概率论第二章第四节重点.pptVIP

例 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 . 由标准正态分布的查表计算可以求得， 这说明，X的取值几乎全部集中在[-3,3]区间 内，超出这个范围的可能性仅占不到0.003. 当X～N(0,1)时， 4、 3 准则 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）. 均匀分布的应用：数值计算中的舍入误差，某一时间间隔内汽车站上乘客到站的时间，等均认为服从均匀分布。 均匀分布的分布函数 a b x F (x) 0 1 [ ] 的分布函数为 则 上的均匀分布, ， 服从区间 若随机变量 X b a X 例设公共汽车站从上午7时起每隔15分钟来一班车,如果某乘客到达此站的时间是 7:00 到7:30之间的均匀随机变量．试求该乘客候车时间不超过5分钟的概率． 解：设该乘客于7时 X 分到达此站． [ ] 上的均匀分布． ， 服从区间 则 30 0 X 令：B ={ 候车时间不超过5分钟 } 例 设随机变量 X 在 [ 2, 5 ]上服从均匀分布, 现对 X 进行三次独立观测 ,试求至少有两次观测值大于3 的概率. X 的密度函数为 设 A 表示“对 X 的观测值大于 3 ”, Y 表示3次独立观测中观测值大于3的次数. 解 则 因而有 例 设随机变量X在任一区间[a,b]上的概率均大于0,?其分布函数为 ?。又Y在[0,1]上服从均匀分布，证明: 的分布函数与X的分布函数相同. 解：因X在任一有限区间[a,b]上的概率均大于0,?故 是单调增加函数，所以其反函数存在，令 于是，Z的分布函数为 ???? 由于 为X的分布函数在 的函数值 ，故0≤ ≤1. 又Y在[0,1]上服从均匀分布，由均匀分布的性质： ? 再由自变量 的任意性，Z与X的分布函数相同. (2) 指数分布 设随机变量X 的概率密度函数为 称随机变量X 服从参数为 l 的指数分布. ( l 0) 指数分布的分布函数： 　　　　　   f(x)及F(x)的图形: 1 0 x F(x) f(x) 0 x 指数分布的重要性质 :“无记忆性”. 证明 而 于是 　　在排队论中它被广泛地用于描绘等待时间,如电话通话时间、各种随机服务系统的服务时间、等待时间等. 若把X解释为寿命，则上式表明：如果已知某人活了 s 年，则他至少再活 t 年的概率与年龄s 无关，所以人们风趣地称指 数分布的这一性质为“永远年轻”，又称“无记忆性”----即把过去的年龄忘记了。 例 设某类日光灯管的使用寿命 X 服从参数为θ=2000的指数分布(单位:小时). (1)任取一只这种灯管, 求能正常使用1000小时以上的概率. (2) 有一只这种灯管已经正常使用了1000 小时以上,求还能使用1000小时以上的概率. X 的分布函数为 解 或是直接利用指数分布的无记忆性： 正态分布是最常见最重要的一种分布,例如 测量误差, 人的生理特征尺寸如身高、体重等 ; 正常情况下生产的产品尺寸:直径、长度、重量 高度等都近似服从正态分布. 正态分布的应用与背景 (3) 正态分布(高斯分布) 正态分布的定义 正态概率密度函数的几何特征 正态分布的分布函数 正态分布下的概率计算 原函数不是 初等函数 方法一:利用统计软件计算 方法二:转化为标准正态分布查表计算 标准正态分布的概率密度表示为 3. 标准正态分布 标准正态分布的分布函数表示为 标准正态分布的图形 查表标准正态分布函数表 (2)由标准正态分布概率密度图形的对称性易知： 即 标准正态分布的重要性在于，任何一个一般的正态分布都可以通过线性变换转化