概率论论文正态分布.docVIP

哈尔滨工业大学 正态分布初探 课程：概率论与数理统计 姓名：林海奇 院系：英才学院飞行器设计与工程 班级：1236005 学号：6121820510 指导老师：王勇 二零一三年十一月三十 正态分布初探 林海奇 （哈尔滨工业大学 飞行器设计与工程） 摘要：正态分布（Normal distribution）又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、方差为σ^2的高斯分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。一：正态分布的发展历史 正态分布是最重要的一种概率分布。正态分布概念是由德国的数学家和天文学家Moivre于1733年首次提出的，但由于德国数学家Gauss率先将其应用于天文学家研究，故正态分布又叫高斯分布。高斯是一个伟大的数学家，重要的贡献不胜枚举。现今德国10马克的印有高斯头像的钞票，其上还印有正态分布的密度曲线。这在高斯的一切科学贡献中，其对人类文明影响最大者，就是这一项。在高斯刚作出这个发现之初，也许人们还只能从其理论的简化上来评价其优越性，其全部影响还不能充分看出来。这要到20世纪正态小样本理论充分发展起来以后。拉普拉斯很快得知高斯的工作，并马上将其与他发现的中心极限定理联系起来，为此，他在即将发表的一篇文章（发表于1810年）上加上了一点补充，指出如若误差可看成许多量的叠加，根据他的中心极限定理，误差理应有高斯分布。这是历史上第一次提到所谓“元误差学说”——误差是由大量的、由种种原因产生的元误差叠加而成。后来到1837年，海根（G.Hagen）在一篇论文中正式提出了这个学说。定义：若随机变量服从一个位置参数为尺度参数为的概率分布，且其概率密度函数为 则这个随机变量就称为正态随机变量，正态随机变量服从分布就称为正态分布，记，读作服从，或服从正态分布。 当时，正态分布就成为标准正态分布 正态分布的概率密度函数曲线呈钟形，因此人们又经常称之为钟形曲线。 服从正态分布的变量的频数分布由μ、σ完全决定。集中性：正态曲线的高峰位于正中央，即均数所在的位置。对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。 正态分布有两个参数，即均数μ和标准差σ，可记作μ, σ^2)，均数μ决定正态曲线的中心位置；标准差σ决定正态曲线的陡峭或扁平程度。σ越小，曲线越陡峭；σ越大，曲线越扁平。 u变换：为了便于描述和应用，常将正态变量作数据转换。μ是正态分布的位置参数，描述正态分布的集中趋势位置。正态分布以X=μ为对称轴，左右完全对称。正态分布的均数、中位数、众数相同，均等于μ。 σ描述正态分布资料数据分布的离散程度，σ越大，数据分布越分散，σ越小，数据分布越集中。也称为是正态分布的形状参数，σ越大，曲线越扁平，反之，σ越小，曲线越瘦高。 图表 1 不同标准差σ的正态分布示意 3）面积分布 实际工作中，正态曲线下横轴上一定区间的面积反映该区间的例数占总例数的百分比，或变量值落在该区间的概率（概率分布）。不同 范围内正态曲线下的面积可用公式计算。 几个重要的面积比例轴与正态曲线之间的面积恒等于1。正态曲线下，横轴区间（μ-σ，μ+σ）内的面积为68.268949%，横轴区间（μ-1.96σ，μ+1.96σ）内的面积为95.449974%，横轴区间（μ-2.58σ，μ+2.58σ）内的面积为99.730020%。 某些医学现象，如同质群体的身高、红细胞数、血红蛋白量，以及实验中的随机误差，呈现为正态或近似正态分布；有些指标（变量）虽服从偏态分布，但经数据转换后的新变量可服从正态或近似正态分布，可按正态分布规律处理。其中经对数转换后服从正态分布的指标，被称为服从对数正态分布。 医学参考值范围亦称医学正常值范围。制定正常值范围时，首先要确定一批样本含量足够大的“正常人”；其次需根据研究目的和使用要求选定适当的百分界值，常用95%；根据指标的实际用途确定单侧或双侧界值。另外，还要根据资料的分布特点，选用恰当的计算方法。常用方法有： 正态分布法：适用于正态或近似正态分布的资料。 双侧界值：X+-u(u)^S单侧上界：X+u(u)^S，或单侧下界：X-u(u)^S 对数正态分布法：适用于对数正态分布资料。 双侧界值：lg-1[X(lgx)+-u(u)S(lgx)]；单侧上界：lg-1[X(lgx)+u(u)S(lgx)]，或单侧下界：lg-1[X(lgx)-u(u)S(lgx)]