连续型随机变量及其概率密度解释.ppt

* * * * * * 指数分布的重要性质 :“无记忆性”. 正态分布是应用最广泛的一种连续型分布。 正态分布是十九世纪初，由高斯(Gauss)给出并推广的一种分布。故，也称高斯分布。 3. 正态分布 这条红色曲线近似我们将要介绍的正态分布 的概率密度曲线。 正态分布概率密度函数的几何特征 正态分布的分布函数 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 标准正态分布的概率密度表示为 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 解 例5 证明 解 例6 例7 证明 证明 令t = -x 例8 假设某地区成年男性的身高(单位: cm) X～N(170,7.692), 求该地区成年男性的身高超过 175cm 的概率。 解: 根据假设 X～N(170 ,7.692)，知 事件{ X 175 }的概率为 解: 设车门高度为 h ，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。 例9 公共汽车车门的高度是按成年男性与车门顶头碰头机会在0.01以下来设计的。设某地区成年男性身高 (单位: cm) X～N(170, ),问车门高度应如何确定? 因为X～N(170,7.692), 求满足 P(X h)≥ 0.99 的最小 h。 故，当汽车门高度为188厘米时，可使男子与车门碰头机会不超过0.01。 例10 设 且 P( 2 X 4 ) = 0.3, 求 P ( X 0 ). 解一 解二 图解法 0.2 由图 0.3 分布函数 三、小结 2. 常见连续型随机变量的分布 均匀分布 正态分布(或高斯分布) 指数分布 正态分布是概率论中最重要的分布 Born: 30 April 1777 in Brunswick, Duchy of Brunswick (now Germany)Died: 23 Feb 1855 in G?ttingen, Hanover (now Germany) Carl Friedrich Gauss Gauss * * * * * * * * * 一、连续型随机变量及其概率密度 二、常见连续型随机变量的分布 三、小结 第4.3节　连续型随机变量 及其概率密度 连续型随机变量 X 所有可能取值充满若干个区间。对这种随机变量，不能象离散型随机变量那样, 指出其取各个值的概率， 给出概率分布。而是用“概率密度函数”表示随机变量的概率分布。 例1 某工厂生产一种零件，由于生产过程中各种随机因素的影响，零件长度不尽相同。现测得该厂生产的100个零件长度(单位: mm)如下: 一 频率直方图 129, 132, 136, 145, 140, 145, 147, 142, 138, 144, 147, 142, 137, 144, 144, 134, 149, 142, 137, 137, 155, 128, 143, 144, 148, 139, 143, 142, 135, 142, 148, 137, 142, 144, 141, 149, 132, 134, 145, 132, 140, 142, 130, 145, 148, 143, 148, 135, 136, 152, 141, 146, 138, 131, 138, 136, 144, 142, 142, 137, 141, 134, 142, 133, 153, 143, 145, 140, 137, 142, 150, 141, 139, 139, 150, 139, 137, 139, 140, 143, 149, 136, 142, 134, 146, 145, 130, 136, 140, 134, 142, 142, 135, 131, 136, 139, 137, 144, 141, 136. 这100个数据中，最小值是128，最大值是155。 作频率直方图的步骤 (1)先确定作图区间 [a, b] ; a = 最小数据-ε/ 2，b = 最大数据+ε/ 2， ε 是数据的精度。 本例中 ε = 1, a = 127.5, b = 155.5 。 (2)确定数据分组数 m = 7，组距 d = (b ? a) / m，子区间端点 ti = a + i d, i = 0, 1, · · · , m； (3) 计算落入各子区间内观测值频数 ni 频率 fi = ni / n， i = 1, 2, · · · ,