正态分布知多少.doc

标题：正态分布知多少？ 学校：海口市第一中学 班级：高一（20）班 姓名：甘运超、佘瑞彬、封岳滨 指导教师：潘 峰 论文编辑：潘 峰 指导教师联系方式提交时间：2009年月日， 一、背景 在数学课上,老师给我们讲了高尔顿板试验,通过重复试验,并增加试验次数,小球的频率分布直方图就会趋近于一条钟形曲线,这就是正态分布密度曲线,它的函数解析式为： .那么对于该函数解析式,课本上提得很少,使得我们对于它的了解甚少,因此我们通过GC对它进行了研究. 二、研究过程 (一)对正态分布密度函数解析式的拟合评价 (1)准备工作：为了研究方便,我们调整了课本上高尔顿板试验的模型,将其中的数据变为如下表格中的数据： x 1 2 3 4 5 6 7 8 9 10 11 y 1 2 5 13 17 28 17 13 5 2 1 注：x为球槽编号,y为小球个数. (2)打开GC的APLET函数中的统计功能Statistics,按2VAR（二元）数据方式输入以上数据,如: (3)选择GC中自带的十种拟合模型进行2VAR拟合,并利用GC中RELERR变量对拟合的优劣进行评价,拟合情况如下： 示例：先选择线性拟合,然后点击STATS,观察RELERR的值 由以上方法得到如下表格： 拟合模型 RELERR的近似值 Linear（线性的）, 0．441322314049 Logarithmic（对数）, 0．418120656916 Exponential（指数）, 0．5392060904 Power（幂曲线）, 0．521404415101 Quadratic（二次函数）, 0．118687751641 Cubic（立方）, 0．118687751641 Logistic（逻辑）, 0．706598740239 Exponent（指数）, 0．5392060904 Trigonometric（三角曲线）, 0．0279025980227 User Defined（用户界定）,我们选择标准正态分布密度函数, 0．999610074 从表中我们发现： 1、从GC用户手册上得知,统计中的RELERR变量的值是反映拟合相对误差的,最小的数字意味着最好的拟合,但是通过标准正态分布密度函数拟合后发现,它反而是拟合效果最差的,这怎么可能呢？同时我们点击PLOT,也没看到拟合曲线.于是,我们翻阅课本找到了答案,标准正态分布曲线是对称轴落在y轴上的曲线,而我们选择的数据在y轴的右侧,当然没有拟合曲线,拟合的效果是最差的啦.通过课本我们得知,正态曲线的对称轴为,在该处取峰值,因此我们通过计算得到该数据的,并用函数重新拟合,得RELERR的近似值为0．0437,拟合效果超过所有拟合模型,是最好的拟合； 2、从以上表格中可以看出,除了我们自定义的正态分布函数拟合外,Trigonometric（三角曲线）和Quadratic（二次函数）两种方式拟合得也较好,而两种方式的函数解析式都类似于正态分布密度函数的解析式的地方,例如曲线的形状特征,从中帮助我们更好的记住正态曲线是钟形,单峰的; 3、仔细观察会发现,Trigonometric（三角曲线）拟合的效果似乎优于了正态分布.Trigonometric（三角曲线）拟合的RELERR值为0.028, 而正态分布拟合的RELERR值为0.0437.奇怪了?应该是正态分布拟合的效果最好啊,怎么会是三角曲线呢?从老师那里我们得到了解答,首先数据的选择有较多人为因素,误差大;其次,正态曲线是在重复试验的次数达到很多的时候趋近的一个钟形图形,试验次数少的话不明显,所以在试验次数增多的情况下,正态分布的拟合效果肯定会优于三角曲线. (二)对正态分布密度函数解析式中的参数的理解 为了研究方便,仍然沿用以上研究一中的高尔顿板试验数据,对函数解析式中的参数进行取值,观察RELERR值的变化情况. (1)固定,改变的值； 示例：选择拟合模型为User Defined（用户界定）,输入拟合函数解析式,如 用上述方法得到如下表格： 时,的值 RELERR的值 0 0．999368374216 1 0．998384301682 4 0．986284326011 5 0．979753589278 6 0．976471649551 7 0．979753589278 8 0．986284326011 由表中发现,随着值的增大,拟合效果变好,但只到6为止,过了6又开始变差,并且发现5和7的值相同,4和8的值相同,于是得到, 即是正态曲线的对称轴,而且发现就是变量x的均值. (2)通过功能Function作出函数图象,我们验证了以上结论. 从图中不仅可以