2.4正态分布解剖.ppt

前面我们学习了离散型随机变量的分布列，我们知道，离散型随机变量最多取可列个不同值，人们感兴趣的是它取某些特定值的概率,即其分布列；而连续型随机变量可能取某个区间上的任何值，它等于任何一个实数的概率都为0，所以感兴趣的是它落在某个区间的概率。 关于连续型随机变量，我们学习过用频率分布表、频率分布直方图、频率分布折线图来刻画和描述。 离散型随机变量的概率分布规律用分布列来描述，而连续型随机变量的概率分布规律用分布密度函数(曲线)来描述。 复习引入 复习引入 必修3《用样本的频率分布估计总体分布》中的探究活动 复习引入 通过抽样获得100位居民某年的月均用水量（单位：t） 复习引入 探求样本数据的频率分布情况： 2、决定组距与组数 3、将数据分组 4、列频率分布表 1、求极差 5、画频率分布直方图 复习引入 4、列频率分布表 复习引入 5、画频率分布直方图 复习引入 频率分布折线图 若样本数据无限增多且组距无限缩小，那么频率分布折线图就会越来越接近一条光滑的曲线，我们称此曲线为总体密度曲线． 正态分布密度曲线 这条曲线就是(或近似地是)下列函数的图象: 正态曲线 X Y 两个最重要的数学常量都出现在这公式之中。而且简洁美丽，在数理统计领域这个公式最能让人感觉到上帝的存在，因为这个分布戴着神秘的面纱，在自然界中无处不在，让你在纷繁芜杂的数据背后看到隐隐的秩序. 如果古希腊人知道正态分布，想必奥林匹斯山的神殿里会多出一个正态女神，由她来掌管世间的混沌. X Y a b 随机变量X落在区间(a,b]的概率 即由正态曲线、直线x=a、直线x=b即x轴所围成的平面图形的面积。 一般地，如果对于任何实数ab，随机变量X满足 则称随机变量X服从正态分布。 正态分布完全由参数μ和σ确定，因此如果随机变量X服从正态分布，则记为： 其中，参数μ反映随机变量取值的平均水平,可以用样本均值去估计；σ衡量的是随机变量总体波动程度，可以用样本标准差去估计。 以下是某人用上海某年年降雨量的数据画出的频率直方图。 从直方图，我们可以初步看出，年降雨量近似服从正态分布。 经验表明，一个随机变量如果是众多的、互不相干的、不分主次的偶然因素作用结果之和，它就服从或近似服从正态分布。 生产中，在正常生产条件下各种产品的质量指标、测量的误差（如电子管的使用寿命、零件的尺寸等）. 在生物学中，同一群体的某种特征（如08年广西区高考考生体检的身高、体重、肺活量），在一定条件下生长的某农作物的产量等. 在气象中，泉州今年一月份的平均气温、平均降雨量等. 在生活中，某一时间段的车流量、人流量，同学的考试成绩等. 在生产生活中，很多随机变量都服从或近似服从正态分布. 高斯在数学上的贡献特别多，去世前他要求给自己的墓碑上雕刻上正十七边形，以说明他在正十七边形尺规作图上的杰出工作。而后世的德国钞票和钢镚上是以正态密度曲线来纪念高斯，这足以说明高斯的这项工作在当代科学发展中的分量. 我们的数学大师陈省身把黎曼和庞加莱称为数学家中的菩萨，而称自己为罗汉；高斯是黎曼的导师，数学圈里有些教授把高斯称为数学家中的佛。 在数学家中既能仰望理论数学的星空，又能脚踏应用数学的实地的可不多见， 高斯是数学家中少有的顶“天”立“地”的人物，它既对纯理论数学有深刻的洞察力，又极其重视数学在实践中的应用。 观察左图中的正态曲线,结合函数解析式及概率的性质,说说正态曲线的特征。 （1）曲线在x轴的上方，与x轴不相交。 （2）曲线是单峰的,它关于直线x=μ对称。 （4）曲线与x轴之间的面积为1。 x=μ （5）当σ一定时，曲线随着μ的变化而沿x轴平移。 μ=0 μ=1 μ=-1 σ=0.5 σ=1 σ=2 （6）当μ一定时，曲线的形状由σ确定 。 σ越大，曲线越“矮胖”，表示总体的分布越分散； σ越小，曲线越“瘦高”，表示总体的分布越集中。 正态分布的又一个推动力来自生物学家高尔顿. 高尔顿是生物统计学派的奠基人，他的表哥达尔文的巨著《物种起源》问世以后，触动他用统计方法研究遗传进化问题。 他对正态分布怀有浓厚的兴趣，开始使用正态分布去拟合人的身高、胸围、以至考试成绩等各类数据， 发现正态分布拟合得非常好。他因此相信正态曲线是适用于无数情况的一般法则。 1877年， 高尔顿设计了一个 叫高尔顿钉板的装置，模拟正态分布的性质用于解释遗传现象。 如下图中每一点表示钉在板上的一颗钉子，它们彼此的距离均相等. 当小圆球