- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
第PAGE页
2.4正态分布
复习引入:
总体密度曲线:样本容量越大,所分组数越多,各组的频率就越接近于总体在相应各组取值的概率.设想样本容量无限增大,分组的组距无限缩小,那么频率分布直方图就会无限接近于一条光滑曲线,这条曲线叫做总体密度曲线.
它反映了总体在各个范围内取值的概率.依据这条曲线,可求出总体在区间(a,b)内取值的概率等于总体密度曲线,直线,及x轴所围图形的面积.
视察总体密度曲线的形态,它具有“两头低,中间高,左右对称”的特征,具有这种特征的总体密度曲线一般可用下面函数的图象来表示或近似表示:
式中的实数,是参数,分别表示总体的平均数及标准差,的图象为正态分布密度曲线,简称正态曲线.
讲解新课:
一般地,假如对于任何实数,随机变量X满意
则称X的分布为正态分布().正态分布完全由参数和确定,因此正态分布常记作.假如随机变量X听从正态分布,则记为X~.
阅历表明,一个随机变量假如是众多的,互不相干的,不分主次的偶然因素作用结果之和,它就听从或近似听从正态分布.例如,高尔顿板试验中,小球在下落过程中要及众多小木块发生碰撞,每次碰撞的结果使得小球随机地向左或向右下落,因此小球第1次及高尔顿板底部接触时的坐标X是众多随机碰撞的结果,所以它近似听从正态分布.在现实生活中,许多随机变量都听从或近似地听从正态分布.例如长度测量误差;某一地区同年龄人群的身高,体重,肺活量等;肯定条件下生长的小麦的株高,穗长,单位面积产量等;正常生产条件下各种产品的质量指标(如零件的尺寸,纤维的纤度,电容器的电容量,电子管的运用寿命等);某地每年七月份的平均气温,平均湿度,降雨量等;一般都听从正态分布.因此,正态分布广泛存在于自然现象,生产和生活实际之中.正态分布在概率和统计中占有重要的地位.
说明:1参数是反映随机变量取值的平均水平的特征数,可以用样本均值去佑计;是衡量随机变量总体波动大小的特征数,可以用样本标准差去估计.
2.正态分布)是由均值μ和标准差σ唯一确定的分布
通过固定其中一个值,探讨均值及标准差对于正态曲线的影响
3.通过对三组正态曲线分析,得出正态曲线具有的基本特征是两头底,中间高,左右对称
4.正态曲线有以下特点:
(1)曲线在x轴的上方,及x轴不相交
(2)曲线关于直线μ对称
(3)当μ时,曲线带到峰值
(4)曲线及x轴之间的面积为1
(5).当x<μ时,曲线上升(增函数);当x>μ时,曲线下降(减函数)并且当曲线向左,右两边无限延长时,以x轴为渐近线,向它无限靠近
(6)当μ肯定时,曲线的形态由σ确定
σ越大,曲线越“矮胖”,总体分布越分散;
σ越小.曲线越“瘦高”.总体分布越集中:
5.标准正态曲线:当μ=0,σ时,正态总体称为标准正态总体,其相应的函数表示式是,(-∞<x<+∞)
其相应的曲线称为标准正态曲线
标准正态总体N(0,1)在正态总体的探讨中占有重要的地位任何正态分布的概率问题均可转化成标准正态分布的概率问题
6.对于正态总体取值的概率:
在区间(μ-σ,μ+σ),(μ-2σ,μ+2σ),(μ-3σ,μ+3σ)内取值的概率分别为68.26%,95.44%,99.74%因此我们时常只在区间(μ-3σ,μ+3σ)内探讨正态总体分布状况,而忽视其中很小的一部分在实际应用中,通常认为听从于正态分布的随机变量X只取(μ-3σ,μ+3σ)之间的值,并简称之为3原则。
例1.给出下列三个正态总体的函数表达式,请找出其均值μ和标准差σ
(1)
(2)
(3)
例2:在某次数学考试中,考生的成果X听从一个正态分布,即(90,100)。
试求考试成果X位于区间(70,100)上的概率是多少?
若这次考试共有2000名考生,试估计考试成果在(80,100)之间的考生大约有多少人?
练习:1若X听从N(),则X位于区域]内的概率是多少?
2.设随机变量,且
3.若,求
4.设随机变量
5.某厂生产的圆柱形零件的外径,质检人员从该厂生产的1000件零件中随机抽取一件,测得它的外径为5.7,试问该厂生产的这批零件是否合格?
6.课本77页B组2,3
文档评论(0)