知识讲解正态分布
正态分布通俗讲解
正态分布通俗讲解
正态分布，也称为高斯分布或钟形曲线，是一种二维概率分布。
它的特点是以均值为中心，形成对称的钟形曲线。
你可以把正态分布看作是在一条直线上不同位置的尺子的测量结果的集合。
在正态分布中，大部分的值都集中在均值附近，而离均值越远的值出现的概率越小。
这就是为什么我们经常听到“68-95-99.7
规则”，这是指在一个标准正态分布中，大约68%的值会落在
均值的正负一个标准差范围内，约95%的值会落在正负两个
标准差范围内，约99.7%的值会落在正负三个标准差范围内。
正态分布可以用来描述许多自然界和社会现象，比如身高、体重、智力等。
它在统计学中有重要的应用，可以用来研究样本的分布情况、进行推断和预测。
正态分布的方程是一个具有钟形曲线的函数，它的形式是一个指数函数的幂次方，其中幂次方的指数是一个负数。
方程的形式虽然复杂，但我们可以通过计算机软件或统计表格轻松地计算和绘制正态分布曲线。
总之，正态分布是一种常见的概率分布，它描述了许多自然界和社会现象的分布情况。
理解正态分布有助于我们分析数据、做出推断和预测，对于统计学和实际应用都非常重要。
正态分布的概念概述
正态分布的概念概述正态分布（Normal Distribution），也称为高斯分布（Gaussian Distribution），是统计学中最为重要的分布之一、它是一种连续概率分布，其概率密度函数（Probability Density Function, PDF）为钟形曲线，具有均值为μ，标准差为σ的特点。
正态分布具有以下几个重要的特性：1.对称性：正态分布的概率密度函数是关于均值对称的，即μ左右的区域概率相等，曲线在μ处取得最大值。
2.唯一性：正态分布的形态由均值和标准差唯一确定，对于给定的μ和σ，正态分布的形态也就确定了。
3.概率为1：正态分布的概率密度函数下的面积等于1，即正态分布的所有取值的概率之和为14.中心极限定理：正态分布是中心极限定理的重要应用，根据中心极限定理，当样本容量足够大时，许多随机变量的和近似服从正态分布。
正态分布在实际中的应用非常广泛，以下是一些重要的应用示例：1.统计推断：正态分布是许多统计推断方法的基础，如假设检验、置信区间等。
在进行这些统计推断时，假设总体的分布是正态分布可以大大简化计算。
2.数据建模：许多自然现象和实验数据都可以近似表示为正态分布，因此在数据建模中，常常选择正态分布作为模型来描述数据的分布特征。
3.风险管理：正态分布在金融风险管理中有着重要的应用。
例如，在股票收益率的研究中通常假设收益率服从正态分布，基于此开展风险评估和投资组合管理。
4.质量控制：正态分布在质量控制中有着重要的应用。
通过监测和分析样本数据，可以利用正态分布来评估和控制产品的质量水平。
5.人口统计学：正态分布在人口统计学中的应用也相当广泛。
例如，身高、体重等生理特征通常符合正态分布。
6.教育评估：正态分布在教育评估中用于评估学生的成绩，例如标准化考试成绩通常假设分布近似为正态分布。
正态分布的重要性不仅在于其广泛的应用，还在于它在统计学理论和方法中的重要性。
许多经典的统计学方法和理论都是基于正态分布进行推导和证明的，正态分布在统计学中被广泛用于模型的设定和参数推断。
正态分布的相关概念
正态分布的相关概念
一、正态分布的基本概念
正态分布是一种常见的概率分布，它描述了许多自然现象和统计数据的分布情况。
正态分布曲线呈钟形，中间高，两边低，左右对称。
二、正态分布的参数
正态分布有两个参数，即均值（μ）和标准差（σ）。
均值决定了分布的中心位置，而标准差决定了分布的宽度。
三、正态分布的性质
正态分布具有以下基本性质：
1.集中性：正态分布曲线在均值处达到最高点，向两侧逐渐下降。
这意味着大多数数据值都集中在均值附近。
2.对称性：正态分布曲线关于均值对称，即对于任何x，都有p(x)=p(-x)。
这意味着正态分布不受符号影响。
3.均匀分布：在远离均值的地方，正态分布的概率密度逐渐减小，但不会为0。
这意味着在远离均值的地方仍然有可能出现数据值，但概率较小。
4.渐进性：当数据量足够大时，经验分布趋向于正态分布。
这意味着随着数据量的增加，数据的分布情况越来越符合正态分布。
5.偏态性：正态分布是略微偏左的，这是因为负值比正值出现的概率稍大。
但在某些情况下，可能会出现偏态分布。
四、正态分布的应用
正态分布在统计学中有着广泛的应用。
例如，在生物医学领域，
许多生理指标（如身高、体重）的分布都呈现出正态分布的特点。
此外，在金融领域，许多金融指标（如收益率、波动率）也服从正态分布。
五、正态分布的变种
除了基本形态的正态分布外，还有许多基于正态分布的变种。
例如，t分布、F分布等都是基于正态分布的变形。
这些变种在统计学中也有着广泛的应用。
正态分布知识点总结
4.正态分布 (1)正态分布的定义态变量概率密度曲线的函数表达式为22()2()x f x μσ--=，x ∈R ，其中μ，σ是参数，且0σ>，μ-∞<<+∞．式中的参数μ和σ分别为正态变量的数学期望和标准差．期望为μ、标准差为σ的正态分布通常记作2(,)N μσ．(2)正态曲线的性质①曲线位于x 轴上方，与x 轴不相交，与x 轴之间的面积为1； ②曲线是单峰的，它关于直线x ＝μ对称； ③曲线在x ＝μ处达到峰值1σ2π；④当μ一定时，曲线的形状由σ确定，σ越小，曲线越“瘦高”，表示总体的分布越集中；σ越大，曲线越“矮胖”，表示总体的分布越分散. (3)正态总体在三个特殊区间内取值的概率值①P (μ－σ<X ≤μ＋σ)＝0.682__6；②P (μ－2σ<X ≤μ＋2σ)＝0.954__4；③P (μ－3σ<X ≤μ＋3σ)＝0.997__4.④正态变量在()-∞+∞，内的取值的概率为1，在区间(33)μσμσ-+，之外的取值的概率是0.3%，故正态变量的取值几乎都在距x μ=三倍标准差之内，这就是正态分布的3σ原则．5.(2017·西安调研)已知随机变量X 服从正态分布N (3，1)，且P (X >2c －1)＝P (X <c ＋3)，则c ＝________.①P (X ＜a )＝1－P (X ≥a )；②P (X ＜μ－σ)＝P (X ≥μ＋σ).【训练4】 (2017·常德一模)已知随机变量X ～N (1，σ2)，若P (0<X <2)＝0.4，则P (X ≤0)＝( ) A.0.6B.0.4C.0.3D.0.28.设随机变量X ～B (2，p )，随机变量Y ～B (3，p )，若P (X ≥1)＝59，则P (Y ≥1)＝________.7.假设每天从甲地去乙地的旅客人数X 是服从正态分布N (800，502)的随机变量，记一天中从甲地去乙地的旅客人数800＜X ≤900的概率为p 0，则p 0＝________.【例1】 某单位为绿化环境，移栽了甲、乙两种大树各2株．设甲、乙两种大树移栽的成活率分别为56和45，且各株大树是否成活互不影响．求移栽的4株大树中： ⑴至少有1株成活的概率；⑴两种大树各成活1株的概率1．(2019·广东省汕头市联考)在某市高中某学科竞赛中，某一个区4 000名考生的参赛成绩统计如图所示．(1)求这4 000名考生的竞赛平均成绩x －(同一组中的数据用该组区间的中点值作代表)；(2)由直方图可认为考生竞赛成绩Z 服从正态分布N (μ，σ2)，其中μ，σ2分别取考生的平均成绩x －和考生成绩的方差s 2，那么该区4 000名考生成绩超过84.81分(含84.81分)的人数估计有多少？(3)如果用该区参赛考生成绩的情况来估计全市参赛考生的成绩情况，现从全市参赛考生中随机抽取4名考生，记成绩低于84.81分的考生人数为ξ，求P (ξ≤3)(精确到0.001)．附：①s 2＝204.75，204.75＝14.31；②Z ～N (μ，σ2)，则P (μ－σ<Z ≤μ＋σ)＝0.682 7，P (μ－2σ<Z ≤μ＋2σ)＝0.954 5； ③0.841 354＝0.501.3.(2019·合肥一模)已知某公司生产的一种产品的质量X (单位：克)服从正态分布N (100,4)，现从该产品的生产线上随机抽取10 000件产品，其中质量在[98,104]内的产品估计有( )(附：若X 服从N (μ，σ2)，则P (μ－σ＜X ＜μ＋σ)＝0.682 7，P (μ－2σ＜X ＜μ＋2σ)＝0.954 5) A.4 093件 B.4 772件 C.6 827件D.8 186件(2017·常德一模)已知随机变量X ～N (1，σ2)，若P (0<X <2)＝0.4，则P (X ≤0)＝( ) A.0.6B.0.4C.0.3D.0.24.设每天从甲地去乙地的旅客人数为随机变量X ，且X ～N (800,502)，则一天中从甲地去乙地的旅客人数少于900的概率为( )(参考数据：若X ～N (μ，σ2)，有P (μ－σ<X <μ＋σ)＝68.3%，P (μ－2σ<X <μ＋2σ)＝95.4%，P (μ－3σ<X <μ＋3σ)＝99.7%) A.97.7% B.68.3% C.99.7%D.95.4%5.某班有50名学生，一次考试的数学成绩ξ服从正态分布N (100,102)，已知P (90<ξ<100)＝0.3，估计该班学生数学成绩不小于110分的人数为________.10.若随机变量X ～N (μ，σ2)，且P (X >5)＝P (X <－1)＝0.2，则P (2<X <5)＝________.14.设X ～N (1,1)，其正态分布密度曲线如图所示，那么向正方形ABCD 中随机投掷10 000个点，试估计落入阴影部分的点的个数.(注：若X ～N (μ，σ2)，则P (μ－σ<X <μ＋σ)＝68.3%，P (μ－2σ<X <μ＋2σ)＝95.4%)15.已知随机变量X ～B (2，p )，Y ～N (2，σ2)，若P (X ≥1)＝0.64，P (0<Y <2)＝p ，求P (Y >4)的值. 1 某项大型赛事，需要从高校选拔青年志愿者，某大学生实践中心积极参与，从8名学生会干部(其中男生5名，女生3名)中选3名参加志愿者服务活动.若所选3名学生中的女生人数为X ，求X 的分布列及均值.20．（本小题满分10分）在某校举行的数学竞赛中，全体参赛学生的竞赛成绩近似服从正态分布(70,100)N 。
正态分布知识点
正态分布知识点正态分布是统计学中最为重要的概率分布之一，也被称为高斯分布。
它在自然界、人类社会和经济现象中都有着广泛的应用。
正态分布是一种连续型概率分布，其概率密度函数呈钟形曲线，呈现出对称性和集中性。
正态分布的形状可以通过其期望值（均值）和标准差来描述。
期望值表示数据的中心位置，标准差表示数据的离散程度。
通常情况下，正态分布的均值、中值和众数（最常出现的值）是相等的，呈现出对称性。
正态分布的曲线在均值附近最高，在离均值越远的位置，曲线越低。
正态分布的曲线在均值两侧对称，这意味着大约68%的数据位于均值的一个标准差范围内，大约95%的数据位于均值的两个标准差范围内，大约99.7%的数据位于均值的三个标准差范围内。
这种统计规律被称为“68-95-99.7法则”。
正态分布可以用来描述许多自然现象，例如身高、体重、智力水平等。
在这些现象中，大多数个体集中在均值附近，而离均值越远的个体越少。
这也解释了为什么大多数人的身高在平均身高附近，而极矮或极高的个体数量较少。
正态分布在统计学中有许多应用。
首先，它可以用来进行数据分析和假设检验。
通过分析数据的分布情况，可以判断某个变量是否服从正态分布。
在假设检验中，可以利用正态分布假设来进行参数估计和推断。
其次，正态分布可以用来进行抽样推断。
根据中心极限定理，当样本容量足够大时，样本均值的分布接近于正态分布。
这意味着我们可以通过对样本数据进行统计分析，来推断总体的性质和特征。
正态分布还可以用于建立概率模型和预测。
在金融领域，股票价格的波动、汇率变动等都可以用正态分布进行建模。
在质量控制中，正态分布被用来评估生产过程的稳定性和规范性。
此外，正态分布的特点也对科学研究和实践有着重要意义。
在实验设计中，可以通过对因素的测量，了解数据是否服从正态分布，从而选择适当的统计方法和模型。
总之，正态分布作为统计学中的重要概率分布，具有许多重要的应用。
其形状对称、集中性强的特点，使得它成为了许多自然现象和实际问题的理想模型。
正态分布——概念特征广泛应用
正态分布——概念特征广泛应用正态分布，也称为高斯分布或钟形曲线，是概率论中一种非常重要的分布。
它在统计分析和科学研究中得到了广泛的应用。
正态分布具有许多独特的特征，它的形状是对称的，呈现出一个钟形曲线，其均值、方差和标准差等统计量能够完全描述它的特征。
正态分布的概念：正态分布是一种连续型的概率分布，它的概率密度函数可以通过以下公式表示：f(x) = (1 / (σ * √(2 * π))) * exp(-((x - μ) ^ 2) / (2 *σ ^ 2))其中，μ表示正态分布的期望值或均值，σ表示正态分布的标准差，π是圆周率。
正态分布的特征：1.对称性：正态分布呈现出对称的特点，也就是说，在均值两侧的概率曲线是完全相同的，即左右对称。
2.唯一性：正态分布具有唯一的均值和标准差。
均值决定了曲线的中心位置，标准差决定了曲线的形状和宽度。
3.分布范围：正态分布的取值范围是无限的，即负无穷到正无穷。
4.弱偏态性：正态分布的偏态系数为0，即偏度为0。
偏态系数用于衡量概率分布的非对称性，当偏态系数大于0时，分布呈现正偏态，即右侧的尾部比左侧的尾部更长。
正态分布的广泛应用：1.统计学：正态分布在统计学中得到广泛的应用，特别是在参数估计和假设检验中。
许多常见的统计模型，如回归模型和时间序列模型，都是基于正态分布假设进行建模的。
2.自然科学：正态分布在自然科学中的应用非常广泛。
例如，物理学中的测量误差通常是服从正态分布的，因此在物理实验中，我们常常使用正态分布进行误差处理。
3.金融学：正态分布在金融学中扮演着重要的角色。
金融市场的大多数价格变动和收益率变动都呈现出近似正态分布的特征，这是基于大量的市场参与者和随机性的结果。
4.社会科学：正态分布也在社会科学中得到广泛的应用。
例如，人口统计数据、心理测量、学生考试成绩等，都可以使用正态分布进行描述。
5.质量管理：正态分布还在质量管理中发挥着重要的作用。
许多质量控制方法，如过程控制图、质量能力指数等，都基于正态分布的性质。
正态分布的概念和特点
正态分布的概念和特点
正态分布是一种概率分布，它的特点是集中性、对称性和均匀变动性。
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：正态分布曲线以均数所在的位置为中心左右对称且曲线两段无线趋近于横轴。
3.均匀变动性：正态分布曲线以均数所在的位置为中心均匀向左右两侧下降。
另外，正态分布函数公式如下：μ为均数，σ为标准差。
μ决定了正态分布的位置，与μ越近，被取到的概率就越大，反之越小。
σ描述的是正态分布的离散程度。
σ越大，数据分布越分散曲线越扁平；σ越小，数据分布越集中曲线越陡峭。
以上特点在生产条件不变的情况下，可以广泛应用于产品的强力、抗压强度、口径、长度等指标的预测，以及同一种生物体的身长、体重等指标，同一种种子的重量，测量同一物体的误差，弹着点沿某一方向的偏差，某个地区的年降水量，以及理想气体分子的速度分量等等。
正态分布完整ppt课件
使用如Shapiro-Wilk检验、Kolmogorov-Smirnov检验等方法，对 误差项进行正态性检验，以验证其是否符合正态分布。
方差分析中F分布应用
01 02
F分布的定义
F分布是一种连续型概率分布，常用于方差分析中的假设检验。在方差 分析中，通过比较不同组间的方差与组内方差，判断各因素对结果的影 响是否显著。
筛选方法
包括单变量分析和多变量分析等，结合临床 意义和统计学显著性进行生物标志物的筛选 。
社会科学调查数据分析
社会科学调查数据特点
大量、复杂、多维度的数据，往往需要进行统计分析和数据挖掘。
正态分布在社会科学调查数据分析中的应用
通过对调查数据进行正态性检验，选择合适的数据处理和分析方法，如参数检验、回归分析等。
有对称性和单峰性。
性质
对称性：正态分布曲线关于均值对称 。
单峰性：正态分布曲线只有一个峰值 ，位于均值处。
均值、中位数和众数相等。
概率密度函数在均值两侧呈指数下降 。
正态曲线特点
01
02
03
04
形状
钟形曲线，中间高，两边低。
对称性
关于均值对称，即左右两侧形 状相同。
峰值
位于均值处，且峰值高度由标 准差决定。
05
正态分布在金融学领域应用
风险评估及资产组合优化
风险评估
正态分布用于描述金融资产的收益和风险分布，通过计算均值和标准差来评估投资组合 的风险水平。
资产组合优化
基于正态分布假设，利用马科维茨投资组合理论等方法，构建最优资产组合以降低风险 并提高收益。
VaR（Value at Risk）计算
正态分布用于计算投资组合在一定置信水平下的最大可能损失（VaR），以衡量潜在风 险。
高考正态分布知识点
高考正态分布知识点在统计学中，正态分布是一种重要的概率分布，也被称为钟形曲线或高斯分布。
在高考数学中，正态分布是一个常见的考察点，学生需要了解和掌握与正态分布相关的概念、性质和应用。
下面将详细介绍高考正态分布的知识点。
一、正态分布的定义和性质1. 正态分布的定义：正态分布是指在数理统计中，如果随机变量X服从一个数学期望为μ、方差为σ²的正态分布，则记为X~N(μ, σ²)，其中N表示正态分布。
2. 正态分布的性质：（1）正态分布是对称的，其均值、中位数和众数都相等，即μ=中位数=众数。
（2）正态分布的图像呈现出典型的钟形曲线。
（3）正态分布的曲线在均值两侧呈现出逐渐减小的趋势，但是永远不会到达横轴。
（4）正态分布的曲线关于均值μ对称。
（5）正态分布的标准差σ越大，曲线越矮胖；标准差σ越小，曲线越瘦高。
（6）约68%的数据落在均值±1个标准差范围内；约95%的数据落在均值±2个标准差范围内；约99.7%的数据落在均值±3个标准差范围内。
二、正态分布的概率计算1. 标准正态分布：标准正态分布是指均值为0，标准差为1的正态分布。
记为Z~N(0, 1)。
对于标准正态分布，我们可以通过计算标准正态分布表来得到对应的概率值。
2. 普通正态分布：当随机变量X服从正态分布N(μ, σ²)时，可以进行标准化处理，将X转化为一个服从标准正态分布的随机变量Z。
即Z=(X-μ)/σ，这样就得到了一个标准正态分布。
对于普通正态分布，可以通过标准正态分布表和标准化公式来计算相应的概率值。
3. 概率计算：对于正态分布，我们常常需要计算在某个区间范围内的概率值。
对于标准正态分布，可以利用标准正态分布表查找对应的概率值。
对于普通正态分布，可以将其转化为标准正态分布进行计算。
三、正态分布的参数估计1. 样本均值的抽样分布：在统计学中，我们经常需要对总体的均值进行估计。
对于正态分布，样本均值的抽样分布也是一个正态分布，并且其均值等于总体均值，方差等于总体方差除以样本容量的平方根。
高三数学正态分布知识点
高三数学正态分布知识点正文：正态分布是概率论和统计学中经常应用的一种重要分布。
其特点是在均值附近的概率较高，而在离均值较远处的概率较低。
在高中数学的学习中，正态分布也是一个重要的知识点。
本文将介绍高三数学正态分布的相关知识。
一、正态分布的定义正态分布，又称为高斯分布，是一种连续型概率分布。
对于一个服从正态分布的随机变量X，其概率密度函数可以表示为：f(x) = (1 / sqrt(2 * π * σ^2)) * exp(-(x - μ)^2 / (2 * σ^2))其中，μ是均值，σ是标准差。
二、正态分布的性质1. 对称性：正态分布是以均值为对称轴，两侧面积相等的曲线。
2. 峰度：正态分布的峰度是指曲线的陡峭程度，峰度值为3。
3. 切点：正态分布曲线与均值之间会有两个切点，也即均值加减标准差的位置。
三、标准正态分布标准正态分布是指均值为0，标准差为1的正态分布。
它是对正态分布进行标准化后的结果。
对于一个服从正态分布的随机变量X，可以通过以下公式将其转化为标准正态分布的随机变量Z：Z = (X - μ) / σ四、正态分布的应用正态分布在实际生活和科学研究中具有广泛的应用，以下是几个常见的应用场景：1. 质量控制：正态分布可以帮助企业在生产过程中进行质量控制，通过控制产品的均值和标准差，来确保产品的质量稳定。
2. 统计分析：正态分布在统计学中扮演了重要角色，可以用于分析和描述大量数据的分布情况，从而得出结论或进行预测。
3. 考试评分：在考试评分过程中，教师常常采用正态分布来确定分数段及相应的等级，从而更公平地进行评价。
4. 实验设计：科学实验中常常会涉及到测量误差和数据分布的问题，正态分布可以作为参考，帮助科研人员进行实验设计和数据分析。
五、常用的正态分布应用题1. 求解概率：给定正态分布的均值和标准差，可以求解指定区间的概率。
2. 求解分位数：给定正态分布的均值和标准差，可以求解给定概率下的分位数，即求解落在该概率下的随机变量取值。
《正态分布》ppt课件
目录
CONTENTS
• 正态分布基本概念 • 正态分布在统计学中应用 • 正态分布在自然科学领域应用 • 正态分布在社会科学领域应用 • 正态分布计算方法及工具介绍 • 正态分布在实际问题中案例分析
01 正态分布基本概念
CHAPTER
定义与性质
定义
对称性
正态分布是一种连续型概率分布，描述了许 多自然现象的概率分布情况。在统计学中， 正态分布又被称为高斯分布。
系统误差与随机误差
正态分布可以帮助区分系统误差和随机误差。系统误差是由于实验装置或方法本身的缺陷引 起的，而随机误差则是由于各种不可控因素引起的。通过正态分布分析，可以对这两类误差 进行识别和纠正。
化学中浓度分布规律研究
01
溶液浓度的正态分布
在化学实验中，溶液的浓度分布往往符合正态分布。通过测量不同位置
利用SPSS的图形功能，可以绘制多种统计图表，包括频率分布直 方图、正态分布曲线图等。
SPSS提供了丰富的统计分析方法，如参数估计、假设检验、方差 分析等，可以根据研究需求选择合适的方法进行分析。
06 正态分布在实际问题中案例分析
CHAPTER
质量控制过程中产品合格率评估
质量控制图
利用正态分布原理，通过绘制质 量控制图，可以直观地展示产品 质量的波动情况，从而及时发现 并处理异常波动，确保产品合格
数据输入与整理
在Excel中输入数据，并进行必要的整理，如删除重复值、处理缺失 值等。
使用内置函数计算均值和标准差
Excel提供了丰富的内置函数，可以直接计算数据集的均值 （AVERAGE函数）和标准差（STDEV函数）。
绘制图表
利用Excel的图表功能，可以根据数据快速生成频率分布直方图和正 态分布曲线图。
正态分布的概念和特征
正态分布的概念和特征正态分布（normal distribution），又称高斯分布（Gaussian distribution），是概率统计学中最为重要和常见的一种连续概率分布。
起初，正态分布是由德国数学家高斯（Carl Friedrich Gauss）于18世纪末发现并进行了深入研究，因而得名。
1. 均值（mean）：正态分布的均值决定了其分布的位置，是分布曲线的对称轴。
在正态分布中，均值位于分布的最高峰处，对称地分布于左右两侧。
记作μ。
2. 方差（variance）：正态分布的方差决定了分布的形态宽窄，方差越大，分布曲线越扁平。
方差是各观测值与均值差的平方的平均数，可表示为σ²。
3. 标准差（standard deviation）：标准差是方差的平方根，用于衡量分布的离散程度，即观测值偏离均值的程度。
标准差越大，分布曲线越扁平，表示数据的散布越广。
标准差记作σ。
1.正态分布的曲线是对称的，即分布曲线两侧关于均值对称。
2.曲线的最大值位于均值处，即分布的峰值。
3.正态分布过程的结果是连续的变量，其取值范围无限。
4.正态分布的总体分布是平滑的，没有突变的点。
5.正态分布由两个参数确定，即均值和标准差，均值决定了分布的位置，标准差决定了分布的形态。
正态分布在实际中具有广泛的应用，原因如下：1.中心极限定理：正态分布是中心极限定理的基础。
中心极限定理指出，当独立随机变量的个数足够大时，这些随机变量的均值的分布将近似于正态分布。
因此，正态分布被广泛用于描述各种自然现象和现实生活中的变量。
2.数据分布：许多自然现象和人类行为都可以由正态分布进行描述。
例如，人类身高和体重的分布通常近似于正态分布，许多生物和地理量的测量也遵循正态分布。
3.统计推断：正态分布在统计推断中扮演着重要的角色。
通过对样本数据进行正态分布检验，可以判断样本数据是否服从正态分布，从而决定使用何种统计方法进行推断。
总之，正态分布是概率统计学中最为重要和常见的分布之一、其具有对称、平滑、以及由均值和标准差决定的特征，广泛应用于模型拟合、数据分析和统计推断等领域。
正态分布解释
正态分布解释正态分布是统计学中最常见的分布之一，也被称为高斯分布。
它在各个领域都有广泛的应用，尤其在自然科学和社会科学中经常被使用。
正态分布的特征是呈钟形曲线，两侧的尾部逐渐衰减。
其分布是由两个参数所决定，即均值（μ）和标准差（σ）。
均值决定了曲线的中心位置，而标准差则决定了曲线的宽度。
当均值为0，标准差为1时，这个分布被称为标准正态分布。
正态分布有许多重要的性质。
首先，它是对称的，即曲线两侧呈镜像关系。
其次，68%的数据落在均值加减一个标准差的范围内，而95%的数据落在均值加减两个标准差的范围内。
这个性质被称为“三个标准差原则”。
正态分布在实际应用中有着广泛的应用。
例如，在自然科学中，正态分布可以用来描述许多自然现象，如身高、体重等。
在社会科学中，正态分布可以用来描述人口统计数据、心理测量等。
此外，在工程学中，正态分布被用来描述可靠性和质量控制等。
正态分布的解释还可以从概率密度函数来进行拓展。
概率密度函数是描述随机变量在某一点附近的概率分布的函数。
对于正态分布来说，其概率密度函数为：f(x) = (1 / (σ * √(2 * π))) * e^(-((x - μ)^2) / (2 * σ^2))其中，e为自然对数的底数。
通过概率密度函数，我们可以计算出特定取值范围内的概率。
例如，我们可以计算出落在某个特定区间的概率，或者求出某个特定值的累积概率。
总之，正态分布是一种常见的概率分布，具有许多重要的性质，可以用来描述各种现象和数据。
在实际应用中，我们可以利用正态分布的特性来进行数据分析和推断。
正态分布ppt精品课件
根据检验结果，解释两组数据 是否存在显著差异，并结合实
际背景进行讨论。
06
正态分布在生活中的应用举例
质量控制领域应用举例
01
产品规格设定
在制造业中，正态分布用于设定产品规格。通过对产品特性进行统计分
析，可以确定产品特性的均值和标准差，进而设定合理的上下规格限。
02 03
过程能力分析
正态分布也用于评估生产过程的能力。通过计算过程能力指数（如Cp 和Cpk），可以了解生产过程是否稳定，并确定是否需要采取改进措施 。
多元方差分析（MANOVA）与多元回归分析（ Multiple Regression Analysis）：当涉及多个自 变量或多个因变量时，可以使用多元方差分析或 多元回归分析来探究它们之间的关系。
回归分析（Regression Analysis）：用于探究自 变量与因变量之间的线性或非线性关系，通过拟 合回归方程来预测因变量的取值。
概率密度函数性质 f(x)≥0，对于所有x∈R。
02
正态分布在统计学中应用
描述性统计量计算
均值（Mean）：表示数据的“中心 ”或“平均”水平，计算方法是所有 数值之和除以数值个数。
偏度（Skewness）：描述数据分布 形态的偏斜程度，正偏态表示数据向 右偏，负偏态表示数据向左偏。
标准差（Standard Deviation）：衡 量数据分布的离散程度，即数据偏离 均值的程度，计算方法是方差的平方 根。
实例分析：两组数据是否存在显著差异
数据描述
给出两组数据的描述性统计量， 如均值、标准差等。
假设检验步骤
按照上述假设检验步骤，对两组 数据进行假设检验。
结果解释
根据检验结果，判断两组数据是 否存在显著差异，并给出相应的
正太分布的知识点总结
正太分布的知识点总结一、正态分布的定义正态分布又叫高斯分布，其数学表达式为：P(x) = (1 / (σ * √(2*π))) * exp(-((x-μ)^2) / (2 * σ^2))其中，P(x)表示随机变量x的概率密度函数，μ是正态分布的均值，σ是标准差，π是圆周率。
二、正态分布的性质1. 对称性：正态分布是以均值为中心对称的。
2. 集中趋势：均值μ决定了正态分布的集中趋势，即大多数数据分布在均值附近。
3. 标准差：标准差σ决定了正态分布的数据分散程度，即σ越小，数据越集中；σ越大，数据越分散。
4. 68-95-99.7法则：大约68%的数据分布在均值的一个标准差范围内，大约95%的数据分布在均值的两个标准差范围内，大约99.7%的数据分布在均值的三个标准差范围内。
三、正态分布的应用1. 统计学：正态分布广泛应用于统计学中，用于描述人口的身高、智力分布等现象。
在假设检验和参数估计中也有重要应用。
2. 自然科学：在自然现象中，许多现象都能够很好地拟合成正态分布，例如物理学中的测量误差、生物学中的生长速度等。
3. 工程学：在工程学中，正态分布用于描述机械零部件的尺寸、材料的强度等参数。
4. 金融学：在金融市场中，股票价格的波动、交易量等经常符合正态分布，因此正态分布在金融学中有广泛的应用。
四、正态分布的参数估计和假设检验1. 参数估计：根据样本数据估计总体的均值和标准差，通常使用样本均值和样本标准差来估计总体的均值和标准差。
2. 假设检验：假设检验是统计学中常用的推断方法，正态分布在假设检验中有重要的应用。
常用的假设检验有单样本均值检验、双样本均值检验、方差检验等。
五、正态分布的标准化正态分布的标准化是将原始数据转换成标准正态分布的过程，这是为了便于比较和计算。
标准化的方法是将原始数据减去均值，然后除以标准差，即：Z = (X - μ) / σ。
六、正态分布的优缺点1. 优点：正态分布具有较好的数学性质，有严格的完全性和唯一性定理，因此在统计学中有广泛的应用。
正态分布知识点
1．正态分布密度函数的理解．其中：π是圆周率；e 是自然对数的底；x 是随机变量的取值；μ为正态分布的均值；σ是正态分布的标准差正态分布一般记为N （μ，σ2)．2．正态分布N(μ，σ2)是由均值μ和标准差σ唯一决定的分布．通过固定其中一个值，讨论均值与标准差对于正态曲线的影响．通过几何画板，作出正态曲线，固定其中一个值，突破拖动值，另一个利用几何画板的功能比较直观的观察正态曲线受到均值μ或标准差σ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．应用几何画板，形象、美观地画出三条正态曲线的图形，结合前面均值与标准差对图形的影响，引导学生观察总结正态曲线的性质．4．结合正态曲线，归纳其以下性质：(1）曲线在x 轴的上方,与x 轴不相交．(2）曲线关于直线x ＝μ对称．（3)当x ＝μ时，曲线位于最高点．(4)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、右两边无限延伸时,以x 轴为渐近线，向它无限靠近．(5)μ一定时,曲线的形状由σ确定．σ越大，曲线越“矮胖”，总体分布越分散;σ越小，曲线越“高”，总体分布越集中；5．3σ原则：对于正态总体),(2σμN 取值的概率：()222)(,21σμσμσπϕ--=x ex下面给出三个正态总体的函数表示式，请找出其均值μ和标准差σ．（1）22()x f x -= （2)2(1)8()x f x --= (3）22(1)()x f x -+=1.正态曲线下、横轴上,从均数到∞+的面积为( ）.A ．95%B ．50％C ．97。
5%D ．不能确定（与标准差的大小有关）2.标准正态分布的均数与标准差分别为( )。
A ．0与1B ．1与0C ．0与0D ．1与13。
正态分布有两个参数μ与σ，( )相应的正态曲线的形状越扁平。
A ．μ越大B ．μ越小C ．σ越大D ．σ越小4．下列函数是正态分布密度函数的是A ．()σσπ2221)(r x e x f -= B ．2222)(x e x f -=ππ C ．()412221)(-=x e x f π D ．2221)(x e x f π= 5．正态总体为1,0-==σμ概率密度函数)(x f 是A ．奇函数B ．偶函数C ．非奇百偶函数D ．既是奇函数又是偶函数6．若())(,21)(21,2R x e x x ∈=--πϕσμ，下列判断正确的是A ．有最大值，也有最小值B ．有最大值，但没最小值C ．有最大值，但没最大值D ．无最大值和最小值3σ原则考题：1．在一次英语考试中,考试的成绩服从正态分布)36,100(，那么考试成绩在区间(]112,88内的概率是A ．0．6826B ．0．3174C ．0．9544D ．0．99742．求标准正态总体在（—1，2)内取值的概率．3．若x ～N (0,1）， 求P (x >2)。
正态分布的概念与计算
正态分布的概念与计算正态分布（Normal Distribution），也称高斯分布（Gaussian Distribution），是概率论与统计学中非常重要的一种连续型概率分布。
它在自然界和人类社会的各个方面都有广泛应用，是描述随机变量分布的重要工具。
本文将介绍正态分布的概念，并说明如何计算正态分布。
一、正态分布的概念正态分布由其概率密度函数来定义，符号表示为：N(N, N²)，其中N为均值，N²为方差。
概率密度函数的形式为：N(N) = 1 / (N√2N) * N^(-((N−N)² / (2N²)))特点：1. 正态分布的图像呈钟形，中心对称，左右两边曲线对称，均值、中位数和众数相等，即N。
2. 在均值处有最高点，随着离均值的距离增加，曲线下降缓慢。
3. 标准差N的大小决定了曲线的陡峭程度，标准差越大，曲线越平缓。
二、正态分布的计算1. 概率密度计算：对于给定的正态分布N(N, N²)，可以通过概率密度函数计算任意N处的概率密度值。
例如，计算某个值N的概率密度，可以使用如下公式：N(N) = 1 / (N√2N) * N^(-((N−N)² / (2N²)))其中，N(N)表示N处的概率密度值。
2. 累积概率计算：对于给定的正态分布N(N, N²)，可以计算N≤ N的累积概率N(N≤ N)。
此时，可以使用标准正态分布表格或统计软件来查找概率值。
3. 标准化与反标准化：在实际计算过程中，常常需要将正态分布转化为标准正态分布，即N(0, 1)。
标准正态分布的均值N为0，方差N²为1。
标准化公式如下：N = (N−N) / N其中，N表示标准化后的值。
反标准化则是将标准正态分布转化为任意正态分布。
反标准化公式如下：N = N + NN4. 百分位数计算：对于给定的正态分布N(N, N²)，可以计算N对应的百分位数。
2 正态分布
根据专业知识确定该指标是否过大或过 小均属异常，决定该指标的参考值范围 是双侧范围还是单侧范围。
★双侧参考值范围：若一个指标过大过小均属 异常，则相应的参考值范围既有上限又有下 限，则参考值范围为双侧。
注意：
1.标准正态曲线以0为中心，左右对称，故附表1仅列 出（-∞，z）区间内的累计面积（累计概率）。 2.横轴上、曲线下总面积等于1，区间（ -z，z）内面 积为：1 -2 × （-∞， -z）。
例4-11 某地1986年120名8岁男孩身高均数为123.02cm， 标准差为4.79cm，试估计： （1）该地8岁男孩身高在130cm以上者占的百分比； （2）身高在120-128cm者占的百分比； （3）该地80%的男孩身高集中在哪个范围？
★单侧参考值范围：若一个指标仅过大属异 常，则此指标的参考值范围只有上限，是单 侧参考值范围；若一个指标仅过小属异常， 则此指标的参考值范围只有下限，亦是单侧 参考值范围。
2.参考值范围的制定方法
(1)正态分布法
正态分布法制定参考值范围
单侧
%
双侧
只有下限 只有上限
90
X 1.64S X 1.28S X 1.28S
95
X 1.96S X 1.64S X 1.64S
99
X 2.58S X 2.33S X 2.33S
(2)百分位数法
百分位数法制定参考值范围
单侧
%
双侧
只有下限 只有上限
90
P5~P95
P10
P90
95
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
正态分布【学习目标】1.了解正态分布曲线的特点及曲线所表示的意义。
2.了解正态曲线与正态分布的性质。
【要点梳理】要点诠释：要点一、概率密度曲线与概率密度函数1．概念：对于连续型随机变量，位于轴上方，落在任一区间（a，b]内的概率等于它与轴、直线与直线所围成的曲边梯形的面积（如图阴影部分），这条概率曲线叫做的概率密度曲线，以其作为图象的函数叫做的概率密度函数。
2、性质：①概率密度函数所取的每个值均是非负的。
②夹于概率密度的曲线与轴之间的“平面图形”的面积为1③的值等于由直线，与概率密度曲线、轴所围成的“平面图形”的面积。
要点二、正态分布1.正态变量的概率密度函数正态变量的概率密度函数表达式为：，（）其中x是随机变量的取值；μ为正态变量的期望；是正态变量的标准差.2．正态分布（1）定义如果对于任何实数随机变量满足：，则称随机变量服从正态分布。
记为。
（2）正态分布的期望与方差若，则的期望与方差分别为：，。
要点诠释：（1）正态分布由参数和确定。
参数是均值，它是反映随机变量取值的平均水平的特征数，可用样本的均值去估计。
是标准差，它是衡量随机变量总体波动大小的特征数，可以用样本的标准差去估计。
（2）经验表明，一个随机变量如果是众多的、互不相干的、不分主次的偶然因素作用结果之和，它就服从或近似服从正态分布．在现实生活中，很多随机变量都服从或近似地服从正态分布．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；一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、电子管的使用寿命等）；某地每年七月份的平均气温、平均湿度、降雨量等；一般都服从正态分布．要点三、正态曲线及其性质：1. 正态曲线如果随机变量X的概率密度函数为，其中实数和为参数（），则称函数的图象为正态分布密度曲线，简称正态曲线。
2．正态曲线的性质：①曲线位于轴上方，与轴不相交；②曲线是单峰的，它关于直线对称；③曲线在时达到峰值；④当时，曲线上升；当时，曲线下降.并且当曲线向左、右两边无限延伸时，以x轴为渐近线，向它无限靠近.⑤曲线与轴之间的面积为1；⑥决定曲线的位置和对称性；当一定时，曲线的对称轴位置由确定；如下图所示，曲线随着的变化而沿轴平移。
⑦确定曲线的形状；当一定时，曲线的形状由确定。
越小，曲线越“高瘦”，表示总体的分布越集中；越大，曲线越“矮胖”，表示总体的分布越分散。
如下图所示。
要点诠释：性质①说明了函数具有值域（函数值为正）及函数的渐近线（x轴）．性质②并且说明了函数具有对称性；性质③说明了函数在x=时取最值；性质⑦说明越大，总体分布越分散，越小，总体分布越集中．要点四、求正态分布在给定区间上的概率1.随机变量取值的概率与面积的关系若随机变量ξ服从正态分布，那么对于任意实数a、b（a＜b），当随机变量ξ在区间（a，b]上取值时，其取值的概率与正态曲线与直线x=a，x=b以及x轴所围成的图形的面积相等．如图（1）中的阴影部分的面积就是随机变量孝在区间（a，b]上取值的概率．一般地，当随机变量在区间（－∞，a）上取值时，其取值的概率是正态曲线在x=a左侧以及x轴围成图形的面积，如图（2）．随机变量在（a，+∞）上取值的概率是正态曲线在x=a右侧以及x轴围成图形的面积，如图（3）．根据以上概率与面积的关系，在有关概率的计算中，可借助与面积的关系进行求解．2、正态分布在三个特殊区间的概率值：；；。
上述结果可用下图表示：要点诠释：若随机变量服从正态分布，则落在内的概率约为，落在之外的概率约为，一般称后者为小概率事件，并认为在一次试验中，小概率事件几乎不可能发生。
一般的，服从于正态分布的随机变量通常只取之间的值，简称为原则。
3、求正态分布在给定区间上的概率方法（1）数形结合，利用正态曲线的对称性及曲线与轴之间面积为1。
①正态曲线关于直线对称，与对称的区间上的概率相等。
例如；②；③若，则。
(2)利用正态分布在三个特殊区间内取值的概率：①；②；③。
【典型例题】类型一、正态分布的概率密度函数例1. 下列函数是正态密度函数的是（）．A．，（）都是实数B． C． D．【思路点拨】本题可对照正态密度函数的标准形式判断．【解析】正态密度函数为：，其中指数部分的应与系数的分母处的保持一致，系数为正数且指数为负数．选项A有两处错误，分别是错为，指数错为正数．选项C，从系数可得=2，而从指数处可得，显然不符．选项D中指数为正，错误．所以正确答案为B．【总结升华】注意函数的形式特点是解题的关键．举一反三：【变式1】设一正态总体，它的概率密度曲线是函数的图象，则这个正态总体的均值与方差分别是（）A．10与8 B．10与4 C．8与10 D．2与10【答案】在该正态分布中，=10，=2，则E(X)=10，D(X)==4，故选B。
【变式2】．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）【答案】(1) 0，1 (2) 1，2 (3) -1，【变式3】正态总体为1概率密度函数是（）A．奇函数 B．偶函数 C．非奇非偶函数 D．既是奇函数又是偶函数【答案】B。
因为22()xf x-=所以选B。
【变式4】一台机床生产一种尺寸为10 mm的零件，现在从中抽测10个，它们的尺寸分别如下（单位：mm）：，，10，，，，，10，，．如果机床生产零件的尺寸X服从正态分布，求正态分布的概率密度函数式．【答案】求正态分布的概率密度函数式，只要求出参数和即可，而即样本均值，即样本标准差．依题意得，．即，．所以X的概率密度函数为．类型二、正态曲线例2. 如图所示，是一个正态曲线，试根据该图像写出其正态分布的概率密度函数的解析式，求出总体随机变量的期望和方差．【思路点拨】由正态曲线的图像可知，该曲线的对称轴为x=20，最大值为，因此，μ=20，由可求得的值．【解析】从给出的正态曲线可知，该正态曲线关于直线x=20对称，最大值是，所以μ=20．由，解得．于是概率密度函数的解析式是，x∈（－∞，+∞）．总体随机变量的期望是μ=20，方差是．【总结升华】利用图像求正态密度函数的解析式，应抓住图像的实质性两点：一是对称轴x=μ，一是最值．这两点确定以后，相应参数纵、便确定了，代入P（x）中便可求出相应的解析式．举一反三：【变式1】关于正态密度曲线性质的叙述：①曲线关于直线x=对称，整条曲线在x轴上方；②曲线对应的正态总体概率密度函数是偶函数；③曲线在x=时处于最高点，由这一点向左右两边延伸时，曲线逐渐降低；④曲线的对称位置由确定，曲线的形状由确定，越大曲线越“矮胖”，反之，曲线越“高瘦”．其中叙述正确的有（）．A．①②③ B．①③④ C．②③④ D．①②③④【答案】 B根据曲线关于直线x=对称，只有当=0时函数才是偶函数，故②错．利用排除法选B．【变式2】如图，两个正态分布曲线图：1为，2为，则，（填大于，小于）【答案】＜，＞。
解析：由正态密度曲线图象的特征知。
【变式3】如图是三个正态分布X～N（0，），Y～N（0，1），Z～N（0，4）的密度曲线，则三个随机变量X，Y，Z对应曲线分别是图中的________、________、________。
【答案】①②③。
【变式4】已知正态总体落在区间的概率是0．5，那么相应的正态曲线在时达到最高点。
【答案】。
由于正态曲线关于直线对称，由题意知。
类型三、正态分布的计算例3．已知随机变量ξ服从正态分布N(2，σ2)，P(ξ≤4)＝，则P(ξ≤0)＝( )A．B．C．D．【思路点拨】可画出正态曲线，利用正态曲线的对称性解决。
【解析】∵P(ξ≤4)＝，μ＝2，∴P(ξ≤0)＝P(ξ≥4)＝1－＝，故选A.【总结升华】本题利用了正态密度曲线的性质求概率，其中应注意对称性的运用。
举一反三：【变式1】（1），和的值各是多少？（2），和的值各是多少？【答案】（1）比照（），时，=0，=1。
（2）比照（），时，=－1，所以 =－1，=3。
【变式2】在某次测量中，测量结果服从正态分布，若在（0，1）内取值的概率为，则在（0，2）内取值的概率为________。
【答案】服从正态分布，∴在（0，1）与（1，2）内取值的概率相同，均为。
在（0，2）内取值的概率为+=。
【变式3】设随机变量X～N（0，1），（1）P(－a＜X＜0)=P(0＜X＜a)(a>0)；（2）P(X＜0)=；（3）已知P(|X|＜1)=，则P(X＜－1)=；（4）已知P(|X|＜2)=，则P(X＜2)=；（5）已知P(|X|＜3)=，则P(X＞－3)=。
其中正确的有（）A．2个 B．3个 C．4个 D．5个【答案】D；均正确，充分利用正态曲线的对称性及其意义。
例4. 设ξ～N（1，22），试求：（1）P（－1＜ξ≤3）；（2）P（3＜ξ≤5）；（3）P（ξ≥5）．【思路点拨】要求随机变量ξ在某一范围内的概率，只需借助于正态密度曲线的图像性质以及课本中所给的数据进行转化求值．【解析】∵ξ～N（1，22），∴=1，=2，（1）P（－1＜ξ≤3）=P（1－2＜ξ≤1+2）=P（＜ξ≤）=．（2）∵P（3＜ξ≤5）=P（－3＜ξ≤－1），∴P（3＜ξ≤5）．（3）∵P（ξ≥5）=P（ξ≤－3），∴．【总结升华】在求随机变量ξ在某一范围内的概率时，可以首先把随机变量ξ的取值转化到区间、以及，然后利用在上的概率约为，在上的概率约为，在上的概率约为．举一反三：【变式1】，求。
【答案】时，=2，=5，，，∴【变式2】若η～N（5，1），求P（5＜η＜7）．【答案】∵η～N（5，1），∴正态分布密度函数的两个参数为=5，=1，∵该正态密度曲线关于x=5对称．∴【变式3】设。
（1）求P(－1＜≤1)；（2）求P(0＜≤2)。
【答案】（1）时，，，∴。
（2），，正态曲线关于直线x=0对称，∴。
类型四、正态分布的应用例5.某年级的一次数学测验成绩近似服从正态分布N（70，102），如果规定低于60分为不及格，那么（1）成绩不及格的人数占多少？（2）成绩在80～90分内的学生占多少？【思路点拨】本题考查正态密度曲线对称性及正态变量在三个特殊区间的概率取值规律．因为正态密度曲线关于直线x=μ对称，故本题可利用对称性及特殊值求解．【解析】（1）设学生的得分情况为随机变量X，则X～N（70，102），其中=70，=10．成绩在60～80分之间的学生人数的概率为P（70－10＜X＜70+10）=，∴不及格的人数占×（1－）=．（2）P（70－20＜X＜70+20）=，∴成绩在80～90分内的学生占[P（50＜X＜90）－P（60＜X＜80）]=．【总结升华】本题利用了正态密度曲线的性质求概率，其中应注意对称性的运用及正态变量在三个特殊区间的概率取值规律．举一反三：【变式1】工厂制造的某机械零件尺寸X服从正态分布N，问在一次正常的试验中，取1 000个零件时，不属于区间(3,5)这个尺寸范围的零件大约有多少个？【答案】∵X～N，∴μ＝4，σ＝.∴不属于区间(3,5)的概率为P(X≤3)＋P(X≥5)＝1－P(3<X<5)＝1－P(4－1<X<4＋1)＝1－P(μ－3σ<X<μ＋3σ)＝1－＝∴1 000×＝3(个)，即不属于区间(3,5)这个尺寸范围的零件大约有3个．【变式2】商场经营的某种包装的大米质量服从正态分布N（10，）（单位：kg）。