概率论与数理统计柴中林第6讲.ppt

正态分布 的图形特点 μ决定了图形的中心位置, σ决定了图形峰的陡峭程度。 故 f(x) 以 x =μ为对称轴，并在 x=μ处达到最大值: 令x1=μ+c, x2=μ-c (c0), 分别代入 f (x), 得 f (x1) = f (x2)， 且 f (μ+c) ≤ f (μ)， f (μ-c)≤ f (μ). 这说明：曲线 f(x) 向左右伸展时，越来越贴近 x 轴。即 f (x) 以 x 轴为渐近线。 当 x→ ?∞时，f(x) → 0。 用求导的方法可以证明： 为f (x)的两个拐点的横坐标。 x = μ ? σ 总有P(Xμ)=P(X μ)=0.5,为什么？ 思考：若 III. 正态分布 的分布函数 IV. 标准正态分布 称 N(0, 1) 为标准正态分布，其密度函数和分布函数常分别用 来表示。 它的依据是下面的定理： 标准正态分布的重要性在于，任何一个 一般的正态分布都可以通过线性变换转化为 标准正态分布。 根据定理1,只要将标准正态分布的分布函数制成表，就可以解决一般正态分布的概率计算问题。 定理1： 书末附有标准正态分布函数数值表，有了它，可以解决一般正态分布的概率计算问题。 V. 正态分布表 表中给出的是 x 0时，Φ(x)的取值; 若 X～N(0, 1), 服从N(0,1) 例1：假设某地区成年男性的身高(单位: cm) X～N(170,7.692), 求该地区成年男性的身高超过 175cm 的概率。 解: 根据假设 X～N(170 ,7.692)，知 事件{ X 175 }的概率为 此外：若X～N(0, 1),则P(X-1.24)= ?(-1.24)=1- ?(1.24) =1-0.8924=0.1076, P(0.3X2.58)= ?(2.58)- ?(0.3)=0.9951-0.6179 解: 设车门高度为 h ，按设计要求 P(X≥ h)≤0.01，或 P(X h)≥ 0.99， 下面我们来求满足上式的最小的 h。 例2：公共汽车车门的高度是按成年男性与车门顶头碰头机会在0.01以下来设计的。设某地区成年男性身高 (单位: cm) X～N(170, 7.692),问车门高度应如何确定? 因为X～N(170,7.692), 求满足 P(X h)≥ 0.99 的最小 h。 故，当汽车门高度为188厘米时，可使男子与车门碰头机会不超过0.01。 若随机变量 X 的概率密度为： 则称 X 服从区间 [ a, b] 上的均匀分布，记作： X ～ U[a, b] 2. 均匀分布 (Uniform) (注: 有时也记作 X ～ U(a, b) )。 若X ～ U[a, b]，则对于满足 a≤c≤d≤b 的 c 和 d，总有 容易知道，若X~U(a,b)，则 指数分布常用于可靠性统计研究中，如元件的寿命服从指数分布。 定义：若随机变量 X 具有概率密度 3. 指数分布 则称 X 服从参数为λ的指数分布，记成 X ~ e(λ)。 例3：设某电子管的使用寿命X(单位：小时)服从参数λ=0.0002的指数分布，求电子管使用寿命超过3000小时的概率。 解： 容易知道，若X~e(λ)，则 本讲首先介绍连续型随机变量、直方图、概率密度函数及性质；然后介绍了三种常用的连续型随机变量：正态分布，均匀分布和指数分布；最后介绍随机变量的分布函数。分别讨论了离散型随机变量的概率分布和分布函数的关系，连续型随机变量的概率密度和分布函数的关系等。 小结 概率论与数理统计 第六讲 主讲教师： 柴中林副教授 中国计量学院理学院 连续型随机变量 X 所有可能取值充满若干个区间。对这种随机变量，不能象离散型随机变量那样, 指出其取各个值的概率， 给出概率分布。而是用“概率密度函数”表示随机变量的概率分布。 §2.3 连续型随机变量 例1：某工厂生产一种零件，由于生产过程中各种随机因素的影响，零件长度不尽相同。现测得该厂生产的100个零件长度(单位: mm)如下: 2.3.1 频率直方图 129, 132, 136, 145, 140, 145, 147, 142, 138, 144, 147, 142, 137, 144, 144, 134, 149, 142, 137, 137, 155, 128, 143, 144, 148, 139, 143, 142, 135, 142, 148, 137, 142, 144, 141, 149, 132, 134, 145, 132