第5节几种重要的连续型分布.pptVIP

一、指数分布 (Exponential Distribution) 二、正态分布 (Normal Distribution) 1.正态分布的概率密度 2.正态分布的期望与方差 2.正态分布的期望与方差 3.一般正态分布与标准正态分布的关系 练习： 设 Z 表示n只鸡蛋中重量大于60克的鸡蛋数? 则Z~B(n? 0.0228)? (4) (5) 因为 欲使 即 解得 解 例7 若入学考试中各个考生的总分数服从正态分布N(400,1002), 共有2000人参加考试，假定只录取前300名，求分数线 a，使考生总分超过 a的概率等于升学率. 设X表示考试总分，则 例8 若某人从甲地到乙地有两条路线可走，第一 条路线过市区，路程短但拥挤，所需时间(分)服从正态分布 N(50,100)；第二条线路沿环城路走，路程长但阻塞少，所需时间 (分)服从正态分布 N (60 , 16). 问:(1)假如有70分钟可用，应选哪条路？(2)若只有65分钟，又应走哪条路？ 解 记行走时间为t， (1) 若有70分钟可用, 走第一条路线能及时赶到的概率为 * 第五节 定义 如果随机变量 X 的 概率密度为 记为 分布函数为 指数分布在排队论和可靠性理论中有广泛的应用，常常用它来作为各种“寿命”的分布的近似.例如,电子元件的寿命,电话的通话时间,微生物的寿命,随机服务系统中的服务时间等都可认为是近似服从指数分布. 指数分布的一个重要性质就是“无后效性”或“无记忆性”. 具体叙述如下： 证 假如把服从指数分布的随机变量解释为某元件工作的寿命,则上式表明,在该元件已工作了s小时的条件下,它还能继续工作t小时的概率与已经工作过的时间s无关.换句话说,如果元件在时刻s还“活着”,则它的剩余寿命的分布还是原来寿命的分布,而与它已工作了多长的时间无关.所以有时又称指数分布是“永远年轻”的. 值得指出的是,我们可以证明,指数分布是唯一具有无记忆性的连续型分布. 例1 假设电话一次通话时间是一随机变量，服从参数为0.1的指数分布．假设某人到达电话亭时有一人正在通话，试求: 解 (1) 此人至少需要等10分钟的概率α； (2) 此人需要等10到20分钟的概率β． 正态分布是概率分布中最重要的一种分布，这有实践与理论两方面的原因. 实践方面的原因是，正态分布是自然界最常见的一种分布，例如测量的误差、炮弹的落点、人的身高与体重、农作物的收获量、波浪的高度等等都近似服从正态分布. 一般来说，如果影响某一随机变量的因素很多，而每一个因素都不起决定性作用，且这些影响是可以叠加的，则这个随机变量服从正态分布，这点可用下一章的极限定理来加以证明. 从理论方面来说，正态分布有许多良好的性质，如正态分布可以导出一些其他分布，而某些分布（如二项分布、泊松分布等）在一定的条件下可用正态分布来近似. 正态分布在19世纪前叶由高斯加以推广，所以通常称为高斯分布. 德莫佛 德莫佛最早发现了二项概率的一个近似公式，这一公式被认为是正态分布的首次露面. 高斯 不知你们是否注意到街头的一种赌博活动? 用一个钉板作赌具. 街头 请看 虽然玩这种赌博游戏十有八九是要输掉的，但仍有不少人总想碰碰运气，然而中大奖的概率实在是太低了. 下面我们在计算机上模拟这个游戏： 高尔顿（F.Galton） 钉板试验 平时，我们很少有人会去关心小球下落位置的规律性，人们可能不相信它是有规律的.一旦试验次数增多并且注意观察的话，你就会发现，最后得出的竟是一条优美的曲线. 高 尔 顿 钉 板 试 验 这条曲线就近似我们将要介绍的正态分布的密度曲线. 定义 如果随机变量 X 的概率密度为 正态分布密度函数的几何性态： (1) 对称轴： (2) 渐近线： (3) 单调性： (4) 顶点(最大值)： (5) 两个拐点： 正态分布密度函数的几何性态： 正态分布密度函数的几何性态： 正态变量的分布函数为 泊松积分 的正态分布称为标准正态分布. 其密度函数和分布函数常用 和 表示： 0.5 1 奇函数 任何一个一般的正态分布都可以通过线性变换转化为标准正态分布. 定理 其分布函数为 则 证 书末 P251 附有标准正态分布函数数值表. 表中给的是 x 0 时, Φ(x) 的值. 当 -x 0 时， 若 X～N(0,1), 例2 解 这个公式把一般正态变量的概率计算转换为标准正态分布来计算 . 例3 解 例4 解 查表得 例5 这在统计学上称作“3 准则”（三倍标准差原则）. 68.26% 95.44% 99.74% 例6 设某批鸡蛋每只的重量X(以克计)服从正态分布? X~