§2.4 常用的连续型分布幻灯片.ppt

正态分布由它的两个参数μ和σ唯一确定， 当μ和σ不同时，是不同的正态分布。 标准正态分布 下面我们介绍一种最重要的正态分布 的正态分布称为标准正态分布. 标准正态分布 其密度函数和分布函数常用 表示： 和 标准正态分布的图形 的性质 : 事实上 , 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.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 证 Z 的分布函数为 则有 于是 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查表. 正态分布表 表中给的是 x 0 时, Φ0(x) 的值. 当 x 0 时 , 若 若 X～N(0,1), ~N(0,1) 则 由标准正态分布的查表计算可以求得， 这说明，X的取值几乎全部集中在[-3,3]区间 内，超出这个范围的可能性仅占不到0.3%. 当X～N(0,1)时， P ( |X| 1 ) = 2 0 (1) - 1 = 0.6826 3 准则 P ( |X| 2 ) = 2 0 (2) - 1 = 0.9544 P ( |X| 3 ) = 2 0 (3) - 1 = 0.9974 将上述结论推广到一般的正态分布, 可以认为，X 的取值几乎全部集中在 区间内. 这在统计学上称作“ 准则” . ~N(0,1) 时， 解 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3 公共汽车车门的高度是按男子与车门顶头碰头机会在 0.01 以下来设计的.设男子身高X～N(170,62),问车门高度应如何确定? 设车门高度为h cm,按设计要求 因为 X～N(170,62), 故 P(X h)= 查表得 0(2.33)=0.99010.99 因而 = 2.33, 即 h=170+13.98 184 设计车门高度为 184厘米时，可使 男子与车门碰头 机会不超过0.01. P(X h ) 0.99 求满足 的最小的 h . 所以 . Example in Practice 宝洁(PG)公司作为应用统计方法来制定决策的领导者，雇用了具有各种学术背景的人士：工程学，统计学，运筹学和商务. 这些人士提供的主要的定量技术是概率性决策和风险分析，预先模拟，质量改进和定量方法（如线性规划，回归分析，概率分析）. PG的工业化学部门是脂肪乙醇的主要供应商，脂肪乙醇从天然原料如椰子油和衍生石油中提取. 该部门想知道扩建其脂肪乙醇生产设备的经济风险和机会，于是请PG内概率决策和风险分析领域的专家来帮忙. 经过对问题的模拟分析，他们确定获利能力的关键在于以石油为原料和以椰子为原料的成本差异. Example in Practice 未来的成本是未知的，但是分析人员利用两种成本分别服从的正态分布，对两种原料价格的差异 建立起连续型的概率分布，表明： 在整个决策的过程中，将原材料价格差异的影响量化是达成共识到关键. 而取得的概率可用于原材料价格差异的敏感性分析. 这一分析为管理层的决策提供了充分的依据. ( * 为保护数据所有权，本案例中的数据经过改动） Example in Practice （US Airways Attache, 2000.9）Mensa是国际高IQ成员组织，要想成为Mensa会员，在IQ测验中必须排名在整个人口的前2％. 如果人的IQ值服从正态分布，均值为100，标准差为15. 若某人想取得成为Mensa会员的资格，那么他的IQ值至少应达到多少？ Thank you ! * §2.4 常用的连续型分布 公交线路上两辆公共汽车前后通过某汽车停车站的时间，即乘客的候车时间等. 均匀分布常见于下列情形： 如在数值计算中，由于四舍五 入，小数点后某一位小数引入的误差； 均匀分布的背景材料 均匀分布在随机模拟 ( Monte Carlo 方法) 理论中有重要的应用。 假设连续随机变量 X 有分布函数 F (x) ， 则随机变量 F (X) ~ U (0,1) ； 反之，如果随机变量 U ~ U (0,1) ， 则随机变量 F －1(U) 的分布函数就是 F (x) 。 (0,1) 区间上的均匀分布 U (0,1) 在概率论的理论研究中具有特殊的意义。 期望： 方差： Example in Practice 假定我们有兴趣对一块