
⑴ 数学期望性质：
E（C）＝C，E（CX）＝CE（X），E（X＋Y）＝E（X）＋E（Y），在X和Y相互独立时有E（XY）＝E（X）E（Y）。
⑵方差性质：
D（C）＝0，D（CX）＝C²D（X），D（X＋C）＝D（X），在X和Y相互独立时有D（X＋Y）＝D（X）＋D（Y）。
参考资料 :
百度百科_数学期望
百度百科_正态分布
百度百科_方差

【概率统计题】一个班级有n个人（n＜365），求至少两个人在同一天过生日的概率.

总的可能性是365^N 他们中任何两个人的生日都不在同一天的可能性分析; 第一个人可以是365天中的任意一天所以可能性是365,第二个人要求和第二个人生日不同所以生日的可能性是剩下的364天中的一天,有364种可能,以此类推,第N个人生日的可能性是(365-N+1), 所以某房间中有N干个人,他们中任何两个人的生日都不在同一天的概率是365*364*363....(365-N+1)/365^N,

总体分布、样本分布和抽样分布的联系和区别?

总体分布：所有元素出现概率的分布。是简单意义上的随机变量对应的频次分布。总体分布往往是未知的，很多场合不可能获取得对所有个体元素的观察值。当然有些时候可以通过理论计算进行假定。 样本分布：选择的样本在随机变量上的对应的频次分布，样本分布实际上也在趋向总体分布。个人感觉样本分布和总体分布的本质是一样，区别就在于选取的数据不一样，一个是总体（N个），一个是样本（n个） 抽样分布是对样本统计量概率分布的一种描述方式。这个和上面两个是截然不同的概念。虽然统计量也是随机变量，但是本身来说，是经过处理的变量。在使用时需要计算任意n个样本的统计量，然后将数据进行分布查看。由样本n个观察值计算的统计量的概率分布就是抽样分布。

统计学中F值的意义

F值是统计检定值，F检验又叫方差齐性检验。通常用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来估计母体。
结果的统计学意义是结果真实程度的一种估计方法。专业上，p值为结果可信程度的一个递减指标，p值越大，我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代表性的犯错概率。
如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。即假设总体中任意变量间均无关联，重复类似实验，会发现约20个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。
T检验和F检验的关系t检验过程，是对两样本均数(mean)差别的显著性进行检验。惟t检验须知道两个总体的方差(Variances)是否相等。t检验值的计算会因方差是否相等而有所不同。
t检验须视乎方差齐性(Equality of Variances)结果。SPSS在进行t-test for Equality of Means的同时，也要做Levenes Test for Equality of Variances 。

扩展资料
统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。统计学用到了大量的数学及其它学科的专业知识，其应用范围几乎覆盖了社会科学和自然科学的各个领域。
统计学家王见定教授指出：社会统计学描述的是变量，数理统计学描述的是随机变量，而变量和随机变量是两个既有区别又有联系，且在一定条件下可以相互转化的数学概念。
参考资料来源：百度百科-统计学

概率抽样和非概率抽样分别在什么情况下适用

1、概率抽样
又称随机抽样，指在总体中排除人的主观因素，给予每一个体一定的抽取机会的抽样。其特点为，抽取样本具有一定的代表性，可以从调查结果推断总体；操作比较复杂，需要更多的时间，而且往往需要更多的费用。
2、非概率抽样（Non-probability sampling）
又称非随机抽样，指根据一定主观标准抽取样本，令总体中每个个体的被抽取不是依据其本身的机会，而是完全决定于调研者的意愿。
其特点为不具有从样本推断总体的功能，但能反映某类群体的特征，是一种快速、简易且节省的数据收集方法。当研究者对总体具有较好的了解时可以采用此方法。
或是总体过于庞大、复杂，采用概率方法有困难时，可以采用非概率抽样来避免概率抽样中容易抽到实际无法实施或“差”的样本，从而避免影响对总体的代表度。


扩展资料
常用的非概率抽样方法有以下四类：
1、方便抽样（Convenience sampling）
指根据调查者的方便选取的样本，以无目标、随意的方式进行。例如：街头拦截访问（看到谁就访问谁）；个别入户项目谁开门就访问谁。
优点：适用于总体中每个个体都是“同质”的，最方便、最省钱；可以在探索性研究中使用，另外还可用于小组座谈会、预测问卷等方面的样本选取工作。
缺点：抽样偏差较大，不适用于要做总体推断的任何民意项目，对描述性或因果性研究最好不要采用方便抽样。
2、判断抽样（Judgment sampling）
指由专家判断而有目的地抽取他认为“有代表性的样本”。例如：社会学家研究某国家的一般家庭情况时，常以专家判断方法挑选“中型城镇”进行。
也有家庭研究专家选取某类家庭进行研究，如选三口之家（子女正在上学的）；在探索性研究中，如抽取深度访问的样本时，可以使用这种方法。
优点：适用于总体的构成单位极不相同而样本数很小，同时设计调查者对总体的有关特征具有相当的了解（明白研究的具体指向）的情况下，适合特殊类型的研究（如产品口味测试等）；操作成本低，方便快捷，在商业性调研中较多用。
缺点：该类抽样结果受研究人员的倾向性影响大，一旦主观判断偏差，则根易引起抽样偏差；不能直接对研究总体进行推断。
3、配额抽样（Quota sampling）
指先将总体元素按某些控制的指标或特性分类，然后按方便抽样或判断抽样选取样本元素。相当于包括两个阶段的加限制的判断抽样。在第一阶段需要确定总体中的特性分布（控制特征），通常，样本中具备这些控制特征的元素的比例与总体中有这些特征的元素的比例是相同的。
通过第一步的配额，保证了在这些特征上样本的组成与总体的组成是一致的。在第二阶段，按照配额来控制样本的抽取工作，要求所选出的元素要适合所控制的特性。例如：定点街访中的配额抽样。
优点：适用于设计调查者对总体的有关特征具有一定的了解而样本数较多的情况下，实际上，配额抽样属于先“分层”（事先确定每层的样本量）再“判断”（在每层中以判断抽样的方法选取抽样个体）；费用不高，易于实施，能满足总体比例的要求。
缺点：容易掩盖不可忽略的偏差。
4、滚雪球抽样（Snowball sampling）
指先随机选择一些被访者并对其实施访问，再请他们提供另外一些属于所研究目标总体的调查对象，根据所形成的线索选择此后的调查对象。
第一批被访者是采用概率抽样得来的，之后的被访者都属于非概率抽样，此类被访者彼此之间较为相似。例如：如在目前中国的小轿车车主等。
优点：可以根据某些样本特征对样本进行控制，适用寻找一些在总体中十分稀少的人物。
缺点：有选择偏差，不能保证代表性。
参考资料来源：搜狗百科-概率抽样
参考资料来源：搜狗百科-非概率抽样