下面是正态分布的密度函数图像.PPTVIP

* 概率统计建模基本原理及方法 数据的统计描述及分析 参数估计 假设检验 主 要 内 容 随机变量及其分布 假定有 个工人间歇性地使用电力，估计所需要的总负荷。 一、随机变量及其分布 1.二项分布 例1.能量供应问题 同时使用电力的人数就是一个随机变量，它服从二项分布。用X表示这个随机变量，记做 ，且 其中E(X)＝np， D(X)=np(1-p)。 根据经验来估计出，p值是多少？ 利用公式求出随机变量X的概率分布表如下： 1 1 0.999996 0.999922 0.999136 0.993631 0.967207 0.879126 0.6778 0.37581 0.107374 累积概率 0.000000 0.000004 0.000074 0.000786 0.005505 0.026424 0.08808 0.201327 0.30199 0.268435 0.107374 P 10 9 8 7 6 5 4 3 2 1 0 X 为直观计，我们给出如下概率分布图： 例如一个工人在一个小时里有12分钟在使用电力，则有 可以看出， 也就是说，如果供应6个单位的电力，则超负荷工作 的概率只有0.000864，即每 中，才可能有一分钟电力不够用。 学习要求： 1、知道二项分布是一个重要的用来计数的分布。 2、掌握什么样的随机变量会服从二项分布。 2.Poisson分布 例2.Rutherford 对裂变物质的观测 英国著名物理学家 Rutherford（1871－1937）在其放射性物质试验中，观测在时间间隔ΔT内放射性物质放射出的α粒子数。实际试验时，取时间间隔为ΔT=7.5秒，观测了N＝2608次，将每次观测到的粒子数记录下来，列在下表中第1，2行： 0.006547 0.011192 0.026028 0.053805 0.097323 0.150888 0.194945 0.201494 0.156197 0.080722 0.020858 概率p 0.006135 0.010353 0.017255 0.053298 0.104678 0.156442 0.203988 0.201304 0.146856 0.077837 0.021856 频率f 16 27 45 139 273 408 532 525 383 203 57 频数n =10 9 8 7 6 5 4 3 2 1 0 粒子数X 我们用X表示ΔT=7.5秒内观测到的α粒子数，它是 一个随机变量，服从什么分布呢？在2608次观测中，共 观测到10094个α粒子数，平均每次观测到 λ=M÷N＝10094÷2608≈3.87 个α粒子数，用参数为λ=3.87的Poisson分布P计算一下： 将计算结果列在上表中最后一行，与列在第3行的实际 频率比较，比较的图示在下图中。 可以看出，认为X服从参数为3.87的Poisson分布还是非常 合理的。 学习要求：1、Poisson分布是又一类非常重要的用来 计数的离散型分布，它依赖于一个参数 。 2、什么样的随机变量会服从Poisson分布。 在给定的观测范围内（例如给定时间内，给定区域内等等）， 事件会发生多少次？把观测范围分成n个小范围： 1、给定事件在每个小范围内可能发生，也可能不发生，发生 多少次取决于小范围的大小； 2.在不同的小范围内发生多少事件相互独立； 3.在小范围里发生的事件数多于一个的概率，和小范围的大小相 比可以忽略不计，用 表示在小范围内事件发生一次的概率。 那么在给定范围内发生的总事件数X近似服从 , 为给定范围内事件发生次数的近似平均值。令 ，则 为给定范围内事件发生次数的准确平均值，这时 这正是Poisson分布，其中参数 3. 正态分布 则称此随机变量服从参数为 的正态分布，记做 ，其中 都是给定的参数， 。称 为标准正态分布， 用 表示其分布函数，其密度函数为 时，我们有 随机变量X如果有密度函数 大量