24正态分布1 (2)

合集下载

统计学02-第三讲 两个总体参数的区间估计_24

统计学02-第三讲 两个总体参数的区间估计_24

2 p
(n1
1)s12
(n2
1)s
2 2
n1 n2 2
3. 估计量x1-x2的抽样标准差
s
2 p
s
2 p
n1 n2
sp
11 n1 n2
两个总体均值之差的估计
(小样本: 1222 )
1. 两个样本均值之差的标准化
t
( x1
x2 ) 1
s p n1
(1
1 n2
2 )
~
t (n1
n2
2)
2. 两个总体均值之差1-2在1- 置信水平下的
x1
32.5
s12
15.996 x2
27.875
s
2 2
23.014
自由度为
15.996
23.014
2
v 12
8
13.188 13
15.996 122 23.014 82
12 1
8 1
(32.5 27.875) 2.1604 15.996 23.014 4.625 4.433
女学生: x2 480
s
2 2
280
试以90%置信水平估计男女学生生活费支出方 差比的置信区间
两个总体方差比的区间估计 (例题分析)
解 : 根 据 自 由 度 n1=25-1=24 , n2=25-1=24 , 查 得 F/2(24)=1.98, F1-/2(24)=1/1.98=0.505
12 /22置信度为90%的置信区间为
两个总体均值之差1-2在1- 置信水平下的置
信区间为
x1 x2 t 2 (v)
s12
s
2 2
n1 n2
自由度 v

正态分布的特征

正态分布的特征

(1)定义
正态分布:是一种最常见、应用最广的连续型随机变量的概率分布,也叫高斯分布,由阿伯拉罕·德莫弗尔于1733年发现,后来高斯等人也对其研究做出过贡献。

(2)特点:
①钟形,左右对称,平均数=中数=众数;
②x=μ时曲线处于最高点(f(x)=0.3989),x=μ±δ两点是拐点,曲线两端向靠近横轴处不断延伸,但始终不会与横轴处相交;
③正态曲线与x轴所围成的面积为1;
④正态分布是由均值μ和标准差δ决定的一族分布(随均值μ和标准差δ的不同而有不同的分布形态),均值μ决定曲线的位置,标准差δ决定曲线的形状(δ愈大,曲线愈扁平,反之愈瘦长);
⑤曲线下标准差与概率(面积)有一定的数量关系。

(3)应用:
①依据Z分数求概率,即已知标准分数求面积;
②从概率求Z分数,即从面积求标准分数值;
③已知概率或Z值,求概率密度,即正态曲线的高。

标准正态分布:即均值为0,方差为1的正态分布。

因此,标准正态分布的位置和形状是确定的。

任何一般的正态分布都可以通过Z=x-μ/δ化为标准正态分布。

标准分布不等于标准正态分布,还有标准偏态分布。

第三节 正态分布

第三节 正态分布
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。

二项分布与超几何分布、正态分布

二项分布与超几何分布、正态分布

,k=t,t+1,…,s,
(2)记法:X~H(N,n,M).
(3)分布列:如果X~H(N,n,M)且n+M-N≤0,则X能取所有不大于s的自然数,此
时X的分布列如下表所示.
X 0
P
… k
1
0 n
M
N-M
Nn
1 n-1
M
N-M
Nn

… s
-
C C-
C

-
C
C-
二项分布与超几何分布、正态分布




01
必备知识 预案自诊
02
关键能力 学案突破
03
素养提升微专题15——“小概率事件”及其应用
必备知识 预案自诊
【知识梳理】
1.n次独立重复试验
在相同条件下重复n次伯努利试验时,人们总是约定这n次试验是
相互独立 的,此时这n次伯努利试验也常称为n次独立重复试验.

X~B(n,p)(其中p= );若采用不放回抽样的方
法随机抽取则随机变量X服从超几何分布
放回抽样,当n远远小于N时,每抽取
一次后,对N的影响很小,超几何分
布可以用二项分布近似
4.正态曲线及其性质
(1)正态曲线的定义
一般地,函数
1
φμ,σ(x)=
e

μ= E(X)
,σ=
()
(- )2
P(Di)=4.
由于各事件相互独立,故 P(A3)=P(D5)P(D4)P(3 )P(2 1 ∪ 2 D1∪D21 )
1
=4
1
4
× ×
45
.
1 024
3

正态分布 课件

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

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。

正态分布的性质及实际应用举例

正态分布的性质及实际应用举例

华北水利水电学院正态分布的性质及实际应用举例课程名称:概率论与数理统计专业班级:电气工程及其自动化091班成员组成:姓名:邓旗学号: 201009102姓名:王宇翔学号:201009101姓名:陈涵学号:201009132联系方式:2012年5月24日1 引言:正态分布(normal distribution)又名高斯分布(Gaussian distribution),是一个在数学、物理及工程等领域都非常重要的概率分布,在统计学的许多方面有着重大的影响力。

本文就从正态分布的实际性质应用举例等各个方面进行简单阐述并进行探讨,使同学们能够对所掌握的知识有更清楚地认识。

2 研究问题及成果:2.1 正态分布性质;2.2 3σ原则及标准正态分布;2.3 实际应用举例说明摘要:正态分布是最重要的一种概率分布。

正态分布概念是由德国数学家与天文学家Moivre于1733年首次提出的,但由于德国数学家Gauss率先将其应用于天文学研究,故此正态分布又称高斯分布。

在许多实际问题中遇到的随机变量都服从或近似服从正态分布:在生产中,产品的质量指标,如电子管的使用寿命,电容器的电容量,零件的尺寸。

铁水含磷量,纺织品的纤度和强度等一般都服从正态分布。

在测量中,如大地测量,天平称量物体,化学分析某物之中某元素的含量等,测量结果一般服从正态分布。

在生物学中,同一群体的某种特性指标,如某地同龄儿童的身高,体重,肺活量,在一定条件下生长的农作物的产量等一般服从正态分布。

在气象学中,某地每年7月份的平均气温,平均温度以及降水量等一般也服从正态分布。

总之。

正态分布广泛存在于自然现象,社会现象以及生产,科学技术的各个领域中。

本文就从正态分布的实际性质应用举例等各个方面进行简单阐述并进行探讨,使同学们能够对所掌握的知识有更清楚地认识。

关键词:正态分布The nature of the normal distribution and the example of practical applicationAbstract:the normal distribution is the probability distribution of one of the most important.Normal distribution concepts is Germany first proposed by mathematician and astronomer Moivre in 1733, but since Germany mathematician Gauss first applied in astronomy, so also called the Gaussian distribution of the normal distribution. In many practical problems encountered in the approximate normal distribution random variables are subject to, or: in production, product quality indicators, such as the life of the tube, the capacitance of capacitors, dimensions of the part. Phosphorus content in hot metal, textile fibers and strength are generally subject to the normal distribution. In surveying, geodesy, weighing scales objects, such as chemical analysis of some of the content of an element, General normal distribution measurement results. In biology, a certain characteristic index of the same group, such as a certain age children's height, body weight, vital capacity, under certain conditions the yield of crops on the growth of General normal distribution. In meteorology, a place every July average temperature, average temperature and precipitation generally normal distribution. All in all. Normal distribution is widely present in natural phenomena, social phenomena, as well as the production, in the various fields of science and technology. This article from the actual properties of the normal distribution apply to explore various aspects, such as for example a simple elaboration and, enable students to acquire knowledge have a better understanding.Key words:Normal distribution Practical application正态分布的性质及实际应用举例概率论在一定的社会条件下,通过人类的社会实践和生产活动发展起来,被广泛应用于各个领域,在国民经济的生产和生活中起着重要的作用。

正态分布的公式

正态分布的公式

正态分布的公式
正态分布叠加公式是:x+y~n(3,8)。

相互立的正态变量之线性组合服从正态分布。

即x~n(u1,(q1)^2),y~n(u2,(q2)^)。

则z=ax+by~n(a*u1+b*u2,
(a^2)*(q1)^2+(b^2)*(q2)^2)
集中性:正态曲线的高峰位于正中央,即均数所在的位置。

对称性:正态曲线以均数为中心,左右等距,曲线两端永远不与横轴平行。

均匀变动性:正态曲线由均数所在处开始,分别向左右两侧逐渐均匀下降。

曲线与横轴间的面积总等同于1,相等于概率密度函数的函数从正无穷至负无穷分数的概率为1。

即为频率的总和为%。

两个正态分布的任意线性组合仍服从正态分布(可通过求两个正态分布的函数的分布证明),此结论可推广到n个正态分布。

因此,只需求x-3y的期望方差就可知道具体服从什么正态分布了。

多元正态分布

多元正态分布

1
n1

n
)
X
二、多元正态总体的最大似然估计及其性质
利用最大似然法求出 μ和 的最大似然估计为:
μˆ X
ˆ 1S n
求解过程
似然函数为:
L (, ) f(x ( 1 ))f(x (2 )) f(x (n ))
n (2) p2 1 2ex 1 (x p [) 1 (x)]
2
22 n
(引理:设A为p阶正定矩阵,则 tr(A)lnAp 当A=I
等号成立。
A1/2S n1/2Ip时等号成 立 n S ,即
最大似然估计的性质
1. E(X)μ ,即 X 是 μ的无偏估计 。
E(1nS)nn1,即
1S n
不是 的无偏估计。
E( 1 S) n1
样本均值向量可以用样本矩阵表示出来,即
X
p 1

1 n
X
1 n
1n (1,1, ,1)
因为:
X 11
1 n
X 1n

1 n

X
12


X
1n
X 21 X 22

X 2n
X p1 X p2

X pn


1 1

n
独立同分布于 Np(μ,), 则随机矩阵 W (i)(i) 服从自由度
为n的非中心维斯特分布,记为
i1
W~Wp(n,,μ)
随机矩阵的分布:
X11 X12 X1p
X


X21
X22

X2p

医学统计学第3讲正态分布

医学统计学第3讲正态分布

86
146
百分
35.98326
61.08787
194 位数法 81.17155 212 实例 88.70293 228 234 95.39749 97.90795 98.32636
17~
19~21
111 2 239 0 95% 212 1 12.88 μ 235 P95 mol/kg 16 1 0 1 236 2 120 1 119 3 239 239 -
制定参考值范围
参考值范围又称正常值范围,医学上是指 绝大多数正常人的某指标值所在的范围。 参考值范围的意义
划分正异常
制定步骤
1. 2. 3. 4. 5. 6. 从“正常人”总体中抽样:明确研究总体 控制检测误差 判断是否需要分组(如性别、年龄)确定 根据专业知识决定单侧还是双侧 选择百分界值 确定可疑范围
单侧上限---过高异常 双侧---过高、过低均异常
单侧下限---过低异常
异常
正常
正常
异常
异常
正常
异常
单侧下限
单侧上限
双侧下限
双侧上限
正常人与病人的数据分布重叠示意图(单侧)
正常人
假阴性 病人 假阳性
正常人与病人的数据分布重叠示意图(单侧)
正常人
假阴性率 病人 假阳性率
正常人与病人的数据分布重叠示意图(双侧)
N(, 2)
N(0,1)
0.6 0.5
f (X )
N (1,0.8 )
2
0.4 0.3 0.2 0.1 0
N (0,1 )
N (1,1.2 )
2
2
-4
-3
-2
-1
0
1

二维正态分布协方差等式

二维正态分布协方差等式

二维正态分布协方差等式二维正态分布协方差等式是统计学中非常重要的一个公式,它描述了二维正态分布随机变量的协方差。

在实际应用中,这个公式用于解决许多问题,包括金融风险管理、信号处理、生物统计学等领域。

以下就对该公式进行详细的解析和探讨。

首先,我们先来看一下二维正态分布的概念。

二维正态分布是指由两个随机变量所构成的随机向量,其概率密度函数服从二维正态分布函数。

这个函数具有如下的形式:f(x,y) = 1 / [2πσ1σ2√(1-r^2)] * exp(-Q/2)其中,σ1和σ2分别是两个随机变量的标准差,r是这两个随机变量的相关系数,Q是一个二次齐次函数,其形式为:Q = (x-μ1)^2 / σ1^2 - 2r(x-μ1)(y-μ2)/(σ1σ2) + (y-μ2)^2 / σ2^2其中,μ1和μ2是两个随机变量的均值。

根据上述公式,我们可以得出二维正态分布随机向量的期望和协方差矩阵。

二维正态分布随机向量的期望为:E[X,Y] = [μ1,μ2]而其协方差矩阵则可以表示为:Cov(X,Y) = [σ1^2,rσ1σ2] [rσ1σ2,σ2^2]我们可以看到,二维正态分布随机向量的协方差矩阵的元素是与两个随机变量的标准差以及相关系数相关的。

在实际应用中,我们经常需要计算两个随机变量的协方差矩阵,以便于分析它们之间的关系。

而二维正态分布协方差等式则提供了一种便捷的方法来计算协方差矩阵。

该公式的表达形式如下:Cov(X,Y) = E[XY] - E[X]E[Y]其中,E[XY]表示两个随机变量的乘积的期望,E[X]和E[Y]分别表示这两个随机变量的期望。

这个公式的证明其实是非常简单的,我们只需要使用协方差的定义式和期望的线性性质即可证明。

二维正态分布协方差等式是非常实用的一个公式。

在实际应用中,我们经常需要计算随机变量的协方差矩阵。

使用该公式,我们可以通过计算随机变量的期望来计算协方差矩阵,避免了复杂的计算过程。

正态分布幅度与方差关系

正态分布幅度与方差关系

正态分布幅度与方差关系
正态分布是一种常见的概率分布,它被广泛应用于统计学、经济学、工程学等领域。

正态分布的形状由其均值和标准差(方差的平方根)决定。

我们来看一下幅度与方差的关系。

在正态分布中,幅度指的是曲线在均值附近的相对高度。

方差描述了数据在分布中的离散程度。

当标准差较小时,曲线会较为陡峭,幅度较高。

这意味着数据点相对于均值会更集中在一起,方差较小。

随着标准差的增加,曲线会逐渐变得平缓,幅度也会变小。

这表示数据点相对于均值的分散程度增加,方差较大。

需要注意的是,幅度与方差之间的关系是相对的,它们不是严格的函数关系。

在不同的标准差下,幅度的变化幅度可能会有所不同。

正态分布的幅度与方差是密切相关的。

较小的方差会得到一个幅度更高的分布,而较大的方差会导致分布的幅度变小。

这种关系在许多领域都有重要的应用,包括风险评估、市场预测等。

说明:以上内容仅供参考,如有需要,请参考相关文献或咨询专业人士获取更详细和精确的信息。

  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)。

Y
a
bcΒιβλιοθήκη d平均数X
若用X表示落下的小球第1次与高尔顿板底部接触时 的坐标,则X是一个随机变量.X落在区间(a,b]的概率为:
b
P(a X b) a , (x)dx
2.正态分布的定义:
如果对于任何实数 a<b,随机变量X满足:
b
P(a X b) a , (x)dx
则称为X 的正态分布. 正态分布由参数μ、σ唯 一确定.正态分布记作N( μ,σ2).其图象称为正 态曲线.
3、正态曲线的性质
( x)
y
1
( x )2
e 2 2
2 y
μ= -1
σ=0.5
μ=0
, x (, )
y μ=1
σ=1
σ=2
-3 -2 -1 0 1 2 x -3 -2 -1 0 1 2 3 x -3 -2 -1 0 1 2 3 4 x
(1)曲线在x轴的上方,与x轴不相交.
(2)曲线是单峰的,它关于直线x=μ对称.
正态曲线下的面积规律
• X轴与正态曲线所夹面积恒等于1 。 • 对称区域面积相等。
S(-,-X)
S(X,)=S(-,-X)
正态曲线下的面积规律
• 对称区域面积相等。
如果随机变量X服从正态分布, 则记作 X~ N( μ,σ2)
在实际遇到的许多随机现象都服从或近似服 从正态分布:
在生产中,在正常生产条件下各种产品的质量指标; 在测量中,测量结果;
在生物学中,同一群体的某一特征;……; 在气象中,某地每年七月份的平均气温、平均湿度
以及降雨量等,水文中的水位;
总之,正态分布广泛存在于自然界、生 产及科学技术的许多领域中。
高二数学 选修2-3
引入
正态分布在统计学中是很重要的分布。我们知 道,离散型随机变量最多取可列个不同值,它等于 某一特定实数的概率可能大于0,人们感兴趣的是 它取某些特定值的概率,即感兴趣的是其分布列; 连续型随机变量可能取某个区间上的任何值,它等 于任何一个实数的概率都为0,所以通常感兴趣的 是它落在某个区间的概率。离散型随机变量的概率 分布规律用分布列描述,而连续型随机变量的概率 分布规律用密度函数(曲线)描述。
x (,)
y
当μ= 0,σ=1时
μ=0
σ=1
标准正态总体的函数表示式 -3 -2 -1 0 x2 1 f (x) 2 e 2 , x (,)
1 2 3x
标准正态曲线
正态总体的函数表示式
f (x)
1
(x )2
e 22 , x (,)
2
(1)当x = μ 时,函数值为最大.
(2)f (x) 的值域为
(0,
1]
2
y
μ=0 σ=1
(3) f (x) 的图象关于 x =μ 对称. -3 -2 -1 0 1 2 3 x
(4)当x∈(-∞,μ] 时f (x)为增函数. 当x∈(μ,+∞) 时f (x)为减函数. 标准正态曲线
例1、下列函数是正态密度函数的是( B )
A. f (x)
1
(x )2
e 2 2 , , ( 0)都是实数
频率 组距
总体密度曲 线
产品 尺寸 (mm)
复习
总体密度曲 线
产品 尺寸 (mm)
高尔顿板
Y
总体密度曲
线
0 X
导入
产品尺寸的总体密度曲线 就是或近似地是以下函数的图象:
1 、正态曲线的定义:
函数 f (x)
1
2
e
(
x )2 2 2
x (,)
式中的实数μ、σ(σ>0)是参数,分别表示 总体的平均数与标准差,称f( x)的图象称为正态曲线
(3)曲线在x=μ处达到峰值(最高点)
σ
1 2π
(4)曲线与x轴之间的面积为1
方差相等、均数不等的正态分布图示
σ=0.5
μ=0 μ= -1
μ= 1
若 固定,
随值
的变化而
沿x轴平
移, 故
称为位置
参数;
3 1 2
均值相等、方差不等的正态分布图示
μ=0
=0.5 =1
若 固定, 大
时, 曲线矮而胖;
2
2 x2
B.
f (x)
e2
2
1
( x1)2
C.
f (x) 2
e
2
4
1
x2
f (x)
e2
D.
2
练习:
1、若一个正态分布的概率函数是一个偶函数且该函 数的最大值等于 1 ,求该正态分布的概率密度函数 的解析式。 4 2
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, 求出总体随机变量的期望和 方差。
复习
100个产品尺寸的频率分布直方图
频率 组距
25.235 25.295 25.355
25.415
产品 尺寸 (mm)
25.475 25.535
复习
200个产品尺寸的频率分布直方图
频率 组距
25.235 25.295 25.355
25.415
产品 尺寸 (mm)
25.475 25.535
复习
样本容量增大时 频率分布直方图
小时, 曲线瘦
而高, 故称 为形状参数。
=2
3、正态曲线的性质
y X=μ ( x) σ=0.5
1
e
(
x )2 2 2
2
σ=1
σ=2
-3 -2 -1 0
12 3 x
(5)当 x<μ时,曲线上升;当x>μ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.
(6)当μ一定时,曲线的形状由σ确定 . σ越大,曲线越“矮胖”,表示总体的分布越分散; σ越小,曲线越“瘦高”,表示总体的分布越集中.
y
1
2
5 10 15 20 25 30 35 x
3、正态曲线的性质
( x)
1
e
(
x )2 2 2
, x (, )
2
y
y
y
μ= -1
μ=1
σ=0.5
μ=0
σ=1
σ=2
x x -3 -2 -1 0 1 2
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3 4 x
具有两头低、中间高、左右对称的基本特征
正态分布在概率和统计中占有重要地位。
的意义
总体平均数反映总体随机变量的 平均水平
x= μ
产品
尺寸
(mm)
x3
x4
x1
平均x数2
的意义
总体平均数反映总体随机变量的 平均水平 总体标准差反映总体随机变量的
集中与分散的程度
1
平均数
2
产品 尺寸
(mm)
正态总体的函数表示式
f (x)
1
2
e
( x )2 2 2
例3、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
( D)
A.曲线b仍然是正态曲线;
B.曲线a和曲线b的最高点的纵坐标相等;
C.以曲线b为概率密度曲线的总体的期望比以曲线a为 概率密度曲线的总体的期望大2;
D.以曲线b为概率密度曲线的总体的方差比以曲线a为 概率密度曲线的总体的方差大2。
相关文档
最新文档