补充：正态分布资料摘要.pptVIP

数学定律不能百分之百确切地用在 现实生活里；能百分之百确切地用 数学定律描述的，就不是现实生活 Alber Einstein 统计应用买彩不是“押宝” 山东的一打工者为了碰运气，半个小时花去了1000元钱，买了500张即开型福利彩票，结果也没撞上大奖 赢彩的人总是少数。一个博彩投机者和一个博彩业余爱好者相比，他们的动机以及在彩票市场上所花费的时间是不完全一样的。前者把买彩当作“押宝”、“投资”；而后者只是作为一种业余爱好，作为增添生活情趣的方式之一 彩票投资中风险和收益并存，众多彩迷利用闲暇机会纷纷入市，但在彩票市场上不会人人都赚，只有一部分甚至一小部分人大赚，而绝大多数人则是要赔的，这是彩市不变的法则 随机变量(random variables) 一次试验的结果的数值性描述 一般用 X，Y，Z 来表示 例如： 投掷两枚硬币出现正面的数量 根据取值情况的不同分为离散型随机变量和连续型随机变量 离散型随机变量(discrete random variables) 随机变量 X 取有限个值或所有取值都可以逐个列举出来 x1 , x2，… 以确定的概率取这些不同的值 离散型随机变量的一些例子 连续型随机变量(continuous random variables) 可以取一个或多个区间中任何值 所有可能取值不可以逐个列举出来，而是取数轴上某一区间内的任意点 连续型随机变量的一些例子 离散型随机变量的概率分布 列出离散型随机变量X的所有可能取值 列出随机变量取这些值的概率 通常用下面的表格来表示 离散型随机变量的概率分布 (例题分析) 离散型随机变量的概率分布 (例题分析) 离散型随机变量的概率分布 (例题分析) 连续型随机变量的概率分布 连续型随机变量可以取某一区间或整个实数轴上的任意一个值 它取任何一个特定的值的概率都等于0 不能列出每一个值及其相应的概率 通常研究它取某一区间值的概率 用概率密度函数的形式和分布函数的形式来描述 概率密度函数(probability density function) 设X为一连续型随机变量，x 为任意实数，X的概率密度函数记为f(x)，它满足条件 概率密度函数 ? 在平面直角坐标系中画出f(x)的图形，则对于任何实数 x1 x2，P(x1 X? x2)是该曲线下从x1 到 x2的面积 分布函数 (distribution function) 连续型随机变量的概率可以用分布函数F(x)来表示 分布函数定义为 分布函数与密度函数的图示 密度函数曲线下的面积等于1 分布函数是曲线下小于 x0 的面积 正态分布 正态分布(normal distribution) 由C.F.高斯(Carl Friedrich Gauss，1777—1855)作为描述误差相对频数分布的模型而提出 描述连续型随机变量的最重要的分布 许多现象都可以由正态分布来描述 可用于近似离散型随机变量的分布 例如： 二项分布 经典统计推断的基础 概率密度函数 f(x) = 随机变量 X 的频数 ? = 正态随机变量X的均值 ? ?= 正态随机变量X的方差 ? = 3.1415926; e = 2.71828 x = 随机变量的取值 (-? x ?) 正态分布函数的性质 图形是关于x=?对称的钟形曲线，且峰值在x=? 处 均值?和标准差?一旦确定，分布的具体形式也惟一确定，不同参数正态分布构成一个完整的“正态分布族” 均值?可取实数轴上的任意数值，决定正态曲线的具体位置；标准差决定曲线的“陡峭”或“扁平”程度。?越大，正态曲线扁平；?越小，正态曲线越陡峭 当X的取值向横轴左右两个方向无限延伸时，曲线的两个尾端也无限渐近横轴，理论上永远不会与之相交 正态随机变量在特定区间上的取值概率由正态曲线下的面积给出，而且其曲线下的总面积等于1 ? 和? 对正态曲线的影响 正态分布的概率 标准正态分布(standardize the normal distribution) 随机变量具有均值为0，标准差为1的正态分布 任何一个一般的正态分布，可通过下面的线性变换转化为标准正态分布 标准正态分布 标准正态分布表的使用 对于标准正态分布，即Z~N(0,1)，有 P (a? Z?b)? ? ?b? ?? ?a? P (|Z| ?a)? 2? ?a? ?1 对于负的 z ，可由? (-z)???? ?z?得到 对于一般正态分布，即X~N(? , ? )，有 标准化的例子 P(5 ? X ? 6.2) 标准化的例子P(2.9 ? X ? 7.1) 正态分布(例题分析) 5 - * 统计学STATISTICS (第二版) 0,1,2, …,100 0,1,2, … 0,1,