正态分布讲解(含标准表)
标准正态分布3个常用公式
标准正态分布3个常用公式标准正态分布在统计学中可是个相当重要的概念，它有三个常用公式，咱今儿个就来好好说道说道。
先来讲讲第一个常用公式，那就是标准正态分布的概率密度函数公式。
这公式看起来挺复杂，其实理解起来也没那么难。
它就像是给每个数值都赋予了一个特定的“权重”，告诉我们某个数值出现的可能性有多大。
我记得之前有一次，我们班组织了一场数学知识竞赛。
有个小组的同学在计算一个数据出现的概率时，就卡壳了。
我在旁边看着，心里那个着急呀。
后来我就给他们解释，这就跟标准正态分布的概率密度函数有关系。
就好比咱们扔骰子，每个点数出现都有一定的概率，而标准正态分布里的数值也是这样，这个公式能帮咱们算出每个数值出现的大概可能性。
再来说说第二个常用公式，就是标准正态分布的累积分布函数公式。
这玩意儿能帮我们算出某个数值及小于这个数值的概率总和。
有一回，学校组织义卖活动，我们要统计不同价格区间的商品销售情况。
这时候，标准正态分布的累积分布函数公式就派上用场啦。
通过这个公式，我们能大致估计出某个价格以下的商品销售占比，从而更好地规划后续的义卖策略。
最后是第三个常用公式，标准正态分布的分位数公式。
它能让我们找到特定概率对应的数值。
记得有一次做数学实验，要分析一组学生的考试成绩。
我们想知道在某个优秀率下对应的分数是多少，这时候就得靠标准正态分布的分位数公式来帮忙啦。
总之，这三个标准正态分布的常用公式在很多领域都有着重要的应用。
不管是科学研究、经济分析，还是日常生活中的各种数据处理，它们都能帮咱们更好地理解和处理数据，做出更准确的判断和决策。
希望通过我的这些讲解，能让您对标准正态分布的这三个常用公式有更清晰的认识和理解。
多去实际应用中体会它们的妙处，您会发现统计学的世界其实挺有趣的！。
正态分布图制图步骤知识讲解
操作说明
1.统计数据个数；任意选个单元格，如B1，输入
count(A1:A10)；
2.求最大值；如B2中输入：max(A1:A10)
3.求最小值；如B3中输入：min(A1:A10)
4.求平均值；如B4中输入：average(A1:A10)
5.求标准偏差：如B5中输入：stdev(A1:A10)
6.获得数据区间；用最大值减最小值；如B6中输入：B3-B2
7.获得直方图个数；个数的开放加1
，如B7中输入：sqrt
（B1）+1
8.获得直方图组距；用区间除以(直方图个数-1)，如B8中输入B7/(B7-1)
下面就开始作图了：
1.任选个空单元格：如C列第一个单元格C1，令C1等于最小值，即输入=B3
2.在C2中输入=C1+$B$8 (最小值逐渐累加，绝对引用)
3.选中C2，然后向下拉，直到数据大于最大值就可以了；比如你拉到C5了。
4.统计频数，如在D1中输入frequency（A1:A10，C1:C5）确定，然后将选中D1到D5，将光标定位到公式栏，同时按住Ctrl+Shift+Enter
5.统计正态分布的数据，E1中输入normdist（C1，
$B$4,$B$5,0）回车；然后选中E1，下拉到E5。
《正态分布》说课稿
《正态分布》说课稿正态分布是统计学中非常重要的一个概念，它描述了大量随机变量的分布规律，被广泛应用于各个领域的数据分析和预测中。
本文将介绍正态分布的基本概念、性质、应用以及如何利用正态分布进行统计推断。
一、正态分布的基本概念1.1 正态分布的定义：正态分布又称高斯分布，是一种连续概率分布，其概率密度函数呈钟形曲线，左右对称，中间最高。
1.2 正态分布的特点：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宽度。
1.3 正态分布的标准化：通过标准化可以将正态分布转化为标准正态分布，即均值为0，标准差为1的正态分布。
二、正态分布的性质2.1 正态分布的均值和中位数相等：正态分布的均值和中位数相等，即曲线对称中心位置处的值。
2.2 正态分布的68-95-99.7法则：约68%的数据落在均值附近的一个标准差范围内，约95%的数据落在两个标准差范围内，约99.7%的数据落在三个标准差范围内。
2.3 正态分布的线性组合仍然是正态分布：对于正态分布的线性组合，如两个正态分布的和或差，仍然是正态分布。
三、正态分布的应用3.1 在自然科学中的应用：正态分布常用于测量误差、实验数据分析等领域，如物理学、化学等。
3.2 在社会科学中的应用：正态分布被广泛应用于人口统计、心理学研究、经济学分析等领域。
3.3 在工程技术中的应用：正态分布在质量控制、可靠性分析、风险评估等方面有重要应用。
四、利用正态分布进行统计推断4.1 正态分布的参数估计：通过样本数据估计总体的均值和标准差，得到对总体的估计。
4.2 正态分布的假设检验：利用正态分布进行假设检验，判断总体参数是否符合某种假设。
4.3 正态分布的置信区间估计：通过正态分布的性质，构建总体参数的置信区间，对总体参数进行估计。
五、结语正态分布作为统计学中重要的概念，具有丰富的性质和广泛的应用。
通过深入理解正态分布的基本概念和性质，我们可以更好地应用正态分布进行数据分析和推断，为各个领域的研究和实践提供有力支持。
第10讲-指数分布、正态分布讲解
1 0.9772 0.0228.
(2) P{ X 80} 0.99
1 P{ X 80} 0.99
1 F (80) 0.99
1
80 d 0.5
0.99
80 d 0.5
1
0.99
0.01,
即 80 - d 2.327 d 81.1635. 0.5
0, x 0.
应用与背景
某些元件或设备的寿命服从指数分布.例如无线 电元件的寿命 、电力设备的寿命、动物的寿命等都 服从指数分布.
例15 设打一次电话所用的时间X ~e(1/10)(单位：min)，
如果某人刚好在你前面走进电话间，求你需等待10分钟
到20分钟之间的概率. 解 X 的密度函数为
标准正态分布的概率密度表示为
(x)
1
x2
e 2,
x ,
2π
标准正态分布的分布函数表示为
x
( x)
1
t2
e 2 dt,
x .
2π
标准正态分布的图形
例17 已知 X ~ N (0,1),求 P{1.25 X 2}. 解 P{1.25 X 2}
其中 , ( 0) 为常数，则称X服从参数为, 的
正态分布或高斯（Gauss）分布，记为 X ~ N(, 2)
正态概率密度函数的几何特征
(1)曲线关于 x μ 对称; (2) 当x μ时, f ( x)取得最大值 1 ;
2 πσ (3) 当 x 时, f ( x) 0; (4) 曲线在 x μ σ 处有拐点;
正态分布讲解(含标准表)
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． 总体密度曲线b 单位O 频率/组距a它反映了总体在各个范围内取值的概率．根据这条曲线，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x =a ，x =b 及x 轴所围图形的面积．观察总体密度曲线的形状，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：22()2,1(),(,)2x x e x μσμσϕπσ--=∈-∞+∞ 式中的实数μ、)0(>σσ是参数，分别表示总体的平均数与标准差，,()x μσϕ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，如果对于任何实数a b <，随机变量X 满足,()()b aP a X B x dx μσϕ<≤=⎰, 则称 X 的分布为正态分布（normal distribution ) ．正态分布完全由参数μ和σ确定，因此正态分布常记作),(2σμN ．如果随机变量 X 服从正态分布，则记为X ～),(2σμN .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．例如，高尔顿板试验中，小球在下落过程中要与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次与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．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μ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；σ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.早在 1733 年，法国数学家棣莫弗就用n ！的近似公式得到了正态分布．之后，德国数学家高斯在研究测量误差时从另一个角度导出了它，并研究了它的性质，因此，人们也称正态分布为高斯分布．2．正态分布),(2σμN ）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 正态曲线的作图，书中没有做要求，教师也不必补上 讲课时教师可以应用几何画板，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．正态曲线的性质：（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“瘦高”．总体分布越集中：五条性质中前三条学生较易掌握，后两条较难理解，因此在讲授时应运用数形结合的原则，采用对比教学5．标准正态曲线:当μ=0、σ=l 时，正态总体称为标准正态总体，其相应的函数表示式是2221)(x e x f -=π，（-∞＜x ＜+∞）其相应的曲线称为标准正态曲线标准正态总体N （0，1）在正态总体的研究中占有重要的地位 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讲解范例：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）),(,21)(22+∞-∞∈=-x e x f x π（２）),(,221)(8)1(2+∞-∞∈=--x e x f x π （３）22(1)2(),(,)2x f x e x π-+=∈-∞+∞ 答案：(1)0，1；(2)1，2；(3)-1，0.5例2求标准正态总体在（-1，2）内取值的概率．解：利用等式)()(12x x p Φ-Φ=有)([]}{11)2()1()2(--Φ--Φ=-Φ-Φ=p=1)1()2(-Φ+Φ=0.9772＋0.8413－1=0.8151．1.标准正态总体的概率问题: xy对于标准正态总体N （0，1），)(0x Φ是总体取值小于0x 的概率，即 )()(00x x P x <=Φ， 其中00>x ，图中阴影部分的面积表示为概率0()P x x < 只要有标准正态分布表即可查表解决.从图中不难发现:当00<x 时，)(1)(00x x -Φ-=Φ；而当00=x 时，Φ（0）=0.5 2.标准正态分布表标准正态总体)1,0(N 在正态总体的研究中有非常重要的地位，为此专门制作了“标准正态分布表”．在这个表中，对应于0x 的值)(0x Φ是指总体取值小于0x 的概率，即)()(00x x P x <=Φ，)0(0≥x ．若00<x ，则)(1)(00x x -Φ-=Φ．利用标准正态分布表，可以求出标准正态总体在任意区间),(21x x 内取值的概率，即直线1x x =，2x x =与正态曲线、x 轴所围成的曲边梯形的面积1221()()()P x x x x x <<=Φ-Φ． 3．非标准正态总体在某区间内取值的概率:可以通过)()(σμ-Φ=x x F 转化成标准正态总体，然后查标准正态分布表即可 在这里重点掌握如何转化 首先要掌握正态总体的均值和标准差，然后进行相应的转化4.小概率事件的含义发生概率一般不超过5％的事件，即事件在一次试验中几乎不可能发生假设检验方法的基本思想:首先，假设总体应是或近似为正态总体，然后，依照小概率事件几乎不可能在一次试验中发生的原理对试验结果进行分析假设检验方法的操作程序，即“三步曲”一是提出统计假设，教科书中的统计假设总体是正态总体；二是确定一次试验中的a 值是否落入(μ-3σ，μ+3σ)；三是作出判断讲解范例：例1. 若x ～N (0,1),求(l)P (-2.32<x <1.2)；(2)P (x >2).解：(1)P (-2.32<x <1.2)=Φ(1.2)-Φ(-2.32)=Φ(1.2)-[1-Φ(2.32)]=0.8849-(1-0.9898)=0.8747.(2)P (x >2)=1-P (x <2)=1-Φ(2)=l-0.9772=0.0228.例2．利用标准正态分布表，求标准正态总体在下面区间取值的概率：(1)在N(1,4)下，求)3(F（2）在N （μ，σ2）下，求Ｆ（μ－σ，μ＋σ）；Ｆ（μ－1.84σ，μ＋1.84σ）；Ｆ（μ－2σ，μ＋2σ）；Ｆ（μ－3σ，μ＋3σ） 解：（１）)3(F ＝)213(-Φ＝Φ（1）＝0.8413 （２）Ｆ（μ＋σ）＝)(σμσμ-+Φ＝Φ（1）＝0.8413 Ｆ（μ－σ）＝)(σμσμ--Φ＝Φ（－1）＝１－Φ（1）＝１－0.8413＝0.1587 Ｆ（μ－σ，μ＋σ）＝Ｆ（μ＋σ）－Ｆ（μ－σ）＝0.8413－0.1587＝0.6826Ｆ（μ－1.84σ，μ＋1.84σ）＝Ｆ（μ＋1.84σ）－Ｆ（μ－1.84σ）＝0.9342Ｆ（μ－2σ，μ＋2σ）＝Ｆ（μ＋2σ）－Ｆ（μ－2σ）＝0.954Ｆ（μ－3σ，μ＋3σ）＝Ｆ（μ＋3σ）－Ｆ（μ－3σ）＝0.997对于正态总体),(2σμN 取值的概率：68.3%2σx 95.4%4σx 99.7%6σx在区间（μ-σ，μ+σ）、（μ-2σ，μ+2σ）、（μ-3σ，μ+3σ）内取值的概率分别为68.3%、95.4%、99.7% 因此我们时常只在区间（μ-3σ，μ+3σ）内研究正态总体分布情况，而忽略其中很小的一部分 例3．某正态总体函数的概率密度函数是偶函数，而且该函数的最大值为π21，求总体落入区间（－1.2，0.2）之间的概率解：正态分布的概率密度函数是),(,21)(222)(+∞-∞∈=--x e x f x σμσπ，它是偶函数，说明μ＝0，)(x f 的最大值为)(μf ＝σπ21，所以σ＝1，这个正态分布就是标准正态分布( 1.20.2)(0.2)( 1.2)(0.2)[1(1.2)](0.2)(1.2)1P x -<<=Φ-Φ-=Φ--Φ=Φ+Φ- 教学反思：1．在实际遇到的许多随机现象都服从或近似服从正态分布 在上一节课我们研究了当样本容量无限增大时，频率分布直方图就无限接近于一条总体密度曲线，总体密度曲线较科学地反映了总体分布 但总体密度曲线的相关知识较为抽象，学生不易理解，因此在总体分布研究中我们选择正态分布作为研究的突破口 正态分布在统计学中是最基本、最重要的一种分布 2．正态分布是可以用函数形式来表述的 其密度函数可写成：22()21(),(,)2x f x e x μσπσ--=∈-∞+∞， （σ＞0）由此可见，正态分布是由它的平均数μ和标准差σ唯一决定的 常把它记为),(2σμN 3．从形态上看，正态分布是一条单峰、对称呈钟形的曲线，其对称轴为x=μ，并在x=μ时取最大值 从x=μ点开始，曲线向正负两个方向递减延伸，不断逼近x 轴，但永不与x 轴相交，因此说曲线在正负两个方向都是以x 轴为渐近线的4．通过三组正态分布的曲线，可知正态曲线具有两头低、中间高、左右对称的基本特征。
正态分布通俗解释
正态分布通俗解释
正态分布是一种概率分布，也称为高斯分布。
它是由柯西在19世纪末提出的，是统计学中最常见的分布之一。
正态分布的特点是数据呈现“钟型分布”，即以平均数为中心，向两侧延伸，两侧的数据出现次数逐渐减少。
通俗来讲，正态分布就是指一组数据在统计上呈现“正常分布”的状态。
这种分布的数据往往是由许多不同的因素共同作用而产生的，不存在极端值的影响。
因此，在实际应用中，正态分布往往被用于描述人类智力、体重、身高等方面的分布情况。
正态分布的另一个特点是其满足中心极限定理。
这一定理指出，当样本容量足够大时，任何给定的样本的平均数的分布都将接近正态分布。
因此，正态分布在实际应用中往往被用于描述大样本的分布情况。
例如，在质量检测中，如果样本容量足够大，则样本的质量平均数的分布往往接近正态分布。
正态分布还具有很多其他的特点，例如其概率密度函数的形式等。
如
果您想了解更多关于正态分布的知识，可以咨询相关的数学或统计学资料。
第三节 正态分布
主要内容： 主要内容： 一、正态分布概念 二、正态分布的特点 三、应用
一、正态分布概念
正态分布又称高斯分布，常态分布，是一种数据的 波动规律的表达，主要反映了试验的随机误差。
强度分组为横坐标，以频数为纵坐标,绘成强 度—频数直方图
12 10 8 6 4 2 0 18 20 22 24 26 3 7 5 2 10
应用
1．可疑数据的舍弃； A. 莱 特 准 则 （ 3σ 原 则 ） ： 由 于 落 在 (u3σ,u+3σ)的概率为99.73％，处在3σ之外的 概率(即误差概率)仅为0.27％，接近0，对于 常规一般仅进行几十次的测量，如处在3σ之 外则说明属于随机误差，应剔除。 由于次判据是建立在n趋向于无穷得基础上得， 所以当n有限时，尤其是n较小时这一判据并不 十分可靠。但是由于其使用方便，故常常被使 用。
（一）正交设计的基本方法
试验设计包括三方面的内容： 1. 因素和水平选择 2. 误差控制：试验方案的制定 3. 数据处理：分析试验结果
一般来说,为保证结论的可靠性，在选取因素时 应把所有影响较大的因素选入试验，某些因素 之间可能还有交互作用，所谓交互作用，就是 这些因素在同时改变水平时，其效果会超过单 独改变某一因素水平时的效果。影响较大的因 素还应包括那些单独变化水平时效果可能不太， 大与其他因素同时变化时交互作用较大的因素， 这样才能保证试验的代表性。因素变化越多越 好，取值不能少于3个，这样才能看出曲线，看 出其变化的趋势。某一因素取值变化的次数即 水平数，为了减少试验次数，往往取两水平(现 行工艺水平和新工艺水平)或三水平(低于现行 工艺水平或理论值、现行工艺水平、高于现行 工艺水平)。 水平变化的范围不宜太大。
且从图12－2还可以看出，按趋势，增加 水分与碾压料重、抗折强度，还有可能 提高，因此还应扩大试验范围，试探其 强度趋势。
条件概率、二项分布及正态分布(讲解部分)
考法二 正态分布问题的解题方法
例2 (2018河北石家庄新华模拟,19)“过大年,吃水饺”是我国不少地方 过春节的一大习俗.2018年春节前夕,A市某质检部门随机抽取了100包某 种品牌的速冻水饺,检测其某项质量指标值,所得频率分布直方图如下:
(1)求所抽取的100包速冻水饺该项质量指标值的样本平均数 x(同一组中 的数据用该组区间的中点值作代表);
∴E(X)=4×1 =2.
2
方法总结 1.对于正态分布N(μ,σ2),由x=μ是正态曲线的对称轴知 (1)P(X≥μ)=P(X≤μ)=0.5; (2)对任意的a有P(X<μ-a)=P(X>μ+a); (3)P(X<x0)=1-P(X≥x0); (4)P(a<X<b)=P(X<b)-P(X≤a). 2.服从N(μ,σ2)的随机变量X在某个区间内取值的概率的求法: (1)利用P(μ-σ<X≤μ+σ),P(μ-2σ<X≤μ+2σ),P(μ-3σ<X≤μ+3σ)的值直接求; (2)充分利用正态曲线的对称性和曲线与x轴之间的面积为1这些特殊性质 求解.
(2)①由直方图可以认为,速冻水饺的该项质量指标值Z服从正态分布N(μ,σ2),
利用该正态分布,求Z落在(14.55,38.45)内的概率; ②将频率视为概率,若某人从某超市购买了4包这种品牌的速冻水饺,记这4 包速冻水饺中这种质量指标值位于(10,30)内的包数为X,求X的分布列和数 学期望. 附:计算得所抽查的这100包速冻水饺的质量指标值的标准差为σ= 142.75 ≈11.95; 若ξ~N(μ,σ2),则P(μ-σ<ξ≤μ+σ)=0.682 6,P(μ-2σ<ξ≤μ+2σ)=0.954 4. 解题导引
第10讲-指数分布、正态分布讲解
例15 设打一次电话所用的时间X ~e(1/10)(单位：min)，
如果某人刚好在你前面走进电话间，求你需等待10分钟
到20分钟之间的概率. 解 X 的密度函数为
f
x
1 10
e
x 10
0
x0 x0
令：B={ 等待时间为10~20分钟 }
则
PB P10
X
20
(2) (1.25)
0.9772 0.8944 0.0828 .
引理2.1 若 X ~ N(, 2)，则 Z X ~ N (0,1)
证明 Z X μ的分布函数为 σ
P{Z
x}
P
X
σ
μ
x
P{ X
μ
σx}
1
μ σx
正态分布是概率论中最重要的分布
⑴ 正态分布是自然界及工程技术中最常见的分布之一， 大量的随机现象都是服从或近似服从正态分布的．可以 证明，如果一个随机指标受到诸多因素的影响，但其中 任何一个因素都不起决定性作用，则该随机指标一定服 从或近似服从正态分布．
⑵ 正态分布有许多良好的性质，这些性质是其它许多分 布所不具备的．
P{X s P{X
t} s}
1 F(s t) 1 F(s)
e ( st ) es
et
P{X
t}
本定理描述了指数分布的重要性质：“无记忆性”
例16 已知某地在任何长为 t 周的时间内发生地震的次数 N( t ) ~ π(t), 求
(1)相邻两次地震的时间间隔 T 的概率分布;
正态分布完整课件
正态分布完整课件一、教学内容本节课的教学内容选自人教版小学数学六年级下册第117页至119页，主要学习了正态分布的概念及其图形表示。
通过本节课的学习，让学生能够理解正态分布的特点，学会绘制正态分布图，并能够运用正态分布解决实际问题。
二、教学目标1. 理解正态分布的概念，掌握正态分布图的绘制方法。
2. 能够运用正态分布解决实际问题，提高解决问题的能力。
3. 培养学生的观察能力、动手操作能力和团队协作能力。
三、教学难点与重点重点：正态分布的概念及其图形表示。
难点：正态分布图的绘制方法和在实际问题中的运用。
四、教具与学具准备教具：PPT、黑板、粉笔、正态分布图模板。
学具：笔记本、尺子、圆规、剪刀、彩笔。
五、教学过程1. 情景引入：教师通过展示一组身高数据，引导学生观察数据的分布情况，引发学生对分布图的兴趣。
2. 自主学习：学生自主阅读教材，了解正态分布的概念，并尝试绘制正态分布图。
3. 课堂讲解：教师通过PPT讲解正态分布的特点，演示正态分布图的绘制方法，并解释正态分布在实际生活中的应用。
4. 动手操作：学生分组合作，根据给定的数据绘制正态分布图，并交流分享绘制心得。
5. 例题讲解：教师通过PPT展示典型例题，讲解解题思路，引导学生运用正态分布解决实际问题。
6. 随堂练习：学生独立完成随堂练习题，巩固所学知识。
8. 课后作业：学生完成课后作业，进一步巩固正态分布的知识。
六、板书设计板书内容：正态分布的特点、正态分布图的绘制方法、正态分布的应用。
七、作业设计数据：一组学生的身高（单位：cm）：140, 145, 150, 155, 160, 165, 170, 175, 180。
答案：略答案：略八、课后反思及拓展延伸1. 课后反思：本节课通过引导学生观察实际数据，激发学生对正态分布的兴趣。
在课堂讲解过程中，注意运用PPT和黑板辅助教学，使学生更好地理解正态分布的概念和图形表示。
同时，通过分组合作和动手操作，培养学生的团队协作能力和观察能力。
正态分布 课件
；
• 特别地有：P(μ－σ<X≤μ＋σ)＝ 0.6862 ；
• P(μ－2σ<X≤μ＋2σ)＝ 0.9544 ；
• P(μ－3σ<X≤μ＋3σ)＝ 0.9974 .
[答案] B
[解析] 仔细对照正态分布密度函数：f(x)＝ 21πσe－
(x－μ)2
2σ2 (x∈R)，注意指数 σ 和系数的分母上的 σ 要一致，以及
正态分布
• 1．当样本容量无限增大时，它的频率分 布直方图 无限接近于 一条总体密度曲 线，在总体所在系统相对稳定的情况下， 总体密度曲线就是或近似地是以下函数的 图象：
• 其中μ和σ(σ>0)为参数．我们称φμ，σ(x)的图 象为 正态分布密度曲线，简称 正态曲线 ．
• (4)曲线与x轴之间的面积为 1 ；
• (5) 当 σ 一 定 时 ， 曲 线 随 μ 的 变 化而沿 x 轴 平移；
• (6)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 ．
• 4．若X～N(μ，σ2)，则对任何实数a>0，概
率P(μ－a<X≤μ＋a)＝
称 性 得 P(3<X≤4) ＝ P(6<X≤7) ， 所 以
P(6<X≤7)＝
＝0.1359.
• [点评] 解此类题首先由题意求出μ及σ的
值，然后根据三个特殊区间上的概率值及
正态曲线的特点(如对称性，与x轴围成的 面积是1等)进行求解．
• [例5] 某年级的一次信息技术测验成绩近 似服从正态分布N(70,102)，如果规定低于 60分为不及格，求：
人教B版选修2-3高中数学2.4《正态分布》ppt课件1
单侧95%正常值范围： X 1.64S (上限)
X 1.64S （下限）
12
2. 百分位数法
双侧95%正常值范围： P2.5～P97.5 单侧95%正常值范围： < P95（上限）
或 > P5（下限） 适用于偏态分布资料
13
第三节 计数资料的统计描述
一、计数资料的数据整理 二、常用相对数指标 三、应用注意事项
如：治愈率、病死率、阳性率、人群患病率等
17
2.构成比（proportion）：
说明某一事物内部，各组成部分所占的 比重。也叫百分比。
构成比=（某部分观察单位数/各组成部分 观察单位总数）×100%
如：教研室16人高级职称有4人，占 25％;中级职称有8人，占50％;初级 职称有4人，占25％。
18
正态曲线（normal curve）
2
二、正态曲线（ normal curve ）
f(X)
图形特点：
1. 钟型 2. 中间高 3. 两头低 4. 左右对称 5. 最高处对应
于X轴的值 就是均数
X 6. 曲线下面积 为1
7. 标准差决定 曲线的形状
3
N (1,0.82 )
0.6 f (X )
0.5
22
编后语
老师上课都有一定的思路，抓住老师的思路就能取得良好的学习效果。在上一小节中已经提及听课中要跟随老师的思路，这里再进一步论述听课时如何 抓住老师的思路。
① 根据课堂提问抓住老师的思路。老师在讲课过程中往往会提出一些问题，有的要求回答，有的则是自问自答。一般来说，老师在课堂上提出的 问题都是学习中的关键，若能抓住老师提出的问题深入思考，就可以抓住老师的思路。
正态分布知识点总结正态分布运算法则正态分布μ和σ代表什么
正态分布知识点总结正态分布的定义：如果随机变量的总体密度曲线是由或近似地由下面的函数给定：xR，则称服从正态分布，这时的总体分布叫正态分布，其中表示总体平均数，叫标准差，正态分布常用来表示。
当=0，=1时，称服从标准正态分布，这时的总体叫标准正态总体。
叫标准正态曲线。
正态曲线xR的有关性质：(1)曲线在x轴上方，与x轴永不相交;(2)曲线关于直线x=对称，且在x=两旁延伸时无限接近x 轴;(3)曲线在x=处达到最高点;(4)当一定时，曲线形状由的大小来决定，越大，曲线越矮胖，表示总体分布比较离散，越小，曲线越瘦高，表示总体分布比较集中。
在标准正态总体N(0，1)中：高中数学关于正态分布知识总结【2】二项分布：一般地，在n次独立重复的试验中，用X表示事件A发生的次数，设每次试验中事件A发生的概率为p，则k=0，1，2，n，此时称随机变量X服从二项分布，记作X~B(n，p)，并记独立重复试验：(1)独立重复试验的意义：做n次试验，如果它们是完全同样的一个试验的重复，且它们相互独立，那么这类试验叫做独立重复试验.(2)一般地，在n次独立重复试验中，设事件A发生的次数为X，在每件试验中事件A发生的概率为p，那么在n次独立重复试验中，事件A恰好发生k次的概率为此时称随机变量X服从二项分布，记作并称p为成功概率.(3)独立重复试验：若n次重复试验中，每次试验结果的概率都不依赖于其他各次试验的结果，则称这n次试验是独立的.(4)独立重复试验概率公式的特点：是n次独立重复试验中某事件A恰好发生k次的概率.其中，n是重复试验的次数，p是一次试验中某事件A发生的概率，k是在n次独立重复试验中事件A恰好发生的次数，需要弄清公式中n，p，k的意义，才能正确运用公式.二项分布的判断与应用：(1)二项分布，实际是对n次独立重复试验从概率分布的角度作出的阐述，判断二项分布，关键是看某一事件是否是进行n 次独立重复试验，且每次试验只有两种结果，如果不满足这两个条件，随机变量就不服从二项分布.(2)当随机变量的总体很大且抽取的样本容量相对于总体来说又比较小，而每次抽取时又只有两种试验结果时，我们可以把它看作独立重复试验，利用二项分布求其分布列.求独立重复试验的概率：(1)在n次独立重复试验中，在相同条件下等价于各次试验的结果不会受其他试验的影响，即2，，n)是第i次试验的结果.(2)独立重复试验是相互独立事件的特例，只要有恰好恰有字样的用独立重复试验的概率公式计算更简单，要弄清n，p，k 的意义。
75正态分布课件
用于研究变量之间的相关关系，通过建立回归方程来描述自变量和因变量之间的数量关 系，并进行预测和控制。
正态分布在方差分析和回归分析中的应用
在方差分析中，正态分布假设是前提之一，用于判断实验结果的可靠性；在回归分析中， 正态分布假设用于建立回归模型并进行参数估计和假设检验。
04 正态分布在概率论中作用
检验统计量与拒绝域 根据样本数据计算检验统计量，并根据显著性水 平和检验统计量的分布确定拒绝域。
3
P值与决策 根据检验统计量的值和拒绝域计算P值，并根据P 值与显著性水平的比较做出决策。
方差分析与回归分析应用
方差分析
用于研究不同因素对实验结果的影响程度，通过比较不同组间的方差和组内方差来判断 因素对实验结果是否有显著影响。
定理意义
中心极限定理揭示了大量独立随机变量的和近似服从正态分布的规律，为统计学中 的许多推断方法提供了理论基础。
正态分布与其他分布关系
正态分布与t分布关系
当总体服从正态分布且样本量n较大时，t分布近似于标准正态分布。因此，在实际应用中， 当样本量足够大时，可以使用正态分布的方法对t分布进行近似处理。
关键知识点总结回顾
正态分布的定义和性质
01
正态分布是一种连续型概率分布，具有钟形曲线特点，其概率
密度函数由均值和标准差决定。
正态分布的参数估计
02
通过样本数据可以估计正态分布的均值和标准差，常用方法有
最大似然估计和矩估计。
正态分布的应用
03
正态分布在实际问题中广泛应用，如质量控制、假设检验、回
归分析等。
75正态分布课件
目 录
பைடு நூலகம்
• 正态分布基本概念 • 正态分布性质与定理 • 正态分布在统计学中应用 • 正态分布在概率论中作用 • 正态分布在实际问题中运用 • 正态分布课件总结回顾与拓展延伸
正态分布标准表
正态分布标准表
正态分布标准表是一种用于表示正态分布概率分布的表格，其中标准正态分布是其中的一种特例。
标准正态分布的概率密度函数为：
f(x) = 1/√(2π) * exp(-x^2/2)
其中，x是随机变量，π是圆周率，e是自然对数的底数。
在标准正态分布中，平均值为0，标准差为1。
标准正态分布表通常用于快速查找和计算正态分布下的概率值。
在表中，横轴表示标准正态分布下的取值范围，纵轴表示对应的概率值。
根据需要查找的x值，可以在表中查找到对应的概率值。
例如，如果需要查找z=1时的概率值，可以在标准正态分布表中查找到z=1对应的概率值。
由于标准正态分布中，z值是x值与平均值之差除以标准差得到的，因此当z=1时，对应的x值大约为1个标准差的位置。
在标准正φ(x)表中可以查找到此时的概率值为0.8413。
正态分布说课课件
四、教学方法分析
教学 问题1
如何引导学生理解正态分布？
教学 如何引导学生了解正态分布的特征？ 问题2 启发引导法：引导学生观察正态曲线和动图展示，了解σ和μ的实际意义
如何引导学生建立正态分布模型解决问题？ 教学 问题3
五、教学过程分析
提创出问设题情境 引入新课
高斯：正态分布
提问出问题题探究 新课讲解
设计意图：通过数学史的介绍，提升学生对本节课的兴趣
复第二习环旧节知：问题探究、新课讲解
前面学习了离散型随机变量，那么，对于连续型随机变量我们该如何研究呢？
问题1：(1) 如何描述这100个样本误差数据的分布?
(2) 如何构建适当的概率模型刻画误差X的分布?
追问：随着样本数据量增大，分组 越来越多，组距越来越小，得到的 图形有什么特征？
设计意图：通过对动画的展示，让学生感悟参数μ和σ对正态曲线的影 响，以及结合离散型随机变量的研究，了解μ和σ的实际意义
问题4：观察正态分布曲线我们可以知道，是一个对称图形，那么下面 我们来看一下特殊区间内的概率
若X ~ N (, 2 ),则
3 原则
P( X ) 0.6827;
P( 2 X 2 ) 0.9545;
问题2 观察正态曲线及相应的密度函数，你能发现正态曲线的哪些特点?
追问 正态分布曲线是如何刻画随机变量的概率分布的呢？
设计意图：通过问题2和追问，让学生发现并总结正态曲线的性质，提升学生 逻辑推理和数学直观想象核心素养
第三环节：问题思考，性质探究
问题3 一个正态分布由参数μ和σ完全确定，这两个参数对正态曲线的形 状有何影响? 它们反映正态分布的哪些特征?μ和σ的意义是什么？
7.5 正态分布
CONTENTS
概率分布正态化总结讲解
a
1 b
(
1
1)
b
0.5772
2
标准差
ab 23
x (e 2 1)e(2 2 )
1
ab
( 2 1) [( 1 1)]2
b
b
1 6
x
4 2
统计参数向分布参数的转化
第一章：为什么要研究随机变量的分布
目前概率论预测方法的应用已经遍及自然科学和社会科学 的各个领域。从电子、航空、宇航、核能等尖端工业部门扩展 到电机与电力系统、机械设备、动力、土木建筑、冶金、化工 等部门。可靠性的应用也从复杂航天器的设计推广普及到日常 生活中的机电产品设计之中,并贯穿于产品的开发研制、设计、 制造、试验、使用、运输、保管及维修保养等各个环节。
第二章：常见的随机变量的分布类型
正态分布 均匀分布 指数分布 对数正态分布 极值分布（ Gumbel ） 瑞利分布（Rayleigh） 韦伯分布（ Weibull ）
正态分布概要
正态分布是在统计以及许多统计测试中最广泛应用的一 类分布。在概率论中, 正态分布是几种连续分布和离散分布 的极限分布。各种各样的心理学测试和物理现象都被发现近 似地服从正态分布。
正态分布概要
由上图可以看出约68%的数值分布在距离平均值有1个标准 差之内的范围，约95%数值分布在距离平均值有2个标准差之内 的范围，以及约99.7%数值分布在距离平均值有3个标准差之内 的范围。称为 "68-95-99.7法则"或"经验法则".
关于非正态分布需要转化的一些说明
由于正态分布具有上述一些优良的特性，而且工程界的大 多数参数都是服从正态分布的，因此在目前比较成熟的可靠 性分析方法中，很多方法（改进一次二阶矩方法，一次、二 次响应面法）往往都是针对正态分布展开的，因此我们对非 正态分布变量需要采用当量正态化。具体方法将在第三章中 详细介绍，为了能更好的理解各种分布类型的相关特性，对 实验数据的获得提供相应参考，本章将对一些常见的非正态 变量的分布类型分类进行简要阐述。
正态分布曲线的特点及曲线所表示的意义-高中数学知识点讲解
正态分布曲线的特点及曲线所表示的意义1．正态分布曲线的特点及曲线所表示的意义【知识点的知识】1．正态曲线及性质（1）正态曲线的定义函数φμ，σ（x）=2―(푥―휇)12휎2 ，x∈（﹣∞，+∞），其中实数μ和σ（σ＞0）为参数，我们称φ2휋휎푒μ，σ（x）的图象（如图）为正态分布密度曲线，简称正态曲线．（2）正态曲线的解析式①指数的自变量是x 定义域是R，即x∈（﹣∞，+∞）．②解析式中含有两个常数：π和e，这是两个无理数．③解析式中含有两个参数：μ和σ，其中μ可取任意实数，σ＞0 这是正态分布的两个特征数．④解析式前面有一个系数为1，后面是一个以e 为底数的指数函数的形式，幂指数为―2휋휎(푥―휇)22휎2．2．正态分布（1）正态分布的定义及表示푏如果对于任何实数a，b（a＜b），随机变量X 满足P（a＜X≤b）= φμ，σ（x）dx，则称X 的分布为正态分布，푎记作N（μ，σ2）．（2）正态总体在三个特殊区间内取值的概率值①P（μ﹣σ＜X≤μ+σ）＝0.6826；②P（μ﹣2σ＜X≤μ+2σ）＝0.9544；③P（μ﹣3σ＜X≤μ+3σ）＝0.9974．3．正态曲线的性质1/ 6正态曲线φμ，σ（x）=2―(푥―휇)12휎2，x∈R 有以下性质：2휋휎푒（1）曲线位于x 轴上方，与x 轴不相交；（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1；2휋휎（4）曲线与x 轴围成的图形的面积为 1；（5）当σ一定时，曲线随着μ的变化而沿x 轴平移；（6）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．4．三个邻域会用正态总体在三个特殊区间内取值的概率值结合正态曲线求随机变量的概率．落在三个邻域之外是小概率事件，这也是对产品进行质量检测的理论依据．【典型例题分析】题型一：概率密度曲线基础考察典例 1：设有一正态总体，它的概率密度曲线是函数f（x）的图象，且f（x）=21―(푥―10)8휋푒8，则这个正态总体的平均数与标准差分别是（）A．10 与 8 B．10 与 2 C．8 与 10 D．2 与 10解析：由21―(푥―10)8휋푒8=2―(푥―휇)12휎2，可知σ＝2，μ＝10．2휋휎푒答案：B．典例 2：已知随机变量ξ服从正态分布N（2，σ2），且P（ξ＜4）＝0.8，则P（0＜ξ＜2）等于（）A．0.6 B．0.4 C．0.3 D．0.22/ 6解析：由P（ξ＜4）＝0.8 知P（ξ＞4）＝P（ξ＜0）＝0.2，故P（0＜ξ＜2）＝0.3．故选C．典例 3：已知随机变量X 服从正态分布N（3，1），且P（2≤X≤4）＝0.682 6，则P（X＞4）等于（）A．0.158 8 B．0.158 7 C．0.158 6 D．0.158 51解析由正态曲线性质知，其图象关于直线x＝3 对称，∴P（X＞4）＝0.5﹣2P（2≤X≤4）＝0.5 ―12× 0.682 6＝0.1587．故选B．题型二：正态曲线的性质1典例 1：若一个正态分布的概率密度函数是一个偶函数，且该函数的最大值为．42휋（1）求该正态分布的概率密度函数的解析式；（2）求正态总体在（﹣4，4]的概率．分析：要确定一个正态分布的概率密度函数的解析式，关键是求解析式中的两个参数μ，σ的值，其中μ决定曲线的对称轴的位置，σ则与曲线的形状和最大值有关．解（1）由于该正态分布的概率密度函数是一个偶函数，所以其图象关于y 轴对称，即μ＝0．由12휋휎=1，42휋得σ＝4，故该正态分布的概率密度函数的解析式是φμ，σ（x）=21―푥42휋푒32，x∈（﹣∞，+∞）．（2）P（﹣4＜X≤4）＝P（0﹣4＜X≤0+4）＝P（μ﹣σ＜X≤μ+σ）＝0.6826．点评：解决此类问题的关键是正确理解函数解析式与正态曲线的关系，掌握函数解析式中参数的取值变化对曲线的影响．3/ 6典例 2：设两个正态分布N（μ1，휎12）（σ1＞0）和N（μ2，휎22）（σ2＞0）的密度函数图象如图所示，则有（）A．μ1＜μ2，σ1＜σ2B．μ1＜μ2，σ1＞σ2C．μ1＞μ2，σ1＜σ2D．μ1＞μ2，σ1＞σ2解析：根据正态分布N（μ，σ2）函数的性质：正态分布曲线是一条关于直线x＝μ对称，在x＝μ处取得最大值的连续钟形曲线；σ越大，曲线的最高点越低且较平缓；反过来，σ越小，曲线的最高点越高且较陡峭，故选A．答案：A．题型三：服从正态分布的概率计算典例 1：设X～N（1，22），试求（1）P（﹣1＜X≤3）；（2）P（3＜X≤5）；（3）P（X≥5）．分析：将所求概率转化到（μ﹣σ，μ+σ]．（μ﹣2σ，μ+2σ]或[μ﹣3σ，μ+3σ]上的概率，并利用正态密度曲线的对称性求解．解析：∵X～N（1，22），∴μ＝1，σ＝2．（1）P（﹣1＜X≤3）＝P（1﹣2＜X≤1+2）＝P（μ﹣σ＜X≤μ+σ）＝0.682 6．（2）∵P（3＜X≤5）＝P（﹣3＜X≤﹣1），∴P（3＜X≤5）=12[P（﹣3＜X≤5）﹣P（﹣1＜X≤3）]4/ 6=12[P（1﹣4＜X≤1+4）﹣P（1﹣2＜X≤1+2）]=12[P（μ﹣2σ＜X≤μ+2σ）﹣P（μ﹣σ＜X≤μ+σ）]=12×（0.954 4﹣0.682 6）＝0.1359．（3）∵P（X≥5）＝P（X≤﹣3），∴P（X≥5）=12[1﹣P（﹣3＜X≤5）]=12[1﹣P（1﹣4＜X≤1+4）]=12[1﹣P（μ﹣2σ＜X≤μ+2σ）]=12×（1﹣0.954 4）＝0.0228．求服从正态分布的随机变量在某个区间取值的概率，只需借助正态曲线的性质，把所求问题转化为已知概率的三个区间上．典例 2：随机变量ξ服从正态分布N（1，σ2），已知P（ξ＜0）＝0.3，则P（ξ＜2）＝．解析：由题意可知，正态分布的图象关于直线x＝1 对称，所以P（ξ＞2）＝P（ξ＜0）＝0.3，P（ξ＜2）＝1﹣0.3＝0.7．答案：0.7．题型 4：正态分布的应用典例 1：2011 年中国汽车销售量达到 1 700 万辆，汽车耗油量对汽车的销售有着非常重要的影响，各个汽车制造企业积极采用新技术降低耗油量，某汽车制造公司为调查某种型号的汽车的耗油情况，共抽查了 1 200 名车主，据统计该种型号的汽车的平均耗油为百公里 8.0 升，并且汽车的耗油量ξ服从正态分布N（8，σ2），已知耗油量ξ∈[7，9]的概率为 0.7，那么耗油量大于 9 升的汽车大约有辆．解析：由题意可知ξ～N（8，σ2），故正态分布曲线以μ＝8 为对称轴，又因为P（7≤ξ≤9）＝0.7，故P（7≤ξ≤9）＝2P（8≤ξ≤9）＝0.7，所以P（8≤ξ≤9）＝0.35，而P（ξ≥8）＝0.5，所以P（ξ＞9）＝0.15，故耗油量大于 9 升的汽车大约有 1 200×0.15＝180 辆．5/ 6点评：服从正态分布的随机变量在一个区间上的概率就是这个区间上，正态密度曲线和x 轴之间的曲边梯形的面푥1+푥2积，根据正态密度曲线的对称性，当P（ξ＞x1）＝P（ξ＜x2）时必然有2=μ，这是解决正态分布类试题的一个重要结论．1典例 2：工厂制造的某机械零件尺寸X 服从正态分布N（4，），问在一次正常的试验中，取 1 000 个零件时，不9属于区间（3，5]这个尺寸范围的零件大约有多少个？1解∵X～N（4，），∴μ＝4，σ=91 3．∴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）＝1﹣0.9974＝0.0026≈0.003，∴1 000×0.003＝3（个），即不属于区间（3，5]这个尺寸范围的零件大约有 3 个．【解题方法点拨】正态分布是高中阶段唯一连续型随机变量的分布，这个考点虽然不是高考的重点，但在近几年新课标高考中多次出现，其中数值计算是考查的一个热点，考生往往不注意对这些数值的记忆而导致解题无从下手或计算错误．对正态分布N（μ，σ2）中两个参数对应的数值及其意义应该理解透彻并记住，且注意第二个数值应该为σ2而不是σ，同时，记住正态密度曲线的六条性质．6/ 6。
- 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)。
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．总体密度曲线b单位O频率/组距a它反映了总体在各个范围内取值的概率．根据这条曲线，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x=a，x=b及x轴所围图形的面积．观察总体密度曲线的形状，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：22()2,1(),(,)2xx e xμσμσϕπσ--=∈-∞+∞式中的实数μ、)0(>σσ是参数，分别表示总体的平均数与标准差，,()xμσϕ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，如果对于任何实数a b <，随机变量X 满足,()()baP a X B x dx μσϕ<≤=⎰,则称 X 的分布为正态分布（normal distribution ) ．正态分布完全由参数μ和σ确定，因此正态分布常记作),(2σμN ．如果随机变量 X 服从正态分布，则记为X ～),(2σμN .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．例如，高尔顿板试验中，小球在下落过程中要与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次与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．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μ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；σ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.早在 1733 年，法国数学家棣莫弗就用n ！的近似公式得到了正态分布．之后，德国数学家高斯在研究测量误差时从另一个角度导出了它，并研究了它的性质，因此，人们也称正态分布为高斯分布． 2．正态分布),(2σμN ）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、左右对称正态曲线的作图，书中没有做要求，教师也不必补上曲线的图形，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．正态曲线的性质：（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）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“瘦高”．总体分布越集中：五条性质中前三条学生较易掌握，后两条较难理解，因此在讲授时应运用数形结合的原则，采用对比教学5．标准正态曲线:当μ=0、σ=l 时，正态总体称为标准正态总体，其相应的函数表示式是2221)(x ex f -=π，（-∞＜x ＜+∞）其相应的曲线称为标准正态曲线标准正态总体N （0，1）在正态总体的研究中占有重要的地位 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讲解范例：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）),(,21)(22+∞-∞∈=-x ex f x π（２）),(,221)(8)1(2+∞-∞∈=--x ex f x π（３）22(1)(),(,)x f x x -+=∈-∞+∞ 答案：(1)0，1；(2)1，2；(3)-1，0.5例2求标准正态总体在（-1，2）内取值的概率． 解：利用等式)()(12x x p Φ-Φ=有)([]}{11)2()1()2(--Φ--Φ=-Φ-Φ=p=1)1()2(-Φ+Φ=0.9772＋0.8413－1=0.8151．1.标准正态总体的概率问题:对于标准正态总体N （0，1），)(0x Φ是总体取值小于0x 的概率， 即 )()(00x x P x <=Φ，其中00>x ，图中阴影部分的面积表示为概率0()P x x <只要有标准正态分布表即可查表解决.从图中不难发现:当00<x 时，)(1)(00x x -Φ-=Φ；而当00=x 时，Φ（0）=0.52.标准正态分布表 标准正态总体)1,0(N 在正态总体的研究中有非常重要的地位，为此专门制作了“标准正态分布表”．在这个表中，对应于x 的值)(0x Φ是指总体取值小于x 的概率，即)()(00x x P x <=Φ，)0(0≥x ．若00<x ，则)(1)(00x x -Φ-=Φ．利用标准正态分布表，可以求出标准正态总体在任意区间),(21x x 内取值的概率，即直线1x x =，2x x =与正态曲线、x 轴所围成的曲边梯形的面积1221()()()P x x x x x <<=Φ-Φ．3．非标准正态总体在某区间内取值的概率:可以通过)()(σμ-Φ=x x F 转化成标准正态总体，然后查标准正态分布表即可 在这里重点掌握如何转化首先要掌握正态总体的均值和标准差，然后进行相应的转化4.小概率事件的含义发生概率一般不超过5％的事件，即事件在一次试验中几乎不可能发生假设检验方法的基本思想:首先，假设总体应是或近似为正态总体，然后，依照小概率事件几乎不可能在一次试验中发生的原理对试验结果进行分析假设检验方法的操作程序，即“三步曲”一是提出统计假设，教科书中的统计假设总体是正态总体；二是确定一次试验中的a 值是否落入(μ-3σ，μ+3σ)； 三是作出判断讲解范例：例1. 若x ～N (0,1),求(l)P (-2.32<x <1.2)；(2)P (x >2). 解：(1)P (-2.32<x <1.2)=Φ(1.2)-Φ(-2.32)=Φ(1.2)-[1-Φ(2.32)]=0.8849-(1-0.9898)=0.8747. (2)P (x >2)=1-P (x <2)=1-Φ(2)=l-0.9772=0.0228.例2．利用标准正态分布表，求标准正态总体在下面区间取值的概率： (1)在N(1,4)下，求)3(F（2）在N （μ，σ2）下，求Ｆ（μ－σ，μ＋σ）； Ｆ（μ－1.84σ，μ＋1.84σ）；Ｆ（μ－2σ，μ＋2σ）； Ｆ（μ－3σ，μ＋3σ）解：（１）)3(F ＝)213(-Φ＝Φ（1）＝0.8413 （２）Ｆ（μ＋σ）＝)(σμσμ-+Φ＝Φ（1）＝0.8413Ｆ（μ－σ）＝)(σμσμ--Φ＝Φ（－1）＝１－Φ（1）＝１－0.8413＝0.1587Ｆ（μ－σ，μ＋σ）＝Ｆ（μ＋σ）－Ｆ（μ－σ）＝0.8413－0.1587＝0.6826 Ｆ（μ－1.84σ，μ＋1.84σ）＝Ｆ（μ＋1.84σ）－Ｆ（μ－1.84σ）＝0.9342 Ｆ（μ－2σ，μ＋2σ）＝Ｆ（μ＋2σ）－Ｆ（μ－2σ）＝0.954 Ｆ（μ－3σ，μ＋3σ）＝Ｆ（μ＋3σ）－Ｆ（μ－3σ）＝0.997 对于正态总体),(2σμN 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68.3%、95.4%、99.7% 因此我们时常只在区间（μ-3σ，μ+3σ）内研究正态总体分布情况，而忽略其中很小的一部分例3．某正态总体函数的概率密度函数是偶函数，而且该函数的最大值为π21，求总体落入区间（－1.2，0.2）之间的概率解：正态分布的概率密度函数是),(,21)(222)(+∞-∞∈=--x ex f x σμσπ，它是偶函数，说明μ＝0，)(x f 的最大值为)(μf ＝σπ21，所以σ＝1，这个正态分布就是标准正态分布( 1.20.2)(0.2)( 1.2)(0.2)[1(1.2)](0.2)(1.2)1P x -<<=Φ-Φ-=Φ--Φ=Φ+Φ-教学反思：1．在实际遇到的许多随机现象都服从或近似服从正态分布大时，频率分布直方图就无限接近于一条总体密度曲线，总体密度曲线较科学地反映了总体分布密度曲线的相关知识较为抽象，学生不易理解，因此在总体分布研究中我们选择正态分布作为研究的突破口正态分布在统计学中是最基本、最重要的一种分布2．正态分布是可以用函数形式来表述的 其密度函数可写成：22()2(),(,)x f x x μσ--=∈-∞+∞， （σ＞0）由此可见，正态分布是由它的平均数μ和标准差σ唯一决定的 常把它记为),(2σμN3．从形态上看，正态分布是一条单峰、对称呈钟形的曲线，其对称轴为x=μ，并在x=μ时取最大值从x=μ点开始，曲线向正负两个方向递减延伸，不断逼近x 轴，但永不与x 轴相交，因此说曲线在正负两个方向都是以x 轴为渐近线的4．通过三组正态分布的曲线，可知正态曲线具有两头低、中间高、左右对称的基本特征。
由于正态分布是由其平均数μ和标准差σ唯一决定的，因此从某种意义上说，正态分布就有好多好多，这给我们深入研究带来一定的困难 N （0，1），其他的正态分布都可以通过)()(σμ-Φ=x x F 转化为N （0，1），我们把N （0，1）称为标准正态分布，其密度函数为22121)(x ex F -=π，x ∈（-∞，+∞），从而使正态分布的研究得以简化。
结合正态曲线的图形特征，归纳正态曲线的性质了解大致的情形就行了，关键是能通过正态曲线，引导学生归纳其性质。
附表附表1. 标准正态分布表x0.000.010.020.030.040.050.060.070.080.09 0.00.10.20.30.40.50.60.70.80.91.01.11.21.31.40.500 00.539 80.579 30.617 90.655 40.691 50.725 70.758 00.788 10.815 90.841 30.864 30.884 90.903 20.919 20.504 00.543 80.583 20.621 70.659 10.695 00.729 10.761 10.791 00.818 60.843 80.866 50.886 90.904 90.920 70.508 00.547 80.587 10.625 50.662 80.698 50.732 40.764 20.793 90.821 20.846 10.868 60.888 80.906 60.922 20.512 00.551 70.591 00.629 30.666 40.701 90.735 70.767 30.796 70.823 80.848 50.870 80.890 70.908 20.923 60.516 00.555 70.594 80.633 10.670 00.705 40.738 90.770 30.799 50.826 40.850 80.872 90.892 50.909 90.925 10.519 90.559 60.598 70.636 80.673 60.708 80.742 20.773 40.802 30.828 90.853 10.874 90.894 40.911 50.926 50.523 90.563 60.602 60.640 40.677 20.712 30.745 40.776 40.805 10.835 50.855 40.877 00.896 20.913 10.927 90.527 90.567 50.606 40.644 30.680 80.715 70.748 60.779 40.807 80.834 00.857 70.879 00.898 00.914 70.929 20.531 90.571 40.610 30.648 00.684 40.719 00.751 70.782 30.810 60.836 50.859 90.881 00.899 70.916 20.930 60.535 90.575 30.614 10.651 70.687 90.722 40.754 90.785 20.813 30.838 90.862 10.883 00.901 50.917 70.931 91.5 1.6 1.7 1.81.92.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.90.933 20.945 20.955 40.964 10.971 30.977 20.982 10.986 10.989 30.991 80.993 80.995 30.996 50.997 40.998 10.934 50.946 30.956 40.964 80.971 90.977 80.982 60.986 40.989 60.992 00.994 00.995 50.996 60.997 50.998 20.935 70.947 40.957 30.965 60.972 60.978 30.983 00.986 80.989 80.992 20.994 10.995 60.996 70.997 60.998 20.937 00.948 40.958 20.966 40.973 20.978 80.983 40.987 10.990 10.992 50.994 30.995 70.996 80.997 70.998 30.938 20.949 50.959 10.967 20.973 80.979 30.983 80.987 40.990 40.992 70.994 50.995 90.996 90.997 70.998 40.939 40.950 50.959 90.967 80.974 40.979 80.984 20.987 80.990 60.992 90.994 60.996 00.997 00.997 80.998 40.940 60.951 50.960 80.968 60.975 00.980 30.984 60.988 10.990 90.993 10.994 80.996 10.997 10.997 90.998 50.941 80.952 50.961 60.969 30.975 60.980 80.985 00.988 40.991 10.993 20.994 90.996 20.997 20.997 90.998 50.943 00.953 50.962 50.970 00.976 20.981 20.985 40.988 70.991 30.993 40.995 10.996 30.997 30.998 00.998 60.944 10.953 50.963 30.970 60.976 70.981 70.985 70.989 00.991 60.993 60.995 20.996 40.997 40.998 10.998 6x0.00.10.20.30.40.50.60.70.80.9 30.998 70.999 00.999 30.999 50.999 70.999 80.999 80.999 90.999 9 1.000 0。