05第5章概率与概率分布.pptVIP

第 5 章 概率与概率分布 §5.4.4 正态分布 正态分布 在北京市场上的精制盐很多是一公斤袋装，上面标有“净含量1kg”的字样。但当你用稍微精确一些的天平称那些袋装盐的重量时，会发现有些可能会重些，有些可能会轻些；但都是在1kg左右。多数离1kg不远，离1kg越近就越可能出现，离1kg越远就越不可能。 一般认为这种重量分布近似地服从最常用的正态分布(normal distribution，又叫高斯分布，Gaussian distribution)。 正态分布 近似地服从正态分布的变量很常见，象测量误差、商品的重量或尺寸、某年龄人群的身高和体重等等。 在一定条件下，许多不是正态分布的样本均值在样本量很大时，也可用正态分布来近似。 正态分布(normal distribution) 1. 描述连续型随机变量的最重要的分布 2. 可用于近似离散型随机变量的分布 例如: 二项分布 3. 经典统计推断的基础 正态分布 正态分布的密度曲线是一个对称的钟型曲线（最高点在均值处）。正态分布也是一族分布，各种正态分布根据它们的均值和标准差不同而有区别。 一个正态分布用N(m,s)表示；其中m为均值，而s为标准差。也常用N(m,s2)来表示，这里s2为方差（标准差的平方）。 正态分布 标准差为1的正态分布N(0, 1)称为标准正态分布(standard normal distribution)。 任何具有正态分布N(m,s)的随机变量X都可以用简单的变换（减去其均值m，再除以标准差s）：Z=(X-m)/s，而成为标准正态随机变量。这种变换和标准分数的意义类似。 ? 和? 对正态曲线的影响 概率密度函数 f(x) = 随机变量 X 的频数 ?? = 总体方差 ? =3.14159; e = 2.71828 x = 随机变量的取值 (-? x ?) ? = 总体均值 正态分布函数的性质 概率密度函数在x 的上方，即f (x)0 正态曲线的最高点在均值?，它也是分布的中位数和众数 正态分布是一个分布族，每一特定正态分布通过均值?的标准差?来区分。 ?决定曲线的高度，?决定曲线的平缓程度，即宽度 正态分布函数的性质 曲线f(x)相对于均值?对称，尾端向两个方向无限延伸，且理论上永远不会与横轴相交 正态曲线下的总面积等于1 随机变量的概率由曲线下的面积给出 正态分布 当然，和所有连续变量一样，正态变量落在某个区间的概率就等于在这个区间上，密度曲线下面的面积。 比如，标准正态分布变量落在区间(0.51,1.57)中的概率，就是在标准正态密度曲线下面在0.51和1.57之间的面积。 很容易得到这个面积等于0.24682；也就是说，标准正态变量在区间(0.51,1.57)中的概率等于0.24682。如果密度函数为f(x)，那么这个面积为积分 正态分布 我们有必要引进总体的下侧分位数、上侧分位数以及相应的尾概率的概念。 对于连续型随机变量X，a下侧分位数（又称为a分位数，a-quantile）定义为数xa，它满足关系 正态分布 而a上侧分位数（又称a上分位数，a-upper quantile）定义为数xa，它满足关系 正态分布 对于非连续型的分布，分位数的定义稍微复杂一些； 显然，对于连续分布，a上侧分位数等于(1－a)下侧分位数，而(1－a)下侧分位数等于a上侧分位数。 正态分布 通常用za表示标准正态分布的a上侧分位数，即对于标准正态分布变量Z，有P(Zza)=a。 图4.6表示了0.05上侧分位数za=z0.05及相应的尾概率（a=0.05）。 正态分布的概率 标准正态分布(standardize the normal distribution) 一般的正态分布取决于均值?和标准差 ? 计算概率时 ，每一个正态分布都需要有自己的正态概率分布表，这种表格是无穷多的 若能将一般的正态分布转化为标准正态分布，计算概率时只需要查一张表 标准正态分布函数 任何一个一般的正态分布，可通过下面的线性变换转化为标准正态分布 标准正态分布 标准正态分布表的使用 将一个一般的转换为标准正态分布 计算概率时 ，查标准正态概率分布表 对于负的 x ，可由? (-x)???? ?x?得到 对于标准正态分布，即X~N(0,1)，有 P (a? X ?b)? ? ?b? ?? ?a? P (|X| ?a)? 2? ?a? ?1 对于一般正态分布，即X~N(? , ?)，有 标准化的例子 P(5 ? X ? 6.2) 标准化的例子P(2.9 ? X ? 7.1) 正态分布(例题分析) 正态分布 (例题分析) 用Excel计算正态分布的概率值 标准正态分布： 函数NormsDist(z) 正态分布 (例题分析) 3σ准则