概率与数理统计 课件 第2章 随机变量统计学经典】.ppt

下面是我们用某大学大学生的身高的数据画出的频率直方图。 红线是拟合的正态密度曲线 可见，某大学大学生的身高应服从正态分布。 人的身高高低不等，但中等身材的占大多数，特高和特矮的只是少数，而且较高和较矮的人数大致相近，这从一个方面反映了服从正态分布的随机变量的特点。 除了我们在前面遇到过的年降雨量和身高外,在正常条件下各种产品的质量指标，如零件的尺寸；纤维的强度和张力；农作物的产量，小麦的穗长、株高；测量误差，射击目标的水平或垂直偏差；信号噪声等等，都服从或近似服从正态分布. (III) 、设X~ , 定义函数是 (IV)、标准正态分布 的正态分布称为标准正态分布. 其密度函数和相应函数常用 和 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. ,则 ~N(0,1) 设 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查表. （V）、正态分布表 表中给的是x0时, Φ(x)的值. 当-x0时 若 ~N(0,1) 若 X～N(0,1), 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 (1)-1=0.6826 P(|X| 2)=2 (2)-1=0.9544 P(|X| 3)=2 (3)-1=0.9974 （VI）、3 准则 将上述结论推广到一般的正态分布, 时， 可以认为，Y 的取值几乎全部集中在 区间内. 这在统计学上称作“3 准则” （三倍标准差原则）. 例1 （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: (1) 根据假设X～N(170,7.692)，则 故事件{X175}的概率为 P {X175}= =0.2578 解: (2) 设车门高度为h cm,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. （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，问车门高度应如何确定? 因为X～N(170,7.692), 故 P(X h)= 0.99 查表得 (2.33)=0.99010.99 所以 =2.33, 即 h=170+17.92 188 设计车门高度为 188厘米时，可使 男子与车门碰头 机会不超过0.01. P(X h ) 0.99 求满足 的最小的h . 若 r.v. 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] 二、均匀分布(Uniform) （注：X ～ U（a, b）） 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，例如对小数点后第一位进行四舍五 入时，那么一般认为误差服从（-0.5, 0.5）上的均匀分布。 若X ～ U[a, b]，则对于满足 的c,d, 总有 则称 X 服从参数为 的指数分布. 指数分布常用于可靠性统计研究中，如元件的寿命. 三、指数分布：若 r.v X具有概率密度 常简记为 X~E( ) . （三）、随机变量的分布函数 设X(?)是一个随机变量. 称函数 F(x):= P{X≤x},-∞x∞ 为随机变量X的分布函数. 　分布函数的性质 （1）?ab,总有F(a)≤F(b)(单调非减性) （2）F(x)是一个右连续的函数 （3） ?x?R1 ,总有0≤F(x)≤1(有界性),且 定义 证明: 仅证(1) ∵{aX≤b}={X≤b}∩{Xa} ={X≤b}-{X≤a},而{X≤a}?{X≤b}. ∴ P{aX≤b}= P{X≤b}- P{X≤a} =F(b)- F(a). 又∵P{aX≤b}≥0, ∴F(a)≤F(b). 上述证明中我们得到一个重要公式: P{aX≤b}=F(b)- F(a). 它表明随机变量落在区间(a,b]上的概 率可以通过它的分布函数来计算. 注意 设离散型随机变量X的分布律为 pk:= P{X