[常态分布概念.docxVIP

The Normal Distribution 常態分配 定量遺傳學涉及公制特徵，例如植物高度，垃圾尺寸，人體體重，等等。這些特徵被稱為定量的特徵。有很多定量的特徵，它們的次數分怖產生一條鐘型的曲線。 例如，計算果腹果蠅在腹部一些特別部分 (第五腹甲) 的硬毛，Mackay (1984) 發現硬毛的數量根據一條鐘型的曲線變化。 (此為圖示 8.10，由 Hartl 和 Clark 在 1989 年更新。) 在圖示 8.10 的這個配合長條圖的平滑曲線，和常態分佈成正比 (這個曲線並沒有按造階梯狀分割，所以在曲線下方的面積約等於 1 ) 。這個常態分佈的機率密度函數是以兩個參數， 和 表示，它們都可以從資料中判斷得知。這個變數 可以是任何實數，這個變數 是正實數 (我們說明 和 幾乎相等) 。密度函數如下所示： 變數 被稱為期望值，而變數 被稱為標準差。在問題 1中，我們研究這個常態分佈的機率密度函數的形狀 (在圖示 8.11 中的曲線) ，我們將特性收集於此。 [1.] f (x) 在 x = 時對稱 [2.] f (x) 最大值產生在 x = [3.] f (x) 的反曲點產生在 x = - 和 x = + 因為 f (x) 是機率密度函數，所以 f (x) 0????且f (x)dx = 1 到現在我們所擁有的工具，我們並不能證明說機率密度函數正規化到 1 。無論如何，我們可以證明的是平均值就是我們在本章所定義的期望值。也就是說， = xf (x) (我們將會在問題 2 中做這個微積分) 。此外，如果一個隨機變數 X 伴隨著變數 和變數 呈現常態分佈，則 在 $ [ a , b ] $ 中的母體分割 = f (x) = e- (x - )2/2dx 使用基本函數的積分技巧不可能計算這積分。它只能被以數值的方式來被計算。當變數 = 0 和 = 1 的常態分佈的表格，對於 F(x) = e-z2/2dz 列出它們的值 ( F(x) 的表格被列在附錄 B 中) 在此情況下，我們只需有三個值。在期望值為 、標準差為 的常態分佈密度函數下的區域， A(k) ，範圍在 - k 和 + k 之間， k=0、1、2 ，分別是 kA(k)168%295%399%?見圖示 8.12 所以存在隨機變數 X 的分佈是期望值為 、標準偏移量為 的常態分佈時，會有 68% 的分佈機率在與期望值相距一個標準偏移量之內， 95% 的分佈機率在與期望值相距兩個標準偏移量之內， 99% 在與期望值相距三個標準偏移量之內。這個現象描述了標準偏移量的意義：我們所好奇的隨機變數 X 的分散情況。 以上的這些機率也可以用下面的方式描述。隨機變數 X 的分佈是期望值為 、標準差為 的常態分佈時，我們從此分佈中任意取樣，我們取樣的結果會有 68% 的機率落在與期望值相距一個標準偏移量的範圍內。所以，我們可以說隨機變數 X 的範圍在區間 [ - , + ] 之內的機率等於0.68，即可寫成 P(X [ - , + ]) = 0.68 其中 P 代表機率的意思。同樣地 P(X [ - 2, + 2]) = 0.95????且P(X [ - 3, + 3]) = 0.99 利用期望值和標準偏移量來估計機率 例題 1 當隨機變數 X 的期望值 = 4 和標準偏移量 = 1.5 時。我們做一取樣；找出以期望值為中心，使得取樣機率有 95% (還有 99% ) 的區間。 解 因為 95% 的機率區間是在期望值相距兩個標準偏移量之內 (見圖示 8.13) ，所以區間在 [4 - (2)(1.5), 4 + (2)(1.5)] = [1, 7] 我們可以寫成 P(X [1, 7]) = 0.95 同樣地， 99% 的機率區間在 [4 - (3)(1.5), 4 + (3)(1.5)] = [- 0.5, 0.5] 一樣可以寫成 P(X [- 0.5, 0.5]) = 0.99 例題 2 若有一個取樣量以 X 為標誌，是期望值 = 3 、標準偏移量 = 2 的常態分佈，我們選擇取樣為整數時，那取樣值超過 9 的機率是多少？ 解 因為 9 = 3 + 3(2) ，所以我們可以看出機率是在與期望值相距三個標準偏移量之內 (見圖示 8.14) ，也就是說有 99% 的可能在與期望值相距三個標準偏移量之內；反過來說也就是有 1% 的可能在區間 [ - 3, + 3] 之外。再加上因為常態分佈的機率密度函數為對稱於期望值的形式，也就是說比 - 3 更小，或是比 + 3 更大的區域大小相同。所以取樣值超過9的機率為 (1%)/2 = 0.5% 。我們可以寫成 P(X 0.9) = 0.005 例題 3 若有一個取樣量以 X 為標誌呈期望值 和標準偏移量 的常態分佈時，請問取樣值在 + 以下的機率有