第四章、正态分布.docVIP

第四章 正态分布 内容 提要 本章主要讲述正态分布和中心极限定理等内容． 重点 分析 掌握正态分布的有关概念及运算 了解独立同分布的中心极限定理和棣莫佛—拉普拉斯定理。 难点 分析 独立同分布的中心极限定理。 第4章 正态分布 4.1 正态分布(Normal distribution) 1. 正态分布的定义 如果随机变量的概率密度为 ； 其中为常数，则称服从参数为的正态分布(Normal distribution)，记为. 由高等数学可知， 当时，达到最大值；在 处，曲线有拐点；（如图4-1） 的图形对称于直线 ； 以轴为渐近线； 若固定，则曲线沿轴平行移动，曲线的几何图形不变；（如图4-2） ⑤ 若固定，改变值，由的最大值可知，当越大，的图形越平坦；当越小，的图形越陡峭。（如图4-3） 图4-1 图4-2 图4-3 特别的，当时，称服从标准正态分布(Standard normal distribution)，即，密度函数为 其图形为 图4-4 标准正态分布的分布函数为 由标准正态分布的对称性易知,对任意有: 例如,利用上面公式和标准正态分布的分布函数表(见附表2)可得: 2. 分位点的定义 设为一随机变量，为其分布函数，我们知道对于给定的实数，事件的概率为。在统计中，我们常常需要考虑上述问题的逆问题：已给定事件的概率，要确定取什么值。我们把这个称为或的上分位点，确地说,有如下定义： Definition 设的分布函数为，满足 则称为的上分位点（数）。 若有密度，则分位数表示以右的一块阴影面积（如图5-6）为．即 换图4-5 标准正态分布的上分位点通常记成，即有： 如图 所示的阴影面积等于. 图4-6 标准正态分布的上分位点的求法: (1)利用标准正态分布的分布函数表求 对给定的(),由关系式 查的函数表可得的值. 例如,由 得 由 得 (2)直接查常用标准正态分布的上分位点表(见Page96) 0.001 0.005 0.01 0.025 0.05 0.10 3.090 2.576 2.326 1.960 1.645 2.282 (3)由的对称性易知 例如 (标准化) 证明: (1)分别记Y的分布函数和概率密度为. a0时有 a0时有 将上两式分别对求导,得 即 故 (2) 在(1)中取即得 注 如果，那么 (1) (2) (3) 由上面的公式和标准正态分布函数的函数值表,可以方便地求一般正态变量落在任意区间上的概率了。 例如,若则 3规则(3law)：服从正态分布的随机变量落在区间内的概率为0.9974，落在该区间外的概率只有0.0027.也就是说，几乎不可能在区间之外取值。 图 Example 设，求 （1）； （2）； （3）. Solution 查标准正态分布表 (1)= (2) =. (3) Example 设，求 （1）； （2）；（3）若,求x. Solution （1） . (2) = = . （3）要求,即要求1-,即需 , 因为单调函数,故需 即 . Example 公共汽车的高度是按男子与车门定碰头的机会在0.01以下来设计的，设男子身高（单位:cm）服从正态分布，试确定车门的高度。 Solution 设车门的高度为(cm).依题意有 即 因为，查标准正态分布表得，所以得 即(cm)，故车门的设计高度至少应为184cm方可保证男子与车门碰头的概率在以下。 3. 正态分布的数学期望和方差 设先求标准正态分布的期望和方差. 由于的概率密度为 于是 因,所以 由此可见正态分布可以由它的期望和方差完全确定. 4.2 正态随机变量的线性组合 定理1 设且Y1,Y2相互独立,则有 推广定理1有 定理2 设X1,X2,…,Xn相互独立, 且i=1,2,…,n,则有 注 (1) 教材上通过求概率密度的方法证明定理1有些麻烦,另有其他证明方法较为简单(如求特征函数法),有兴趣的同学可以自学. (2) 如在定理2中取,可得下面重要结论: 设X1,X2,…,Xn相互独立,且X1,X2,…,Xn服从同一分布,是X1,X2,…,Xn的