概率与实际概率分布.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 3－* 3. 超几何分布 N个单位的有限总体中有M个单位具有某特征。用不重复抽样方法从总体中抽取n个单位，样本中具有某种特征的单位数X服从超几何分布，记为X～H(n,N,M ) 数学期望和方差: N很大而n相对很小时，趋于二项分布(p=M/N) 3－* 五、常见的连续型概率分布 1. 均匀分布 X只在一有限区间 [a，b] 上取值 且概率密度是一个常数 其概率密度为： X 落在子区间 [c，d ] 内的概率与该子区间的长度成正比，与具体位置无关 f(x) a c d b x P(c≤X≤d) 3－* 2. 正态分布 X～N (μ、σ 2 )，其概率密度为： 正态分布的均值和标准差 均值 E(X) =μ 方差 D(X)=σ 2 -∞ x ∞ 3－* 2. 正态曲线 σ相同而μ不同的正态曲线 ?? ?2?????????????x f(x) μ相同而σ不同的正态曲线 f(x) σ较小 σ较大 ?????????????????????????x 正态曲线的主要特性 关于x = μ对称的钟形曲线 参数μ决定正态曲线的中心位置 参数σ 决定正态曲线的陡峭或扁平程度 以X轴为渐近线，即当x→ ± ∞ 时，f(x) → 0 3－* 标准正态分布 μ＝0、σ＝1的正态分布，记为N (0, 1) 其概率密度φ(x)，分布函数 Ф(x) X～N (μ、σ 2 ), 则 ： Z～N (0，1 ) 若 Z～N (0，1 )，则有： P（| Z| ≤ a）＝2Ф(a)－1 Ф(-a)=1－Ф(a) 标准化 标准正态曲线 -a 0 a φ(z) z Φ(a) 3－* 【例3-14】 某厂生产的某种节能灯管的使用寿命服从正态分布，对某批产品测试的结果，平均使用寿命为1050小时，标准差为200小时。试求： （a）使用寿命在500小时以下的灯管占多大比例？ （b）使用寿命在850～1450小时的灯管占多大比例？ （c）以均值为中心，95％的灯管的使用寿命在什么范围内？ 3－* 解 X＝使用寿命，X～N (1050，2002 ) ＝Ф(2)－Ф(-1)＝0.97725－0.15865＝0.8186 95％的灯管寿命在均值左右392（即658～1442）小时 ＝1－Ф(2.75)＝1－0.99702＝0.00298 3－* 3 σ 原则 |X－μ| 3σ 的概率很小，因此可认为正态随机变量的取值几乎全部集中在[ μ- 3σ，μ+ 3σ ]区间内 广泛应用: 产品质量控制 判断异常情况 …… 图3-12 常用的正态概率值 （在一般正态分布及标准正态分布中） -3 -2 -1 0 +1 +2?????? +3 z ?-3σ ?-2σ ?-σ ? ?+σ ?+2σ??????+3σ??? x 99.73% 95.45% 68.27% 3－* 正态分布最常用、最重要 大千世界中许多常见的随机现象服从或近似服从正态分布 例如，测量误差，同龄人的身高、体重，一批棉纱的抗拉强度，一种设备的使用寿命，农作物的产量… 特点是 “中间多两头少” 由于正态分布特有的数学性质，正态分布在很多统计理论中都占有十分重要的地位 正态分布是许多概率分布的极限分布 统计推断中许多重要的分布（如χ2分布、t分布、F分布）都是在正态分布的基础上推导出来的。 3－* 用正态分布近似二项分布 X～B (n，p) ，当n充分大时， X～N (n p，np(1-p)) 【例3-15】假设有一批种子的发芽率为0.7。现有这种种子1000颗，试求其中有720颗以上发芽的概率。 解：设X＝发芽种子颗数，X～B(1000，0.7)。近似地 X～N (700，210)。 P(X720)＝P(Z1.38)＝1－P(Z≤1.38) ＝1－0.9162＝0.0838 3－* 用正态分布近似二项分布 用正态分布近似二项分布的前提 n很大， p不能