正态分布密度函数毕业设计.docVIP

正态分布密度函数毕业设计  目 录 第1章 1 1.1 正态分布的产生和发展 1 1.2 分布函数及其作用 2 1.3 分位数及其一般算法 4 第2章 5 2.1 正态分布的定义 5 2.2 正态分布的相关性质 5 第3章 9 3.1 分布函数的定义 9 3.2 积分的近似算法 9 3.2.1 等距内插求积公式（牛顿—柯特斯求积公式） 9 3.2.2 高斯型求积公式 11 3.3 函数逼近法 16 3.2.3 有理函数逼近(Padé逼近) 16 3.2.4 连分式逼近 18 第4章 21 4.1 分位数的定义 21 4.2 方程求根的迭代算法 21 4.2.1二分法 21 4.2.2牛顿法（或切线法） 22 4.2.3割线法（或弦截法） 23 4.2.4改进的割线法 25 4.3 分位数的迭代算法 25 4.3.1分位数的一个展开式 25 4.3.2基于二阶展开式的迭代算法 27 第5章 正态分布的分布函数和分位数的计算 29 5.1 几个基本公式 29 5.2 的计算方法 30 5.2.1 的连分式逼近法 30 5.2.2 利用误差函数的幂级数近似式计算 30 5.2.3 用误差函数的近似公式计算 31 5.3 分位数的计算 32 5.3.1 用的近似计算公式 32 5.3.2 用二阶展开的迭代求根法 33 5.3.3 利用分位数展开式的算法 33 第6章 总结 35 参考文献 36 致 谢 37 附录1 38 附录2 40   绪论 正态分布的产生和发展 正态分布又名高斯分布，是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量服从一个数学期望为、标准方差为的高斯分布，记为.则其概率密度函数为正态分布的期望值决定了其位置，其标准差决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是的正态分布。正态分布是最重要的一种概率分布。正态分布概念是由德国的数学家和天文学家Moivre于1733年首次提出的，但由于德国数学家Gauss率先将其应用于天文学研究，故正态分布又叫高斯分布。高斯这项工作对后世的影响极大，他使正态分布同时有了“高斯分布”的名称，后世之所以多将最小二乘法的发明权归之于他，也是出于这一工作。高斯是一个伟大的数学家，重要的贡献不胜枚举。现今德国10马克的印有高斯头像的钞票，其上还印有正态分布的密度曲线。这传达了一种想法：在高斯的一切科学贡献中，其对人类文明影响最大者，就是这一项。在高斯刚作出这个发现之初，也许人们还只能从其理论的简化上来评价其优越性，其全部影响还不能充分看出来。这要到20世纪正态小样本理论充分发展起来以后。皮埃尔-西蒙·拉普拉斯很快得知高斯的工作，并马上将其与他发现的中心极限定理联系起来，为此，他在即将发表的一篇文章(发表于1810年）上加上了一点补充，指出如若误差可看成许多量的叠加，根据他的中心极限定理，误差理应有高斯分布。这是历史上第一次提到所谓“元误差学说”——误差是由大量的、由种种原因产生的元误差叠加而成。后来到1837年，海根(G.Hagen)在一篇论文中正式提出了这个学说。 　　其实，他提出的形式有相当大的局限性：海根把误差设想成个数很多的、独立同分布的“元误差” 之和，每只取两值，其概率都是，由此出发，按狄莫佛的中心极限定理，立即就得出误差(近似地)服从正态分布。皮埃尔-西蒙·拉普拉斯所指出的这一点有重大的意义，在于他给误差的正态理论一个更自然合理、更令人信服的解释。因为，高斯的说法有一点循环论证的气味：由于算术平均是优良的，推出误差必须服从正态分布；反过来，由后一结论又推出算术平均及最小二乘估计的优良性，故必须认定这二者之一(算术平均的优良性，误差的正态性) 为出发点。但算术平均到底并没有自行成立的理由，以它作为理论中一个预设的出发点，终觉有其不足之处。拉普拉斯的理把这断裂的一环连接起来，使之成为一个和谐的整体，实有着极重大的意义。 主要特征 　　1．集中性：正态曲线的高峰位于正中央，即均数所在的位置。 　　2．对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。 　　3．均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。 　　4．正态分布有两个参数，即均数和标准差，可记作：均数决定正态曲线的中心位置；标准差决定正态曲线的陡峭或扁平程度。越小，曲线越陡峭；越大，曲线越扁平。 5．变换：为了便于描述和应用，常将正态变量作数据转换。设是一个随机变量，是任意实数，函数 称为的分布函数。有时也记为对于任意实数,有 因此，若已知X的分布函数，就可以知道X落在任一区间上 的概率，个意义上说，分布函数完整地描述了随机变量的统计规律性。