正态分布详解分析.ppt

将上述结论推广到一般的正态分布, 时， 可以认为，Y 的取值几乎全部集中在 区间内. 这在统计学上称作“3 准则” （三倍标准差原则）. 上一讲我们已经看到，当n很大，p接近0或1时，二项分布近似泊松分布; 如果 n很大，而p不接近于0或1，那么可以证明，二项分布近似于正态分布. 下面我们不加证明地介绍有关二项分布近似于正态分布的一个定理，称为棣莫佛－拉普拉斯定理. 它是第五章要介绍的中心极限定理的一个最重要的特殊情况. 六、二项分布的正态近似 定理(棣莫佛－拉普拉斯定理） 设随机变量 服从参数n, p(0p1)的二项分布，则对任意x，有 定理表明，当n很大，0p1是一个定值时（或者说，np(1-p)也不太小时），二项变量 的分布近似正态分布 N(np,np(1-p)). 二项分布的正态近似 实用中，n 30， np 10时正态近似的效果较好. 见教学软件中的计算机演示 例1 将一枚硬币抛掷10000次，出现正面5800次，认为这枚硬币不均匀是否合理? 试说明理由. 解: 设X为10000次试验中出现正面的次数， 采用正态近似, np=5000, np(1-p)=2500, 若硬币是均匀的， X~B(10000，0.5), 近似正态分布N(0,1). 即 =1-Φ(16) ≈0 此概率接近于0，故认为这枚硬币不均匀是合理的 . P(X≥5800) =1-P(X5800) 近似正态分布N(0,1). 例2 公共汽车车门的高度是按男子与车门 顶头碰头机会在0.01以下来设计的.设男子 身高X～N(170,62),问车门高度应如何确定? 解: 设车门高度为h cm,按设计要求 P(X≥ h)≤0.01 或 P(X h)≥ 0.99， 下面我们来求满足上式的最小的 h. 再看一个应用正态分布的例子: 因为X～N(170,62), 故 P(X h)= 0.99 查表得 (2.33)=0.99010.99 所以 =2.33, 即 h=170+13.98 184 设计车门高度为 184厘米时，可使 男子与车门碰头 机会不超过0.01. P(X h ) 0.99 求满足 的最小的 h . 这一讲，我们介绍了正态分布，它的应用极为广泛，在本课程中我们一直要和它打交道. 后面第五章中，我们还将介绍为什么这么多随机现象都近似服从正态分布 . 正态分布是应用最广泛的一种连续型分布. 正态分布在十九世纪前叶由高斯加以推广，所以通常称为高斯分布. 德莫佛 德莫佛最早发现了二项概率的一个近似公式，这一公式被认为是正态分布的首次露面. 不知你们是否注意到街头的一种赌博活动? 用一个钉板作赌具。 街头 请看 也许很多人不相信，玩这种赌博游戏十有八九是要输掉的，不少人总想碰碰运气，然而中大奖的概率实在是太低了。 下面我们在计算机上模拟这个游戏： 街头赌博 高尔顿钉板试验 平时，我们很少有人会去关心小球下落位置的规律性，人们可能不相信它是有规律的。一旦试验次数增多并且注意观察的话，你就会发现，最后得出的竟是一条优美的曲线。 高 尔 顿 钉 板 试 验 这条曲线就近似我们将要介绍的正态分布的密度曲线。 正态分布的定义是什么呢？ 对于连续型随机变量，一般是给出它的概率密度函数。 一、正态分布的定义 若r.v X的概率密度为 记作 f (x)所确定的曲线叫作正态曲线. 其中 和 都是常数， 任意， 0， 则称X服从参数为 和 的正态分布. 正态分布有些什么性质呢？ 由于连续型随机变量唯一地由它的密度函数所描述，我们来看看正态分布的密度函数有什么特点。 正态分布 请看演示 二、正态分布 的图形特点 正态分布的密度曲线是一条关于 对称的钟形曲线. 特点是“两头小，中间大，左右对称”. 决定了图形的中心位置， 决定了图形中峰的陡峭程度. 正态分布 的图形特点 能不能根据密度函数的表达式，得出正态分布的图形特点呢？ 容易看到，f(x)≥0 即整个概率密度曲线都在x轴的上方; 故f(x)以μ为对称轴，并在x=μ处达到最大值: 令x=μ+c, x=μ-c (c0), 分别代入f (x), 可得 f (μ+c)=f (μ-c) 且 f (μ+c) ≤f (μ), f (μ-c)≤f (μ) 这说明曲线 f(x)向左右伸展时，越