概率啦啦啦啦啦计.pptVIP

标准正态分布的 ? 分位数 z? 设 X ~ N (0,1) , 0 ? 1, 称满足 的点 z? 为X 的? 分位数 z? ? 常用的几个数据 正态分布的分位点的性质: (1) (2) (3) 例7 某汽车设计手册指出,人的身高服从 正态分布 根据各个国家的 统计资料,可得各国,各民族的 和 对于中国人, 试问: 公共汽车的车门至少需要多高才能使 上下车时低头的人不超过0.5%?(单位:米) 解: 人的身高, 车门的高度, 例8 设测量的误差 X ~ N(7.5,100)(单位：米),问要 进行多少次独立测量，才能使至少有一次 误差的绝对值不超过10米的概率大于0.9 ? 解 设 A 表示进行 n 次独立测量至少有一次误差 的绝对值不超过10米 n 3 所以至少要进行 4 次独立测量才能满足要求. * 注意: 对于连续型随机变量X , P ( X = a) = 0 这里 a 可以是随机变量 X 的一个可能的 取值 命题 连续型随机变量取任一常数的概率为零 强调 概率为1 (零) 的事件未必发生 (不发生) 事实上 对于连续型随机变量X b x f ( x) a x f ( x) a 例1 有一批晶体管，已知每只的使用寿命 X 为 连续型随机变量，其概率密度函数为 ( c 为常数) 求常数 c (2) 已知一只收音机上装有3只这样的晶体管，每只晶体管能否正常工作相互独立，求在使用的最初1500小时只有一个损坏的概率. 解 (1) c = 1000 (2) 设事件 A 表示一只晶体管的寿命小于 1500小时 设在使用的最初1500小时三只晶体管中 损坏的只数为 Y 例2 设随机变量X的概率密度为 求(1) (2) 的分布函数。 解(1) (2) 当 时, 当 时, 当 时, 当 时, 的分布函数为 (1) 均匀分布 ( a , b)上的均匀分布 记作 常见的连续型随机变量的分布 若 X 的密度函数为 ，则称 X 服从区间 其中 X 的分布函数为 即 X 的取值在(a,b)内任何长为 d – c 的小区间 的概率与小区间的位置无关, 只与其长度成正 比. 这正是几何概型的情形. 在进行大量数值计算时，如果在小数点后第 k 位进行四舍五入，则产生的误差可以看作 服从 应用场合 例3 秒表的最小刻度差为0.01秒. 若计时精度 是取最近的刻度值, 求使用该秒表计时产生的 随机误差X 的概率密度, 并计算误差的绝对值 不超过0.004秒的概率. 解 由题设知随机误差 X 等可能地取得区间 上的任一值，则 所以 (2) 指数分布 若 X 的概率密度为 则称 X 服从 参数为?的指数分布 X 的分布函数为 ?? 0 为常数 1 x F( x) 0 x f ( x) 0 对于任意的 0 a b, 应用场合 用指数分布描述的实例有： 随机服务系统中的服务时间 电话问题中的通话时间 无线电元件的寿命 动物的寿命 指数分布常作为各种 “寿命”分布的近似 例4 假定一大型设备在任何长为 t 的时间内发生 　故障的次数 N( t ) 服从参数为?t 的Poisson分布, 求相继两次故障的时间间隔 T 的概率分布. 解 即T服从指数分布 (3) 正态分布 若X 的概率密度为 则称 X 服从参数为 ? , ? 2 的正态分布 记作 X ~ N ( ? , ? 2 ) 为常数， N (-3 , 1.2 ) f (x) 的性质： 图形关于直线 x = ? 对称: f (? +a ) = f (? - a) 在 x = ? 时, f (x) 取得最大值 在 x = ?±? 时, 曲线 y = f (x) 在对应的点处有 拐点 曲线 y = f (x) 以x轴为渐近线 曲线 y = f (x) 的图形呈单峰状 f (x) 的两个参数： ? — 位置参数 即固定 ? , 对于不同的 ? , 对应的 f (x) 的形状不变化，只是位置不同 ? — 形状参数 固定 ? ，对于不同的? ，f ( x) 的形状不同. 若 ?1 ?2 则 比x = ? ? ?2 所对应的拐点更靠近直线 x = ? 附近值的概率更大. x = ? ? ?1 所对应的拐点 前者取 ? Show[fn1,fn3] ?大 ?小 应用场合 若随机变量 X 受到众多相互独立的随机因 素的影响，而每一个别因素的影响都是微小的， 且这些影响可以叠加, 则 X 服从正态分布. 可用正态变量描述的实例非常之多： 各种测量的误差； 人的生理