第四章(心理)随机变量的概率分布.pptVIP

标准正态分布表 利用积分公式可求出正态曲线下任何区间的面积，但需要计算，非常麻烦。 统计学家已编制好了标准正态分布表，使其使用非常方便。 例：X~N(0,1)，求以下概率 1)P(0x1) 2) P(x1) 3) P(x-1) 4)P(-1x1) 5) P(x-1) 例 X~N(5,102) 求概率 (1) P(5X6.2) (2) P(2.9X7.1) (3) P(X8) 解: (1) 0.0478 正态分布 .1664 .0832 .0832 标准正态分布 (2) 正态分布 标准正态分布 .1179 .5000 .3821 (3) 例 在某年高考的平均分数为500，标准差为100的正态总体中，某考生得到650分。设当年高考录取率为10％，问该生成绩能否上线？ 解：该生的标准分数为 Z＝(650-500)/100=1.5 查正态分布表, 当Z=1.5时，p=0.433 从低分到高分的顺序中他处于93.3%的位置 3、二项分布的正态近似 二项分布当n较大时，直接计算概率相当麻烦。德.莫弗尔（De Moivre）和拉普拉斯(Laplace )证明了n 趋于无穷时二项分布是以正态分布为极限分布的。因此 n 较大时可以用正态分布来近似计算二项分布的概率。 中心极限定理(central limit theorem) 证明正态分布为某些概率分布的极限分布的一类定理的统称。 上面关于“二项分布是以正态分布为极限分布”的证明即中心极限定理中的一个。具体表述为： 参数为n, p的二项分布以np为均值、np(1-p)为方差的正态分布为极限。 近似的条件 np5 且 n(1-p)5 例 1、（书上例6-6） 2、随机变量X服从二项分布，n=20 p=0.4 计算 P(X9)=? P(X=9)=? 第四章 随机变量的概率分布 一、随机变量 1、随机现象：一定条件下出现的结果事先不能确定 的现象。（掷硬币后哪面朝上？） 确定性现象：一定条件下某种结果是否出现事先 能确定的现象。（必然现象与不可能现象） 2、随机试验：对随机现象的一次观察。 随机事件：随机现象中出现的各种可能的结果。 3、随机变量 ：描述随机试验结果（随机事件）的变 量称随机变量。即：用随机变量的不同取值 表示随机试验的各种不同结果。 试验 试验结果（事件） 随机变量 抛掷一枚硬币 正面，反面 Z=1 , Z=-1 对某一零件进行检验 合格，不合格 X=1 , X=0 投掷一颗骰子 1，2，3，4，5，6 Y=1 ,Y=2,… Y=6 进行一场足球比赛 获胜，失利，平局 Q=3, Q=0, Q=1 二、概率 反映随机事件在试验中发生的可能性大小的数字指标叫作概率。 在频数（率)分布中我们关心的是变量取值的频数或频率； 对于随机变量我们的重点不在于它取值的频数或频率，而 是它取该值的概率。 1、概率的古典定义 如果（1）某一随机试验的结果有限； （2）各个结果出现的可能性相等， 则某一事件A发生的概率为该事件所包含的试验结果（基本事件） 数m与试验所包含的全部试验结果（基本事件）数n的比值。 例： 试验 试验结果（事件） 投掷一颗骰子 1，2，3，4，5，6 求 点数2朝上的概率 解：“点数2朝上”设为事件A,它只包含1个基本事件； 试验的全部基本事件有6个，即m=1 , n=6 P（A）= m/n = 1/6 例 某班有