基本数据类型——正态分布.pptx

概率统计基础知识;Contents;数据的类型;数据的类型;随机变量的概述;随机变量 如果随机试验的每种结果可以用一个数字作为其代表，则我们称此变量为随机变量 掷一骰子的点数 医院中新生儿的体重 今天上课迟到的人数;随机变量的类型;离散型随机变量的分布 分布特性 ;例子;连续型随机变量的分布 概率密度分布特性;可由概率密度函数在该区间上的求积分得到;中国成年男子身高抽样分布图(n=1215);分布密度图不受样本量及采样间隔区间划分影响;随机变量的数字特征;均值 随机变量最重要的特征 用E(x)来表示随机变量X的数学期望或平均值 离散型随机变量的均值 连续型随机变量的均值;航班每次飞行坠机概率为十万分之一，每位乘客保费为20元，死亡赔付金额为40万元。问保险公司从每位顾客手中平均获取多大利润？;方差 随机变量与其均值之差的平方的平均值 ;方差是度量随机变量分散程度的最有力的工具 非常重要的一个特质 两个互相独立的随机变量，其和（或差）的方差是二者方差之和。;偏度与峰度 偏度（Skewness）是描述对称性的 ;峰度( Kurtosis)是描述分布高峰处及尾部所占的比重的 规定正态分布的峰度为0。假定两个分布均值和标准差全相同。则峰度为正时图形特征是：顶峰处更高，两端尾部更大，也即更慢地趋于0。则峰度为负则相反。;累积分布函数 概念：Cumulative Function F(x) ： 当x 给定后，F(x)代表x 左方面积, 即随机变量X小于x 的概率。;分位数(Quantile) 当P 给定后，Xp代表左方面积为P时, 横坐标的位置;均值与中位数 均值是分布的“重心” 中位数是两侧各占50% 分布对称时,二者相等 分布正偏时, μ m;常用的连续分布;常用的连续分布 正态分布 均匀分布 指数分布 Weibull分布 对数正态分布;一般正态分布用记号 表示。 其中为μ均值，σ为标准差 特别, 称N(0,1) 为标准正态分布 性质：设 则 ;一般正态分布与标准正态分布 如果有Y ~ N(μ,σ2) ， 令 则Z~N(0,1) ;中心极限定理;均匀分布;计算过程中（取整数）舍入误差（四舍五入）的分布为：;其分布密度及分布图形为： 失效率λ，又叫瞬时失效率，是指“此???刻尚在工作，而下个时刻失效的概率”，其量纲为(1/[时间]) 指数分布的瞬时失效率是不随时间而变的常量;性质 瞬时失效率λ 平均寿命μ 标准差σ 对于指数分布，σ =μ=1/ λ 瞬时失效率为常数的寿命分布只有一个----指数分布 例如,某电视机瞬时失效率为0.0001/天, 表示此电视机今日尚在工作,明日失效的概率为万分之一(以天为时间单位）。;一般失效规律复杂，呈浴盆曲线（Bathpool Curve)：;失效率与分布函数关系: 记失效率函数为λ(t); 记失效率函数为λ,则寿命分布为指数分布 若失效率函数为浴盆曲线，则寿命分布为Weibull分布 k为形状参数：k1为早期失效分布 k=1为指数分布， k1为耗损失效分布;在可靠性分析中，常常遇到下列情况 元器件的寿命X明显不对称，不是正态，右面尾巴拖得很长，即有很多元器件寿命很长 如果将X取对数之后为正态分布，即LnX为均值是μ，方差是σ2正态分布，则我们称X为对数正态分布。记为：;常用的离散分布;常用的离散型分布 二项分布 泊松分布 超几何分布;定义：在独立试验中，若每次出现“成功”的概率固定为p，则若记n 次独立试验中出现“成功”的总次数为X，则称X 的分布为二项分布，记为X ~ B ( n, p ). 若X~B（n,p）,则X的： 均值μ=np 方差σ2=np(1-p) ;本车间生产的二极管中不良率为0.2，每盒装100支二极管，则每盒中的不良二极管数为二项分布B（100， 0.2）。;稀有事件出现次数的分布常常为Poisson分布 例如, 福州市每年遭受台风侵袭的次数; 一匹布内的暇疵点数；某道口每年发生车祸次数；每个电镀零件上的斑点数；午餐店在营业时间内每分钟顾客到来的人数；等等。 Poisson分布只要一个“平均值”参数λ就可以完全确定， Poisson分布记为P(λ)。;已知M快餐店中午每分钟平均到来5名顾客，则顾客到来人数X为Poisson分布P(5)，记为X~ P(5)。 如果平均值较大，可以分成更小单位（例如将每分钟分为6个10秒的间隔）计数。;Poisson分布性质 Poisson分布的均值及方差： P(λ)的均值及方差都是λ 概率分布很多种，只有Poisson