第五篇正态分布.pptVIP

正态分布及其应用 随机变量(random variable) 随机变量是随机事件的数量表现，具有两个特点： （1）取值的随机性，即事先不能确定X取哪个值； （2）取值的统计规律性，即完全可以确定X取某个值或X在某一个区间内取值的概率。 随机变量的类型 随机变量的类型(数理统计) 连续型变量：变量在某一实区间内任意取值； 离散型变量：变量只能取有限个数或可列个数。 应用统计分为： 数值变量 和分类变量。 离散型随机变量的概率分布 设离散型随机变量X的可能取值为x1 ，x2…，xk，…， 取这些值的概率分别为p1，p2 ，…，pk，…，则 P(X= xk)= pk 　　（k=1，2，…） (5-1) 称为离散型随机变量X的概率分布或分布列。 由概率性质可知，任一离散型分布都具有下述两个性质： （1）pk≥0 , (k=1，2，…) （2） 因此，分布列表明全部概率1在各个可能值之间分配的规律，全面描述离散型随机变量的统计规律。 连续型随机变量的概率分布 由于连续型随机变量的取值不能一一列举，其概率分布无法像离散型随机变量那样用点的概率表示。 描述连续型随机变量的两个函数 概率密度函数 用f(X)表示。对于离散型变量f(X)是变量取X值的概率，常用P(X)表示。 分布函数 变量取小于等于X值所占的比例，显然： 有 正态分布 正态分布（normal distribution），也称高斯分布（Gaussian dist.），是最常见、最重要的一种连续型分布。若一个随机变量的概率密度函数为 则称这种分布为正态分布。式中，π为圆周率；e为自然对数的底。其中的参数μ是均数，σ是标准差，正态分布可记为: X～Ν(μ,σ)。 正态分布的分布函数为： 正态分布的概率曲线具有下述特点 二、正态曲线（ normal curve ） 标准正态分布 对于任何服从 的随机变量进行如下变换： 则u服从均数为0，标准差为1的正态分布的正态分布，称为标准正态分布。记为 u～N(0, 1) 曲线下面积分布规律 五、正态分布的应用 1. 正态分布法 2. 百分位数法 三、质量控制 四、是许多统计方法的理论基础 七年制《医学统计学》 Dr. 宇传华 制作 de Moivre(德)首先提出 （1）正态分布只有一个高峰，高峰的位置在X＝μ处。 （2）分布以均数为中心，中间高，两头低，左右完全对 称的钟型曲线。 （3）正态分布的两个参数（μ和σ）分别决定了分布的位置和形状。 (4)正态分布在±1σ处各有一个拐点。 （5）对任一正态变量X进行如下线性变换 　　　　　　　　　　　　　　 则u一定服从于均数为零，标准差为1的正态分布，记为u～N（0，1），称为标准正态分布（standard normal distribution） ，其密度函数 u被称为标准正态变量或标准正态离差（standard normal deviate）。此性质在实际工作中极为重要，给应用工作者提供了极大的方便。 图形特点： 钟型 中间高 两头低 左右对称 最高处对应于X轴的值就是均数 曲线下面积为1 标准差决定曲线的形状 X f(X) m 正态分布的两个参数示意 四、标准正态曲线下面积 u -∞ 附表1就是根据此分布函数制定的。 标准正态分布的分布函数 0 -1 1 -1.96 1.96 -2.58 2.58 68.27% 95.00% 99.00% μ μ-σ μ+σ μ-1.96σ μ+1.96σ μ-2.58σ μ+2.58σ 68.27% 95.00% 99.00% 例5-5(P51) 查附表1(P184)，在表的左侧找到－2.1，在表的上方找到0.05，，两者的相交处为0.0158=1.58%。即该地7岁男童身高在110 cm以下者约占1.58%。 (1) 一、估计变量值的频数分布 1. 从“正常人”总体中抽取足够样本含量的观察对象； 2. 统一测定方法以控制系统误差； 3. 判断是否需要分组（如性别、年龄）确定； 4. 根据专业知识决定单侧还是双侧。 单侧下限---过低异常 单侧上限---过高异常 双侧---过高、过低均异常 单侧下限 异常 正常 单侧上限 异常 正常 异常 正常 双侧下限 双侧上