正态分布教学课件

合集下载

课件2:4.2.5 正态分布

课件2:4.2.5 正态分布

D.0.2
【解析】因为随机变量ξ~N(2,σ2),P(ξ≥4)=0.2,
所以正态曲线关于x=2对称,
又ξ≤0与ξ≥4关于x=2对称,且P(ξ≥4)=0.2,
所以P(ξ≤0)=P(ξ≥4)=0.2,
所以P(0<ξ<4)=1-P(ξ≤0)-P(ξ≥4)=0.6.
【答案】B
2.已知随机变量X服从正态分布N(4,σ2),P(X<6)=0.78,
【答案】D
【类题通法】
利用正态曲线的性质求参数μ,σ的方法
(1)正态曲线是单峰的,它关于直线x=μ对称,
由此性质结合图像求μ.
1
(2)正态曲线在x=μ处达到峰值


由此性质结合图像可求σ.
【定向训练】
1.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
所以P(ζ≥μ-2)=0.5+0.234=0.734.
【答案】0.734
【跟踪训练】
已知随机变量ζ服从正态分布N(3,σ2),若P(ζ>6)=0.4,则
P(ζ<0)=________.
【解析】因为随机变量ζ服从正态分布N(3,σ2),
所以正态曲线关于x=3对称,
所以P(ζ<0)=P(ζ>6)=0.4.
4.2.5 正态分布
基础预习初探
主题
正态分布
1.由函数φμ,σ(x)=
1
e

(−)2

22
,x∈(-∞,+∞)的解析式,
观测其函数图像,你能说出该函数图像在平面直角坐标
系中的大体位置吗?
提示:因为

02教学课件_ 4.2.5 第二课时 正态分布及标准正态分布

02教学课件_ 4.2.5 第二课时 正态分布及标准正态分布

5
课前预习
课堂互动
素养达成
3.标准正态分布 当μ=___0___,且σ=__1___的正态分布称为标准正态分布,即X~N(0,1), 任意正态分布通过变换都可以化为标准正态分布.
6
课前预习
课堂互动
素养达成
拓展深化
[微判断] 1.正态曲线关于直线x=μ对称,从而在关于x=μ对称的区间上概率相等.( √ ) 2.对于正态分布X~N(μ,σ2),总有P(x<μ-σ)=P(x≥μ+σ).( √ ) 3.任意正态分布通过变换可以转化为标准正态分布.( √ )
13
课前预习ξ≤5)=P(-3<ξ≤-1), ∴P(3<ξ≤5)=12[P(-3<ξ≤5)-P(-1<ξ≤3)] =12[P(1-4<ξ≤1+4)-P(1-2<ξ≤1+2)] =12[P(μ-2σ<x≤μ+2σ)-P(μ-σ<x≤μ+σ)] =12(95.4%-68.3%)=13.55%.
14
课前预习
课堂互动
素养达成
(3)P(ξ≥5)=P(ξ≤-3)=12[1-P(-3<ξ≤5)] =12[1-P(1-4<ξ≤1+4)] =12[1-P(μ-2σ<ξ≤μ+2σ)]
=12(1-95.4%)=2.3%.
15
课前预习
课堂互动
素养达成
规律方法 解答此类题目的关键在于运用 3σ 原则将给定的区间转化为用 μ 加上或
25
课前预习
课堂互动
素养达成
解 (1)抽取的一个零件的尺寸在(μ-3σ,μ+3σ)之内的概率为0.997 4,从而零件的尺 寸在(μ-3σ,μ+3σ)之外的概率为0.002 6,故X~B(16,0.002 6).因此P(X≥1)=1-P(X =0)=1-0.997 4=0.040 8.X的数学期望为E(X)=16×0.002 6=0.041 6. (2)(ⅰ)如果生产状态正常,一个零件尺寸在(μ-3σ,μ+3σ)之外的概率只有0.002 6,一 天内抽取的16个零件中,出现尺寸在(μ-3σ,μ+3σ)之外的零件的概率只有0.040 8, 发生的概率很小.因此一旦发生这种情况,就有理由认为这条生产线在这一天的生产过 程可能出现了异常情况,需对当天的生产过程进行检查,可见上述监控生产过程的方 法是合理的.

正态分布完整ppt课件

正态分布完整ppt课件
正态性检验
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。

正态分布分布ppt课件

正态分布分布ppt课件

通过样本数据可以估计总体的均值、方差等 参数,进而对总体进行推断和分析。
假设检验
质量控制
在假设检验中,通常需要比较样本数据与某 个理论分布的差异,中心极限定理提供了理 论依据。
在工业生产等领域中,可以利用中心极限定 理对产品质量进行监控和预测。
03
正态分布在各领域应用举例
自然科学领域应用
1 2
描述自然现象的概率分布 正态分布可以描述许多自然现象的概率分布情况, 如身高、体重、智商等的分布情况。
根据显著性水平和自由度 确定t分布的临界值,进 而确定拒绝域。
将计算得到的t统计量与 拒绝域进行比较,若t统 计量落在拒绝域内,则拒 绝原假设,否则接受原假 设。
配对样本t检验原理及步骤
01
02
03
04
05
原理:配对样本t检验是 提出假设:设立原假设 用于比较同一组受试者 (H0)和备择假设 在两个不同条件下的测 (H1),原假设通常为 量值是否存在显著差异 两个测量值的均值相等。 的统计方法。它基于正 态分布假设和配对设计, 通过计算t统计量来推断 两个测量值的差异是否 显著。
设立原假设(H0)和备择假 设(H1),原假设通常为样 本均值等于总体均值。
计算t统计量,公式为t=(样 本均值-总体均值)/标准误, 其中标准误=样本标准差/根 号n。
根据显著性水平和自由度确 定t分布的临界值,进而确 定拒绝域。
将计算得到的t统计量与拒 绝域进行比较,若t统计量 落在拒绝域内,则拒绝原假 设,否则接受原假设。
06
非参数检验在处理非正态数据 时应用
非参数检验方法简介
非参数检验的概念
非参数检验是一种基于数据秩次的统计推断方法,它不依赖于总 体分布的具体形式,因此适用于处理非正态数据。

数学:1.5《正态分布》课件

数学:1.5《正态分布》课件
2
用F ( x)表示, 且有P ( ≤ x) F ( x) ( x -u

)
7.标准正态分布与一般正态分布的关系:
(1).若 ~ N(, ), 则 ~ N(0,1). 2 ( 2). ~ N(, ), b a P(a b ) ( ) ( ), 然后,通过查标准正态 分布表中 a b x ,x 的( x)值.(课本P58页) 2
2.正态分布的期望与方差 若 ~ N ( , 2 ), 则的期望与方差分布为:
E = , D = 2
3.正态曲线
f (x)
1 2
e

( x ) 2 22
,x R
N ( , )或 N ( , )
2
总 体 平 均 数
D 标准差
在这种情况下应走第二 条路线.
( 2).走第一条路线及时赶到 的概率为: 65 50 P( 0 65 ) ( ) 10 ( 1.5 ) 0.9332
走第二条路线及时赶到的概率为: 65 60 P( 0 65 ) ( ) 4 ( 1.25 ) 0.8944.
因此,在这种情况下应 走第一条路线.
8.假设检验的基本思想与生产过程 中质量控制图
(1).假设检验是就正态总体 而言的, 进行假设检验可归结为 如下三步:
1).提出统计假设. 统计假设里的变量服从 正态分布N(,) .
2).确定一次试验中 a的取值是否 落入( 3, 3)内 .
1.5 正态分布
1.正态分布与正态曲线
如果随机变量 的概率密度为:
f(x)
1 2
e

( x ) 2 22
(x R, , 为常数,且 0), 称服从参数 为、的正态分布,用 N(, 2)表示, f(x) 的表示式可简记为 N ( , 2 )或N ( , ), 它的密度曲线简称为正 态曲线.

正态分布-ppt课件

正态分布-ppt课件

(14)曲(3线) (的4)对称位置由μ确定,曲线的形状由σ确定,σ越大,曲线越“矮胖”,反之,曲线越“瘦高”.
布 N (0,1) , 已 知 p ( < - 1.96 ) =0.025 , 则 即2、考已试知成X绩~N在((08,10),1,00则)间X在的区概间率为0. 内取值的概率等于( )
(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= 处处于最高点,由这一点向左右两侧延
伸时,曲线逐渐降低;
(4)曲线的对称位置由μ确定,曲线的形状由σ确定, σ越大,曲线越“矮胖”,反之,曲线越“瘦高”.
上述叙述中,正确的有 (1) (3) (4) .
课堂练习
1. 右图是当 σ 分别取值 σ1,σ2,σ3 的三种正
(2)
1 , 2 1 (x1)2
(x) 新疆 王新敞 奎屯
e 8 ,x ( , )
22
说明:当0 , 1时,X 服从标准正态分布
记为X~N (0 , 1)
例2、下列函数是正态密度函数的是( B )
f(x) 1 e ,,(0)都 是 实 数 A. 说明:当m=0 , s =1时,X 服从标准正态分布 2 样本容量增大时频率分布直方图
随 着 重 复 次 数 ,这的个增频加率 直 方 图 的
会 越 来 越 像 一线 条图钟 2.4形 3曲 .
y
O
图2.43
x
这条曲线 (或就 近是 似 )下地 列函数:的图象
φμ,σx 1 ex 2 σ μ 22,x , ,
2π σ
其 中 μ 和 σ σ 实 0 为 数 .我 参φ 们 μ 数 ,σ x 的 称
1 即即(947)考考7曲2试 试线成成的D.绩绩对在在称((位8800置,,1100由00))μ间间确的的定概概,率率曲为为线00的.. 形状由σ确定,σ越(x大4,1)曲2线越“矮胖”,反之,曲线越“瘦高”.

《正态分布》ppt课件

《正态分布》ppt课件
《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》教学课件(32张PPT)

《正态分布》教学课件(32张PPT)
x (,) 标准正态曲线 10
正态密度曲线的图像特征
方差相等、均数不等的正态分布图示
μ=0 μ= -1
μ= 1
σ=0.5
若 固定
, 随 值
的变化而
沿x轴平
移, 故
称为位置
参数;
3 1 2
正态密度曲线的图像特征
μ=0
均数相等、方差不等的正态分布图示
若 固定,
=0.5
大时, 曲线 矮而胖;
小时, 曲
在下列哪个区间内?( A)
A. (90,110] B. (95,125] C. (100,120] D.(105,115]
2、已知X~N (0,1),则X在区间 (, 2) 内取值的概率
等于( D ) A.0.9544 B.0.0456 C.0.9772 D.0.0228 3、设离散型随机变量X~N(0,1),则P(X 0)= 0.5 ,
120.68260.3413, P ( 6 x 7 ) P ( 5 x 7 ) P ( 5 x 6 )
0 . 4 7 7 2 0 . 3 4 1 3 0 . 1 3 5 9 .
5、把一个正态曲线a沿着横轴方向向右移动2个单位, 得到新的一条曲线b。下列说法中不正确的是( )
P(2X2)= 0.9544 .
4、若X~N(5,1),求P(6<X<7).
27
4、若X~N(5,1),求P(6<X<7).
解:因为X~N(5,1), 5,1.
又因为正态密度曲线关于直线 x=5 对称 ,P(5x7)1 2P(3x7)1 2P(521x521)
120.95440.4772, P(5x6)1 2P(4x6)
μ= -1
y σ=0.5

正态分布课件ppt

正态分布课件ppt

(2)f (x) 的值域为
(0,
1]
2 s
(3)f (x) 的图象关于 x =μ 对称.
x (-∞,μ] x (μ,+∞)
正态分布密度函数
当μ= 0,σ=1时 标准正态分布密度函数
y
μ=0 σ=1
-3 -2 -1 0 1 2 3 x
标准正态曲线
例1、下列函数是正态分布密度函数的是( B)
A.
f (x)
X~(100, 52 ),据此估计,大约应有57人的分数在
下列哪个区间内?(A )
A. (90,110] B. (95,125] C. (100,120] D.(105,115]
P(m s X m s ) 0.6826, P(m 2s X m 2s ) 0.9544, P(m 3s X m 3s ) 0.9974.
当 a 3s 时正态总体的取值几乎总取值于区间 (m 3s , m 3s ) 之内,其他区间取值几乎不可能.在实 际运用中就只考虑这个区间,称为 3s 原则.
例3、在某次数学考试中,考生的成绩 x 服从一个 正态分布,即 x ~N(90,100).
(1)试求考试成绩 x 位于区间(70,110)上的概率是
1
(xm )2
e 2s 2 , m,s (s 0)都是实数
2s
2 x2
B. f (x)
e2
2
1
( x1)2
C. f (x)
e4
2 2
D.
f (x)
1
x2
e2
2
练习:
2、如图,是一个正态曲线, 试根据图象写出其正态分布 的概率密度函数的解析式, 求出随机变量的期望和方差。
y

《高中数学正态分布》课件

《高中数学正态分布》课件

正态分布的实例分析
1 案例一:商品售价的概率分布
探讨商品售价符合正态分布时的概率分布情况,为合理定价提供依据。
2 案例二:身高的概率分布
分析人类身高在不同群体中的分布,理解身高的统计特征和差异。
3 案例三:考试成绩的分布
研究考试成绩的正态分布特征,评估学生的相对表现和优势科目。
总结与思考
正态分布在数学与实践中的重要 性
3
应用示例
通过标准化后的数据,可以进行正态分布的统计估计、抽样与推论,并用于描述 实际情况。
正态分布的应用
统计估计
正态分布在估计总体参数和进行 置信区间估计时非常有用。
抽样与推论
正态分布可用于抽样分布的建立 和统计推断的进行。
实际情况分析
通过近似描述实际情况,例如商 品售价、身高和考试成绩的分布。
《高中数学正态分布》 PPT课件
引言
正态分布的定义
正态分布是一种连续型概率分布,具有钟形曲线,以均值μ和标准差σ来描述。
正态分布的性质
正态分布的均值、中位数和众数相等;左右对称;68%的数据落在一个标准差内;95%的数 据落在两个标准差内。
概率密度函数
密度函数的输入和输出,函数图 像
密度函数接受一个输入值x并给出对应的概率密度 值。函数图像呈现出正态分布的钟形曲线。
正态分布是统计学中最重要的概率分布之一,在自 然科学、社会科学和经济金融等领域有广泛应用。
对于其他分布的启示
正态分布的性质和应用可以启发我们研究和理解其 他概率分布。
参考文献
• 统计学与实际 • 十二年高等数学 • 数学建模及其应用 • 离散数学及其应用
均值和标准差对函数图像的影响
均值决定函数图像的中心位置,标准差影响函数图 像的分散程度。正态分布的Fra bibliotek准化1

正态分布ppt课件

正态分布ppt课件
收集数据
从实际问题中收集相关数据,如某产品的质量指 标数据。
数据拟合
使用正态分布函数对数据进行拟合,判断数据是 否符合正态分布特征。
参数估计
采用最大似然估计等方法,估计出正态分布的均 值和标准差等参数值。
案例分析:某产品质量指标服从正态分布检验
案例背景介绍
介绍某产品的质量指标数据及其背景信息。
正态性检验
选举结果预测 在政治学中,选举结果的预测也往往基于正态分布模型, 通过分析选民的支持率和投票行为来预测选举结果。
经济金融数据中正态分布检验
在金融市场中,股票价格的波动往往呈现出正态分布 的特点,即大部分价格波动都集中在平均值附近,而
极端波动出现的概率很小。
输入 收益标率题分布
在投资组合理论和风险管理中,收益率的分布也往往 假设为正态分布,以便进行风险度量和资产配置。
连续型随机变量及其性质
均匀分布
均匀分布是描述在某一区间内取值的随机变量,其取值具有等可能性。
指数分布
指数分布是描述无记忆性的随机变量的概率分布,常用于可靠性分析 和排队论中。
正态分布
正态分布是描述连续型随机变量的最重要的一种分布,具有对称性和 集中性等特点,广泛应用于自然科学和社会科学领域。
其他连续型随机变量
概率分布的概念
概率分布用于描述随机变量取不同值 的概率规律,包括离散型概率分布和 连续型概率分布。
离散型随机变量的概率分布
离散型随机变量取值为有限个或可数 个,其概率分布通常用分布列表示。
连续型随机变量的概率分布
连续型随机变量取值充满某个区间, 其概率分布用概率密度函数表示。
期望与方差
期望的概念
方差的概念
利用正态分布性质,识别 并处理回归模型中的异常 值。

《正态分布》课件

《正态分布》课件

1
定义标准正态分布
标准正态分布是均值为0,标准差为1的正态分布。
2
概率密度函数
标准正态分布的概率密度函数是标准形式的正态分布。

3
转化为标准正态分布
通过标准化方法,可以将任意正态分布转化为标准正态分布。
正态分布的应用
1 股票市场
正态分布被广泛应用于股票市场的波动性分析和预测。
2 IQ 测试
正态分布在智商测评中用于解释测试结果的分布情况。
平均数和标准差
在正态分布中,平均数和标准差决定了分布的位置和形状。
对称性
正态分布以均值为对称中心,左右两侧呈对称分布。
正态分布的概率密度函数
概率密度函数
正态分布的概率密度函数描述了不同取值的概率分 布情况。
图形表示
概率密度函数可在图形上呈现出钟形曲线的形状, 帮助理解正态分布的特点。
标准正态分布
结论
正态分布是统计学中的重要概念,具有广泛的应用领域。深入理解正态分布有助于我们在实践中进行数据分析 和预测。
《正态分布》PPT课件
# 正态分布 PPT 课件大纲 正态分布是一种常见的概率分布,广泛应用于统计学和科学研究中。
引言
正态分布是一种对称分布,具有许多重要的性质和应用。通过本节课件,我 们将了解正态分布的基本概念和实际应用。
正态分布的定义和性质
定义正态分布
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。

正态分布ppt精品课件

正态分布ppt精品课件
结果解释
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

标准正态分布演示课件.ppt

标准正态分布演示课件.ppt
精选
计算
已知u~N(0,1),试求: (1) P(u<-1.64)=? (2) P (u≥2.58)=? (3) P (|u|≥2.56)=? (4) P(0.34≤u<1.53) =?
精选
计算
查附表1得: (1) P(u<-1.64)=0.05050 (2) P (u≥2.58)=Φ(-2.58)=0.024940 (3) P (|u|≥2.56) =2Φ(-2.56)=2×0.005234 =0.010468 (4) P (0.34≤u<1.53) =Φ(1.53)-Φ(0.34) =0.93669-0.6331=0.30389
P(x<μ-1.96σ)=P(x>μ+1.96σ)=0.025
精选
x落在(μ-2.58σ,μ+2.58σ)之外的双侧概率为 0.01,而单侧概率
P(x<μ-2.58σ)=P(x>μ+2.58σ)=0.005
精选
第二节
卡方分布 Chi-square Distribution
精选
定义
如果随机变量zi(i = 1, ..., n)为相互独
1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0
样本平精均选 数的分布
定理
情况1. 如果总体服从正态分布,平均数为 ,方差为2,样本含量为n,则样本为:
正态分布 平均数等于 方差等于 2/n,SQRT( 2/n )称为平均
数的标准差(standard error of the mean), 或简称标准误
P(u1 u u2 )
1
u2
1u2
e2
du

2 u1

6.5+正态分布(同步课件)

6.5+正态分布(同步课件)

频数
频率
累积频率
1
[-6,-4)
3
0.03
0.03
0.015
2
[-4,-2)
16
0.16
0.19
0.08
3
[-2,0)
34
0.34
0.53
0.17
4
[0,2)
31
0.31
0.84
0.155
5
[2,4)
13
0.13
0.97
0.065
6
[4,6)
3
0.03
1
0.015
频率/组距
0.20
观测误差有正有负;
0.15
并大致对称地分布在X=0的两侧;
左右大致对称
0.10
小误差比大误差出现得更频繁.
0.05
中间高、两边低
0
-6
-4
-2
0
2
4
6
X
(1)
频率分布直方图中每个小矩形的面积表示误差落在相应区间内的频率,所有小矩形
的面积之和为1.
随着样本数据量越来越大,让分组越来越多,组距越来越小,由频率
的稳定性可知,频率分布直方图的轮廓就越来越稳定,接近一条光滑的钟
形曲线,如图(2)所示.
频率
组距
P
0.20
0.15
0.10
0.05
X
(2)
0
-6
-4
-2
0
2
4
6
X
(3)
根据频率与概率的关系,可用图(3)中的钟形曲线(曲线与水平轴之间的区
域的面积为1)来描述袋装食盐质量误差的概率分布. 例如,任意抽取一袋食

课件2:§7.5 正态分布

课件2:§7.5 正态分布

4.已知随机变量 X 服从正态分布 N(2,σ2), 且 P(X<4)=0.84,则 P(X≤0)=________. 【解析】由 X~N(2,σ2), 可知其正态曲线如图所示,对称轴为 x=2, 则 P(X≤0)=P(X≥4)=1-P(X<4)=1-0.84=0.16. 【答案】0.16
5.一批灯泡的使用时间 X(单位:小时)服从正态分布 N (10 000,4002),求这批灯泡中“使用时间超过 10 800 小 时”的概率.
解:依题意得 μ=104,σ=400. ∴P(104-800<X<104+800)=P(μ-2σ<X<μ+2σ)=0.954. 由正态分布性质知 P(X<104-800)=P(X>104+800). 故 2P(X>10 800)+P(104-800<X<104+800)=1, ∴P(X>10 800)=1-02.954=0.023, 故使用时间超过 10 800 小时的概率为 0.023.
反思感悟 利用正态分布的对称性求概率 由于正态曲线是关于直线x=μ对称的,且概率的 和为1,故关于直线x=μ对称的区间上概率相等.
跟踪训练 2.设 X~N(1,22),试求: (1)P(-1<X≤3);(2)P(3<X≤5). 解:因为 X~N(1,22),所以 μ=1,σ=2. (1)P(-1<X≤3)=P(1-2<X≤1+2) =P(μ-σ<X≤μ+σ)=0.683.
本节内容结束 更多精彩内容请登录:

反思感悟 求正态变量X在某区间内取值的概率的基本方法 (1)根据题目中给出的条件确定μ与σ的值. (2)将待求问题向[μ-σ,μ+σ],[μ-2σ,μ+2σ],[μ- 3σ,μ+3σ]这三个区间进行转化. (3)利用X在上述区间的概率、正态曲线的对称性和曲线 与x轴之间的面积为1求出最后结果.
  1. 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. 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. 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)。

P(a X
(3)P(X a)
b)
P(X
( a)
b
) (
1 (a
a
)
)
(4) P( X k) P( X k) ( k ) ( k )
例2:设X ~ N(1,16) ,求
P( X 3.2);P(5 X 2).
解: P( X 3.2) ( 3.2 1)
2 σ
?
方法:转化为标准正态分布查表计算
二、标准正态分布
1. 若连续型随机变量 X 的密度函数为
(x)
1
x2
e 2 , x ,

则称 X 服从标准正态分布,记为X ~ N (0,1).
正态分布 N(μ, σ2 )中,当 μ 0, σ 1时就是标准正态分布 。
y
(x)的图像称为标准正态曲线
正态分布
正态分布是十九世纪初,由高斯(Gauss) 给出并推广的一种分布。故,也称高斯分布。
知识回顾
1.样本的频率分布与总体分布之间的关系 . 2.频率分布直方图 与总体密度曲线. 3.总体密度曲线的形状特征.
中间高,两头低 频率 总体密度曲线 组距
总体在区间 (a,b)内取值的概率
ab
产品 尺寸 (mm)
P( X 2.08) (2.08) 0.9812
P( X 0.09) 1 (0.09) (0.09) 0.5359
P(2.15 X 5.12) (5.12) (2.15)
1 0.9842 0.0158
P( X 1.96) 2(1.96) 1 20.9750 1 0.9500
(1)从表中可查x [0,5)时, ( x)的值.
(2)当x 5时, ( x) 1
(3)若 x > 0时,则有 ( x) 1 ( x) (x)
-x
( x)
0x
1 ( x)
5.利用正态分布表计算概率的公式: 设X ~N(0,1)
(1)P( X b) P( X b) (b)
(2)P(a X b) P(a X b) P(a X b)
解: 对第一种方案有X ~ N(8,32),
于是P(X 5) 1 P(X 5) 1 (5 8)
1 (1) (1) 0.8413
3
对第二种方案有X ~ N(6,22),
于是P(X 5) 1 P(X 5) 1 (5 6)
1 ( 0.5) (0.5) 0.6915
3
综上分析,选择第 ? 种方案
例2:设 X ~ N 0,1 ,求下列各式中的x,
(1)P( X x) 0.6331 查表得 x = 0.34
(2)P( X x) 0.0102 (3)P( X x) 0.4054
查表得 –x = 2.32 , 于是 x = – 2.32
查表得 x = 0.24
(4)P( X x) 0.9990 查表得 x = 3.03
解:(1)P( X x) x 500 0.90
10
查表得 x 500 1.28 ,得 x =512.8
10
(2)P( X y) 1 y 500 0.04
10
于是 y 500 0.96
10
查表得 y 500 1.75
10
得 y = 517.5
例7.一投资者在两个投资方案中选择一个,这两个 投资方案的利润X(万元)的分布服从正态分布N(8,32) 和N(6,22),投资者要求“利润超过5万元”的概率尽 量地大,那么他应该选择哪一个方案?
P(a X b) (b) (a)
(3) P( X a) P( X a) 1 (a)
(4) P( X k ) P( X k ) 2(k) 1
例1:设 X ~ N 0,1
求 P( X 1.23);P( X 2.08);P( X 0.09);
P(2.15 X 5.12); P( X 1.96) 解: P( X 1.23) 0
三、一般正态分布的概率计算 X ~ N (, 2 )
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。
重要结论:设 X ~ N (, 2 ),则 X ~ N (0,1) .
(1) P( X b) P( X b) (b )
(2)P(a X b) P(a X b) P(a X b)
P( X k ) ( k ) ( k )
补充、3 准则
~ N(, 2 ) P{ }=0.6826 P{ 2 2 }=0.9545 P{ 3 3 }=0.9973
X的取值几乎全落在区间(μ-3σ,μ+3σ)
实际应用中,通常认为服从正态分布N(μ,σ2) 的随 机变量只取区间(μ-3σ,μ+3σ)上的概率,否则 就不正常,这就是3σ原则
4
(0.55) 1 (0.55)
1 0.7088 0.2912
P(5 X 2) ( 2 1) ( 5 1)
4
4
(0.75) (1)
(0.75) 1 (1) 0.6147
例3:某产品的长度X(单位:mm)服从 50, 0.75 的正态分布,若规定长度在 50 1.5mm 合格品,求合格品的概率。
(4)P( X x) 2( x) 1 0.9990
(x) 0.9995 查表得 x = 3.03
3 2
σ越大,图形越低越宽.
0
x
4、正态分布的应用与背景
正态分布是最常见最重要的一种分布,例如 测量误差; 人的身高、体重等 ; 正常情况下生产 的产品尺寸:直径、长度、重量、高度等都近似 服从正态分布.
正态分布下的概率计算
P{X x}
原函数不是
初等函数
1
e d t x
(t μ)2 2σ2
解: (1)P(X x) (x) 0.6331 查表得x=0.34
(2)P(X x) (x) 0.0102 (x) 1 (x) 0.9898
查表得 – x = 2.32 ,于是 x = – 2.32
(3)P(X x) 1 (x) 0.4054
(x) 0.5946 ,查表得 x = 0.24
1
( x1)2
e 8 , x (,)
2 2
(3) f (x)
2 e2( x1)2 (-∞<x<+∞
2
正态分布 N (, 2 ) 的图形特点
μ决定了图形的中心位置, σ决定了图形的
陡峭程度。
正态分布 N (, 2 ) 的图形特点
正态分布的密度曲线是一条关于X=μ对称的曲线。
特点“两头小,中间大,左右对称”。
x
0
x
2.标准正态分布的密度函数 x的性质 ( x)
(1) x具有非负性,并且全概为1性;
1
x2
e2
2
(2) x为偶函数, x = x,图形关于y轴对称;
(3) x在,内连续;
(4)当x 0时, x有最大值 (0)
(5)在x=±1处曲线有拐点;
1 0.399;
2
y
x
(6) x轴为曲线的水平渐近线。
X ~ N0,1
Y ~ N , 2
4)概率计算公式:
P(a X b) (b) (a)
P(a
X b)
( b ) ( a )
P(X b) (b) P( X a) 1 (a) P( X k) 2(k) 1
P( X b) (b )
P( X
a)
1 (a
)
解:根据题设, X ~ 50,0.752
P50 1.5 X 50 1.5
50 1.5 50 50 1.5 50 0.75 0.75
2 2
22 1 0.9544
例4:设 X ~ N 500,100
(1) P( X x) 0.90 ,求x;
(2) P( X y) 0.04 ,求y。
3、正态分布密度函数图形的特征
(1)曲线关于 x μ 对称;
(2) x μ, f ( x)取得最大值 1 ; 2 πσ
(3)当 x 时, f ( x) 0;
y
(4)当 不变,变化时
图像左右平移。
0 1 2
3
x
1 2 3
(5)当不变, 变化时
y
1 0.5
1 2 3
2 1
σ 越小,图形越高越窄,

1.标准正态分布 1)记为 X~N(0,1)

2.一般正态分布
Y ~ N , 2
2)密函度数: ( x)
y
3)图像
1
x2
e2
2
x
f (x)
y
1
e
( x )2 2 2
2
f x ,
0
x
x
( x) ( x)dx
正态分布表
( x) 1 ( x)
0
x
Y ~ N (0,1) .
小结
的正态分布, 记为 X ~ N ( μ, σ2 ). (Normal)
2、正态分布的密度函数图形称为正态曲线。
y
参数决定曲线的位置, 参数 决定曲线的形状。
0
x
例:给出下列两个正态总体的函数表达式, 请找出其均值μ和标准差σ。
(1) f (x)
1
x2
e 2 , x (,)
2
(2) f (x)
x
3、标准正态分布的概率计算
设X ~N(0,1) 其密度函数( x)
1
x2
e2
2 y
( x) P( X x) x
1 x2 e 2 dx
2
(x)
x
( x)表示X在区间,x内取值的概率。O x
(x) 等于以x为右边界、密度曲线为上边界、
x轴为下边界所围图形的“面积”
相关文档
最新文档