数学：1.5 正态分布（旧人教高三理）.pptVIP

1.5 正态分布 正态分布 在上一小节中，我们作出了100个产品尺寸的频率分布直方图，并指出了当样本容量无限增大时，这个频率分布直方图无限接近于如图1－3所示的一条总体密度曲线． 产品尺寸是一类典型的总体，对于成批生产的产品，如果生产条件正常并稳定，即工艺、设备、技术、操作、原料、环境等条件都相对稳定，而且不存在产生系统误差的明显因素，那么，产品尺寸的总体密度曲线就是或近似地是以下函数的图象： 式中的实数μ、σ(σ0)是参数，分别表示总体的平均数与标准差，这个总体是有无限容量的抽象总体，其分布叫做正态分布．正态分布由参数，唯一确定．因此，正态分布常记作N(μ，σ2)．①的图象被称为正态曲线．图1－4中画出了三条正态曲线：（1）μ=－1，σ=0.5；（2）μ=0，σ =1；（3）μ=1，σ =2．正态曲线具有两头低、中间高、左右对称的基本特征． 在实际中遇到的许多随机现象都服从或近似服从正态分布．例如： 生产中，在正常生产条件下各种产品的质量指标（如电子管的使用寿命、电容器的电容量、零件的尺寸、铁水的含碳量、纤维的纤度、……）一般都服从正态分布． 在测量中，测量结果一般可以表示为ξ=a+η. 其中a表示被测量的量的真值（未知常数），η表示测量的随机误差，ξ和η一般都服从正态分布． 在气象中，某地每年七月份的平均气温、平均湿度以及降雨量等，水文中的水位，也都服从或近似服从正态分布． 总之，正态分布广泛存在于自然现象、生产及科学技术的许多领域之中．正态分布在概率和统计中占有重要地位． 在函数①中，当μ=0，σ =1时，正态总体称为标准正态总体，这时相应的函数表示式是 从图1－4看到，正态曲线具有以下性质： 由于标准正态曲线关于y轴对称，表中仅给出了对应于非负值x0的值Ф(x0)．如果x00，那么由图1－6（2）中两个阴影部分面积相等知Ф(x0)=1－Ф(－x0) 利用这个表，可求出标准正态总体在任一区间(x1，x2)内取值的概率．例如它在 (－1，2)内取值的概率是 P=Ф(2)－Ф(－1)= Ф(2)－{1－Ф[－(－1)]} =Ф(2)+Ф(1)－1=0.9772+0.8413－1 =0.818 5． 一般的正态总体N(μ,σ2)均可以化成标准正态总体N(0，1)来进行研究．事实上，可以证明，对任一正态总体N(μ,σ2)来说，取值小于x的概率F(x)=Ф( )． 例1．分别求正态总体N(μ,σ2)在区间(μ－σ, μ+σ)，(μ－2σ, μ+2σ)，(μ－3σ, μ+3σ)内取值的概率． 所以正态总体N(μ, σ2)在(μ－σ，μ +σ)内取值的概率是 同理，正态总体N(μ，σ 2)在的(μ－2σ，μ +2σ)内取值的概率是 下面以正态总体为例，说明统计中常用的假设检验方法的基本思想． 我们从上表看到，正态总体在(μ－2σ, μ+2σ)以外取值的概率只有4.6％，在(μ－3σ, μ+3σ)以外取值的概率只有0.3％，由于这些概率值很小，通常称这些情况发生为小概率事件．也就是说，通常认为这些情况在一次试验中几乎是不可能发生的． 我们来看一个例子．假设工人制造的零件尺寸在正常情况下服从某种分布．为便于说明，不妨假设它服从正态分布 N(μ,σ 2)，那么从上面知道，零件尺寸在(μ－3σ, μ+3σ)内取值的概率为99.7％，即零件尺寸落在(μ－3σ, μ+3σ)以外的概率只有0.3％． 这是一个小概率事件．它表明在大量重复试验中，平均每抽取1000个零件，属于这个范围以外的零件尺寸只有3个．因此在一次试验中，零件尺寸在(μ－3σ, μ+3σ)以外是几乎不可能发生的，而如果这种事件一旦发生，即产品尺寸a满足|a－μ|≥3σ， 我们就有理由认为这时制造的产品尺寸服从正态分布N(μ,σ2)的假设是不成立的，它说明生产中可能出现了异常情况，比如可能原料、刀具、机器出了问题，或可能工艺规程不完善，或可能工人操作时精力不集中、未遵守操作规程等，需要停机检查，找出原因，以将生产过程重新控制在一种正常状态，从而及时避免继续生产废、次品，保证产品的质量． 上面控制生产过程的方法，运用了统计中假设检验的基本思想：根据小概率事件在一次试验中几乎不可能发生的原理和从总体中抽测的个体的