正态分布.pptVIP

大学文科数学之线性代数与概率统计 北京师范大学珠海分校 国际特许经营学院与不动产学院 2004-2005学年第二学期 欧阳顺湘 2005.5.11 正 态 分 布 或 高斯分布 Normal Distribution Gauss Distribution 例 质量控制的 3 ? 准则 设在正常生产条件下某轴承的直径X~ N(μ, ?^2 ). 为在生产过程中能及时了解生产是否正常, 每隔一定时间抽取产品进行检测, 并将测得的直径数据作于一张质量控制图 如果作出的点超出了控制线, 则很有可能是生产出现了异常,　应该暂停生产进行检查. 当然, 在实际应用时, 还考虑其它细节, 如常一次检测几个产品, 用它们的平均值来作控制图等.　　 例12 已知某区5000名初二学生，数学统考成绩 ? 服从正态分布N(65,15*15)，求50分至80之间的学生人数。 P(50 ? ? ? 80)=F ?(80)-F ?(50) 标准化 ?=(?-65)/15~ N(0,1) P(50 ? ? ? 80) = P ((50 -65)/15 ? (? -65)/15 ? (80 -65)/15) =P(－1 ? ? ? 1) =?(1)- ?(－1) =2 ?(1)-1 =2×0.8413－1＝0.6826 50分至80分之间的人数为 5000×0.6826=3413 使用 Excel 进行计算 ? 服从 N(65,15*15) P(50 ? ? ? 80)=F ?(80)-F ?(50) F ?(80) = normdist(80,65,15,true) P(50 ? ? ? 80) = P ((50 -65)/15 ? (? -65)/15 ? (80 -65)/15) =P(－1 ? ? ? 1) =?(1)- ?(－1) =2 ?(1)-1 ?(1) = normdist(1,0,1,true) normdist(1) 某区参加高考预选的考生8000人的成绩 ? 服从正态分布，已知 μ ＝410分， ? ＝11分，要求预选5200名考生参加正式高考，问应如何确定分数线？ 任取一名学生，他应选的可能性（概率）为 5200/8000=0.65 一名学生被选上是因为其成绩超过分数线，因此，任取一名学生，其成绩超过分数线 x_0 的概率为 0.65 即分数线 x_0 满足 P(? x_0)= 0.65 P(? x_0)= 0.35 ? 服从正态分布，μ ＝410， ? ＝11 P(? x_0)= 0.35 Excel 应用： x_0= norminv(0.35,410,11)=405.7615 标准化 ?=(?-410)/11~ N(0,1) P(? x_0)= 0.35 P((?-410)/11 (x_0-410)/11)=0.35 z_0 = (x_0-410)/11 P(?z_0)=0.35 z_0=norminv(0.35,0,1)=-0.38532 （思考： 为什么是负数?） 或 z_0=normsinv(0.35) 教材中的方法: 查表 表能告诉我们什么 P( ? z_0 ) = p 例如：P(? 1.96 ) = ? P(? 1.96 ) = 0.975 也可以近似地反查,即 P(? ？) = 0.975 局限点: z_0 0 p0 ? z_0 正态分布 为什么? 拉普拉斯证明了(早期特殊的) 中心极限定理. 一般的中心极限定理可以理解为: 当每一个小的误差与总的误差相比可以忽略不计时, 不管小的误差的分布是什么, 总的误差将近似服从正态分布. 这一著名的结果说明了为什么现实中如此众多的随机现象可以用正态分布来描述其规律. 例如, 自动火炮命中目标的误差一般认为是服从正态分布的, 这个误差是风速、射击的方向和角度、重量、弹药的质量等许许多多的小因素共同影响的结果. 其中每一种小因素, 人们都努力去控制以至于都不能起主要作用; 但这些微小的误差数量之多, 使得其总和仍起作用, 最终造成了命中目标的误差. 正态分布的一个最早的应用是用来分析天文观测中的误差. 在17、18世纪, 由于不完善的仪器以及观测人员的缺乏经验等原因, 天文观察误差是一个重要的问题, 有许多重要的科学家都进行过研究. 1809 年, 高斯(Carl Friedrich Gauss, 1777-1855, 德国) 指出正态分布可以很好地“拟合” 误差分布. 基于误差分布服从正态分布的假设, 高斯奠定了他此前使用过的最小二乘法的数学基础. 最小二乘法是统计学中一个很重要的方法. 为纪念他的贡献,正态分