概率统计22.pptVIP

正态分布由它的两个参数μ和σ唯一确定， 当μ和σ不同时，是不同的正态分布. 标准正态分布 下面我们介绍一种最重要的正态分布 一种重要的正态分布 是偶函数，分布函数记为 其值有专门的表供查. —— 标准正态分布N (0,1) 密度函数 -x x 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为 标准正态分布. 根据定理,只要将标准正态分布的分布函数制成表，就可以解决一般正态分布的概率计算问题. ,则 ~N(0,1) 设 对一般的正态分布 ：X ~ N ( ? ,? 2) 其分布函数 作变量代换 例 附表4 例 设 X ~ N(1,4) , 求 P (0 ? X ? 1.6) 解 附表4 例 例 3? 原理 设 X ~ N ( ? , ? 2), 求 解 一次试验中, X 落入区间( ? - 3? , ? +3? ) 的概率为 0.9974, 而超出此区间可能性很小 由3? 原理知， 当 标准正态分布的上 ? 分位数 u? 设 X ~ N (0,1) , 0 ? 1, 称满足 的点 u? 为X 的上? 分位数 z? ? 常用数据 例7 设测量的误差 X ~ N(7.5,100)(单位:米) 问要进行多少次独立测量，才能使至 少有一次误差的绝对值不超过10米的 概率大于0.9 ? 解 设 A 表示进行 n 次独立测量至少有一次 误差的绝对值不超过10米 n 3 故至少要进行 4 次独立测量才能满足 要求. 例 高斯曾经说过：“数学是上帝的语言”。所以要想更加深入地理解正态分布的美，唯有通过上帝的语言。造物主造物的准则往往是简单明了的，只是在纷繁芜杂的万物之中，我们要发现并领会它并非易事。之前提到过，十七、十八世纪科学界流行的做法，是尽可能从某种简单明了的准则(first principle)出发作为科学探求的起点；而后来的数学家和物理学家们的研究发现，屡次从一些给定的简单的准则出发，我们总是被引领到了正态分布的家门口，这让人感觉到正态分布的美妙。误差分布 * §2.2 连续型随机变量及其分布 连续型随机变量X所有可能取值充满一个区间, 对这种类型的随机变量, 不能象离散型随机变量那样, 以指定它取每个值概率的方式, 去给出其概率分布, 而是通过给出所谓“概率密度函数”的方式. 下面我们就来介绍对连续型随机变量的描述方法. 一. 连续型随机变量 定义 设 X 是随机变量, 若存在一个非负 可积函数 f ( x ), 使得 其中F ( x )是它的分布函数 则称 X 是 连续型 r.v. ，f ( x )是它的概率 密度函数( p.d.f. )，简记为d.f. x f ( x) x F ( x ) 分布函数与密度函数 几何意义 p.d.f. f ( x )的性质 在 f ( x ) 的连续点处， 判定函数 f (x)是否 为r.vX的概率密度 函数的充要条件. f (x) x o 面积为1 注意: 概率为0 (1) 的事件未必不发生(发生) 连续型r.v取任一指定值的概率为0 即： a为任一指定值 这是因为 需要指出的是: 由P(A)=0, 不能推出 由P(B)=1, 不能推出 B = S 对于连续型 r.v. X b x f ( x) a x f ( x) a 由上述性质可知，对于连续型随机变量， 关心它在某一点取值的问题没有太大的意义； 我们所关心的是它在某一区间上取值的问题． 二. 常见连续型随机变量的分布 (1) 均匀分布 若 X 的 d.f. 为 则称 X 服从区间( a , b)上的均匀分布 记作 X 的分布函数为 即 X 落在(a,b)内任何长为 d – c 的小区间的 概率与小区间的位置无关, 只与其长度成正 比. 这正是几何概型的情形. x f ( x) a b x F( x) b a 例 (2) 指数分布 若 X 的d.f. 为 则称 X 服从 参数为 ? 的指数分布 记作 X 的分布函数为 ?? 0 为常数 1 x F( x) 0 x f ( x) 0 应用场合 用指数分布描述的实例有： 随机服务系统中的服务时间 电话问题中的通话时间 无线电元件的寿命 动物的寿命 指数分布 常作为各种“寿命” 分布的近似 若 X ~Ｅ(?),则 故又把指数分布称为“永远年轻”的分布 指数分布的“无记忆性” 事实上 命题 例 有没有更简便方法？ (3) 正态分布 若X 的 d.f. 为 则称 X 服从参数为 ? , ? 2