R数据处理绘图编程与统计检验要点.pptVIP

我们称μ=0,σ2=1的正态分布为标准正态分布(standard normal distribution)。 标准正态分布的概率密度函数及分布函数分别记作ψ(u)和Φ(u)，由 (4-6)及(4-7) 式得： 随机变量u服从标准正态分布，记作u～N(0，1)， 对于任何一个服从正态分布N(μ,σ2)的随机变量x，都可以通过标准化变换： u=(x-μ)／σ 将 其变换为服从标准正态分布的随机变量u。 u 称 为 标 准 正 态变量或标准正态离差(standard normal deviate)。 三、正态分布的概率计算 （一）标准正态分布的概率计算 设u服从标准正态分布，则 u 在[u1,u2 ）何内取值的概率为： ＝Φ(u2)－Φ(u1) 而Φ(u1)与Φ(u2)可由附表1查得。 U1 U2 例如，u=1.75 ，1.7放在第一列0.05放在第一行 。 在附表1中 ， 1.7所在行与 0.05 所在列相交处的数值为0.95994，即 Φ(1.75)=0.95994 有 时 会 遇 到 给 定 Φ(u) 值 ， 例 如 Φ(u)=0.284， 反过来查u值。这只要在附表1中找到与 0.284 最接近的值0.2843，对应行的第一列数 -0.5， 对应列的第一行数 值 0.07 ，即相应的u值为 u = - 0.57，即 Φ(-0.57)=0.284 如果要求更精确的u值，可用线性插值法计算。 关于标准正态分布，以下几种概率应当熟记： P（-1≤u＜1）=0.6826 P（-2≤u＜2）=0.9545 P（-3≤u＜3）=0.9973 P（-1.96≤u＜1.96）=0.95 P (-2.58≤u＜2.58)=0.99 这表明服从正态分布N(μ,σ2)的随机变量x 在 [ x1 ，x2 ）内取值的概率 ， 等 于服 从 标 准 正 态 分 布 的 随 机 变 量 u 在 [(x1-μ)/σ, (x2-μ)/σ）内取值的概率 。 因此，计算一般正态分布的概率时， 只要将区间的上下限作适当变换(标准化)， 就可用查标准正态分布的概率表的方法求得概率了。 设x服从μ=30.26,σ2=5.102的正态分布，试求P(21.64≤x＜32.98)。 令 则u服从标准正态分布，故 =P(-1.69≤u＜0.53) =Φ(0.53)-Φ(-1.69) =0.7019-0.04551 =0.6564 关于一般正态分布，以下几个概率(即随机变量x落在μ加减不同倍数σ区间的概率)是经常用到的。 P(μ-σ≤x＜μ+σ)=0.6826 P(μ-2σ≤x＜μ+2σ) =0.9545 P (μ-3σ≤x＜μ+3σ) =0.9973 P (μ-1.96σ≤x＜μ+1.96σ) =0.95 P (μ-2.58σ≤x＜μ+2.58σ)=0.99 * 设X服从平均值为1，标准差为2的正态分布（高斯分布），即X ~?N(1, 4)，求P{0X≤1.6} 解：这里X是一个连续型随机变量。求X在某段区间上的概率，用X的分布函数在区间两端的值的差。 方法一：P{0X≤1.6} = P{X≤1.6} - P{X≤0} = F(1.6) – F(0) pnorm(1.6, 1, 2) - pnorm(0, 1, 2) [1] 0.3093739 方法二：转化为标准正态分布。P{x1 X ≤x2}=P{(x1-μ)/σ (X-μ)/σ≤(x1-μ)/σ}=φ((x2-μ)/σ) -φ((x1-μ)/σ) 即P{0X≤1.6}=φ((1.6-1)/2) -φ((0-1)/2) pnorm((1.6-1)/2) - pnorm((0-1)/2) ? #pnorm函数的缺省参数mean=0,sd=1，即默认标准正态分布 [1] 0