正态分布在实际生活中的应用.pdfVIP

《概率论与数理统计》 论文 正态分布在实际生活中的应用 1 正态分布在实际生活中的应用 摘要： 正态分布是一个在数学、物理及工程等领域都非常重要的概率分布，在统计 1 2 2 学的许多方面有着重大的影响力。其密度函数为：f (x) = e−( x−) /( 2 ) ，由 μ、  2 σ 决定其性质。生产与科学实验中很多随机变量的概率分布都可以近似地用正 态分布来描述。例如，在生产条件不变的情况下，产品的强力、抗压强度、口径、 长度等指标；还有智力测试、填报志愿等问题。 关键词：正态分布 实际应用 预测 正文： 正态分布（normal distribution）又名高斯分布 （Gaussian distribution）， 是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面 有着重大的影响力。则其概率密度函数为正态分布的期望值μ决定了其位置，其 标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。 1 2 2 正态分布的密度函数 ： f (x) = e−( x−) /( 2 )  2 • f(x)为与 x 对应的正态曲线的纵坐标高度； • μ为总体均数即数学期望决定了其图像位置 • σ为总体标准差决定了分布的幅度； • π为圆周率，即3.14159； • e 为自然对数的底，即 2.71828。 我们通常所说的标准正态分布是 μ = 0,σ = 1的正态分布。 服从正态分布的变量的频数分布由 μ、σ完全决定，他还具有如下特征： 1、集中性：正态曲线的高峰位于正中央，即均数所在的位置。 2、对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相 交。 3、均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下 降。 4、正态分布有两个参数，即均数 μ和标准差 σ，可记作 N （μ，σ）：均 数 μ决定正态曲线的中心位置；标准差 σ决定正态曲线的陡峭或扁平程度。σ 越小，曲线越陡峭； σ越大，曲线越扁平。 5、u 变换：为了便于描述和应用，常将正态变量作数据转换。 μ是正态分 布的位置参数，描述正态分布的集中趋势位置。正态分布以 X=μ 为对称轴，左 右完全对称。正态分布的均数、中位数、众数相同，均等于 μ。 6、σ描述正态分布资料数据分布的离散程度， σ越大，数据分布越分散， σ越小，数据分布越集中。 也称为是正态分布的形状参数，σ越大，曲线越扁 平，反之， σ越小，曲线越瘦高。 7、3σ 原则：P （μ- σX≤μ+σ）=68.3%P （μ-2σX≤μ+2σ）=95.4%P 2 （μ-3σX≤μ+3σ）=99.7% 正态分布随处可见，处处显现着他神秘的身影。对于某一件事或者某个要达 到的目标，很多很多的个体发挥出来的水平大致上服从正态分布。也就是说，对 于大量个体的发挥统计，常常能看到正态分布“冥冥之中”束缚着整体的状态。 对于某个单独的单位，一般来说，对于“发挥出来的水平”这件事，也往往 有波动的效果，不管是机器、工具还是我们人本身：有的时候，超水平发挥了； 有的时候正常发挥；有的时候又会发挥失常。这种东西应该也可以抽象为围绕期 望水平的正态分布。 而对于若干数据，包括发挥水平、排位情况，但是没有整体数据的时候，如 果能推测是正态分布的情形，就可以近似计算出分布函数来，然后去估计其他的 分布情况。这是反向推导的过程。 生产与