正态分布及其应用(1)
正态分布与应用
正态分布
© 2023 maxiaofeng
正态分布的性质是什么
正态分布的突出性质：
➢ 分布围绕平均值对称：一半的值低于平均值，一半高于平均值。
➢ 分布可以用两个值来描述：平均值和标准差。
➢ 平均值是位置参数，而标准差是刻度参数。
➢ 平均值确定曲线峰值的中心位置，增加均值使曲线向右移动，而减小均值使曲
要首先得到 z 值，z 值告诉我们 1380 与平均值相差多少个标准差。
公式
=
−μ
计算
=
1380−1150
150
当 z 为 1.53 时， 为 0.937，这是 SAT 分数为 1380
或更低的概率，要获得阴影区域的概率(面积)，需要从整体中
减去 0.937：
S（x > 1380） = 1 – 0.937 = 0.063
即在=μ这条直线左右两边的面积各为0.5，即S(＜μ)=S(＞μ)=0.5；
⑤当＜μ时，曲线上升(增函数)；当＞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;
⑥当σ一定时，曲线随着μ的变化而沿x轴平移；
⑦当μ一定时，曲线的形状由σ确定，σ越小，曲线越尖削，表示总体的分布越集中；σ越大，曲线越平阔，
线向左移动。
➢ 标准差拉伸或挤压曲线。小的标准差导致窄曲线，而大的标准差导致宽曲线。
正态分布
© 2023 maxiaofeng
正态分布的特点
➢
➢
➢
➢
➢
➢
➢
➢
➢
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x=μ对称；
③曲线在=u处达到峰值；
正态分布及其应用医本
表9-1 某地140名正常成年男性血清尿素氮浓度(mmol/L)
6.00
5.28
3.90
5.30
4.20
3.90
5.60
5.66
4.10
4.00
4.50
3.77
4.34
4.30
4.22
5.30
5.13
3.79
4.80
5.20
4.70
2.94
5.90
4.50
2.10
5.60
5.90
5.90
2.85
4.90
4.22
5.63
3.21
4.66
3.00
5.96
3.45
3.50
4.23
3.90
3.88
4.24
4.53
4.88
2.48
3.40
3.26
3.21
3.60
2.73
4.15
4.60
4.35
4.96
5.61
5.87
5.01
4.33
5.74
4.87
3.96
3.00
3.93
3.15
5.00
3、标准正态分布
正态分布的图形由 和 所决定，即N（ ， 2） 对上式进行 u 代换，即： 可使一般的正态分布转换为标准正态分布（u 分布），此时 N（0，1）。 x = 0 = 1
问题：为什么一般的正态分布要转换成标准正态分布？
01
表中曲线下面积为 - ~ u 的面积；即 P ( u) P299
第九章 数值变量资料的统计分析 第二节 正态分布及其应用
单击此处添加副标题
温医环境公卫学院黄陈平
正态分布及其应用
正态分布及其应用安徽财经大学统计与应用数学学院 吴礼斌一. 随机变量及其分布（Random variable and Distribution ）定义1.1 设E 是随机试验，它的样本空间为Ω=｛ω｜ω为基本事件｝，对每一个样本点即基本事件ω∈Ω，都对应一个实数X(ω)，对于任意实数x ，集合{ω| X (ω) ≤x }有确定的概率．则称X(ω)为随机变量，简记为X 。
随机变量按其取值情况可以分为两类：离散型与非离散型，常见非离散的连续型。
定义1.2 设X 为离散型随机变量，它的所有可能取值为x 1,x 2,…，x k ，…，(有限个或可列无限个)，X 取值为x k 的概率记为).,3,2,1(,}{L ===k p x X P k k (2.1)称(2.1)式为随机变量X 的概率分布或分布律（Law of distribution)，简称(2.1)式为X 的分布。
定义1.3 设X 是随机变量，任意给定实数x ，记事件}{x X ≤的概率为}{)(x X P x F ≤= （2.4.1）则F(x)为实值函数，称F(x)为X 的分布函数（distribution function ）。
随机变量X 的分布函数)(x F 具有如下性质：（1）单调非降性；（2）规范性；（3）右连续性。
定义1.4设随机变量X 的其分布函数为F(x)，若存在非负可积函数f(x)，使得对于任意实数x, 有∫∞−=≤=xdt t f x X P x F )(}{)( (3.1)则称X 为连续型随机变量，称f(x)为X 的概率密度函数（Density function and nature ），简称概率函数或密度函数，记为X ～f(x)，读作X 服从以f(x)为概率密度函数的随机变量。
X 的概率密度函数f(x)具有两条基本性质：(1)非负性；(2)完备性。
二、正态分布(Normal distribution)1．一般正态分布定义2.1 如果连续型随机变量X 的密度函数为),(,21)(22)(21+∞<<−∞=−−x ex f x µσσπ (2.1)其中)0(,>σσµ为常数，则称X 服从参数为µ和2σ的（一般）正态分布或高斯分布(Normal distribution or Gauss distribution )，记作),(~2σµN X 。
正态分布的概念及应用
• 正态分布的简介 • 正态分布的性质 • 正态分布的应用场景 • 正态分布在数据分析中的应用 • 正态分布在机器学习中的应用 • 正态分布与其他统计分布的关系
01
正态分布的简介
正态分布的定义
01
正态分布是一种连续概率分布， 描述了许多自然现象的概率分布 形态，其概率密度函数呈钟形曲 线，且具有对称性。
贝叶斯推断
正态分布在贝叶斯推断中发挥了重要作用。通过贝叶斯定理，我们可以根据先 验知识和数据更新对未知参数的估计，而正态分布可以作为先验知识的分布形 式。
核方法和支持向量机
核方法
在支持向量机（SVM）等核方法中，正态分布作为核函数的一 种形式，用于将输入空间映射到高维特征空间，从而使得线性 不可分的数据变得线性可分。
在时间序列分析中，正态分布可用于描述时间序列数据的分布特征， 并建立预测模型。
05
正态分布在机器学习中的应用
概率模型和贝叶斯推断
概率模型
正态分布是一种常用的概率分布，在贝叶斯推断中，我们常常假设某些参数服 从正态分布，以便进行统计推断。例如，在朴素贝叶斯分类器中，特征的概率 分布被假设为正态分布。
考试成绩和测试评分
考试成绩和各种测试评分也经常呈现正态分布，因为大多数人的得分集中在平均分附近， 而高分和低分的人数较少。
气温、降雨量等气候数据
气温、降雨量等自然现象数据也可以用正态分布来描述，因为它们通常遵循类似的统计规 律。
科学研究和技术开发
01 02
实验结果和测量数据
在科学实验和测量中，很多数据呈现正态分布，如放射性衰变的半衰期、 化学反应速率等。这些数据反映了物质内部微观粒子的随机运动和相互 作用。
正态分布在统计学中的地位
正态分布及其应用
Part
04
正态分布在金融领域的应用
资产收益率的正态分布假设
资产收益率的正态分布假设
在金融领域中，正态分布被广泛用于描述资产收益率的概率分布。这一假设基于大量历史 数据的统计分析，认为资产收益率的分布近似于正态分布。
中心极限定理
中心极限定理是正态分布假设的理论基础，它表明无论总体分布是什么，当样本量足够大 时，样本均值近似服从正态分布。
生物医学研究
在生物医学研究中，许多生理指 标和疾病发生概率的分布并不服 从正态分布，而是呈现出偏态分 布或泊松分布等其他类型。
正态分布在大数据时代的发展
01 02
机器学习算法的改进
随着机器学习算法的不断改进，正态分布在大数据时代的 应用场景将得到进一步拓展。例如，深度学习算法可以处 理大规模、高维度的数据集，并能够自动提取特征，从而 减少对正态分布假设的依赖。
参数估计
在正态分布假设下，可以使用历史数据估计资产的预期收益率和风险波动率等参数，为投 资决策提供依据。
VaR（风险价值）的计算
VaR（风险价值）定义
VaR是指在一定置信水平下，某 一金融资产或投资组合在未来特 定时间段内的最大可能损失。
VaR计算方法
基于正态分布假设，可以使用历 史模拟法、蒙特卡洛模拟法等计 算VaR。这些方法通过模拟资产 价格的随机变动，计算出在给定 置信水平下的潜在损失。
无法处理复杂数据
正态分布在处理具有复杂结构或非线性关系的数据时可能表现不佳， 无法准确描述数据的分布特性。
非正态分布的适用场景
金融领域
自然语言处理
在金融领域中，许多金融变量的 分布并不服从正态分布，而是呈 现出尖峰厚尾的特点。例如，股 票收益率、波动率等金融时间序 列数据的分布往往具有这些特征。
正态分布的理论原理及应用
正态分布的理论原理及应用正态分布（Normal Distribution），又称高斯分布（Gaussian Distribution），是概率统计学中最重要的概率分布之一，也是最常见的连续概率分布之一、正态分布在理论研究和实际应用中都起到了重要的作用。
1.中心极限定理：中心极限定理是正态分布理论的基础，它指出，独立同分布的随机变量的和的极限分布依近似于正态分布。
这意味着，对于大量独立随机变量的和，即使这些变量的分布不同，其总体分布也会接近于正态分布。
2.正态分布的概率密度函数：正态分布的概率密度函数由两个参数决定，即均值（μ）和标准差（σ）。
其概率密度函数可以表示为：f(x)=(1/(σ*√(2π)))*e^(-((x-μ)^2/(2σ^2)))3.正态分布的特性：-均值μ是分布的中心，标准差σ决定了分布的离散程度。
-68%的观测值在均值左右一个标准差范围内，95%的观测值在均值左右两个标准差范围内，99.7%的观测值在均值左右三个标准差范围内。
1.统计分析：正态分布广泛应用于统计分析中。
很多统计模型都需要基于正态分布的假设。
例如，参数估计、假设检验、方差分析等都需要基于正态分布进行推断。
2.质量控制：质量控制中常常使用正态分布。
通过收集样本数据，计算平均值和标准差，可以对产品的质量进行控制和评估。
例如，正态分布常用于确定产品的上下公差。
3.自然科学：正态分布在自然科学中也有应用。
例如，生物学中研究身高、体重等指标时可以使用正态分布。
物理学中粒子运动的速度和位置分布也可以近似为正态分布。
4.金融与经济学：金融市场和经济领域中，许多变量的分布近似为正态分布。
例如，股票收益率、利率、汇率等可以建模为正态分布。
这使得研究人员能够使用正态分布的属性来做出预测和决策。
5.归一化处理：正态分布是进行归一化处理的常用工具之一、通过将数据转化为标准正态分布，可以对不同数据进行比较和分析。
预防医学统计学正态分布及其应用
2
其中 x
0
x
式中 为实数, >0 .则称X服从参数为 ,2旳正态分 布,记为N(, 2).可表为X～N(, 2).
图象见右上角
二、正态分布图形特征
1、高峰位于中央，两侧逐渐下降并对称，
曲线两端不与横轴相交
f (x)
2、以均数为中心，左右对称
3、正态分布有两个参数:
(1)位置参数 μ (2)形态参数σ
95%参照值范围为（2.96,6.72）（mmol/L）
(2) 3.80－4.84
u=
＝ － 1.08
0.96
Ф(u) =Ф(-1.08)=0.1401
即血清总胆固醇低于3.80 mmol/L所占旳 百分比为14.01%。
95.00% 2.5%
μ -1.96 σ
μ + 1.96σ
1
2 μ-σ
3
μ+σ
四、 原则正态分布
参数＝0，2＝1旳正态分布称为原则正态
分布，记作X~N(0, 1)。
(x)
其密度函数为
(x)
1
x2
e2
2
( x )
4 2 0 2 4
2、原则正态分布曲表
Φ(面积，即相应u值左侧原则正态分布曲线 下面积。
N(4,7/5)
2 0 2 4 6 x
三、正态曲线下面积旳分布规律
正态曲线与X轴所夹旳面积恒等于1或100%
面积总 等于1
已知：X服从均数为μ ，原则差为σ旳正态分
布，试估计X取值在μ± σ， μ±1.96 σ，
μ±2.58σ区间上旳概率
f (x)
1
e
(
x )2 2 2
2
第六章 正态分布及其应用
一．正态分布
♦
正态分布（ 正态分布（normal distribution）也称
为常态分布， 为常态分布，是连续型随机变量概率分布的一 种，是在数理统计的理论与实际应用中占有最 重要地位的一种理论分布。 重要地位的一种理论分布。
♦
正态分布由棣．莫弗于1733年发现的。 正态分布由棣．莫弗于1733年发现的。拉 1733年发现的
无限延伸，但永不与基线相交。 无限延伸，但永不与基线相交。 差为１。从Ｚ＝－3至Ｚ＝＋3之间几乎分布着全 Ｚ＝－3 Ｚ＝＋3 部数据。 部数据。
♦
拐点为正负一个标准差处 ⑸．曲线的拐点为正负一个标准差处。 曲线的拐点为正负一个标准差处。
二．标准正态分布表及使用
1．标准正态分布表
♦
利用积分公式可求出正态曲线下任何
2σ 2
公式所描述的正态曲线， 两个参数决定。 公式所描述的正态曲线，由σ和μ两个参数决定。
2．标准正态分布曲线
将标准分数代入正态曲线函数 并且， 并且，令σ＝1 则公式变换为标准正态分布函数： 则公式变换为标准正态分布函数：
1 Y= ⋅e 2π
Z2 − 2
♦
以Ｚ为横坐标，以Ｙ 为横坐标，
为纵坐标，可绘制标准正 为纵坐标， 态分布曲线。 态分布曲线。
♦
标准正态分布曲线的
纵线高度Ｙ为概率密度， 纵线高度Ｙ为概率密度， 曲线下的面积为概率。 曲线下的面积为概率。
3．标准正态分布曲线的特点
♦ ♦ ♦ ♦
⑴．曲线在Ｚ＝０处达到最高点 曲线在Ｚ＝０ Ｚ＝ ⑵．曲线以Ｚ＝０处为中心，双侧对称 曲线以Ｚ＝０处为中心， Ｚ＝ ⑶．曲线从最高点向左右缓慢下降，向两侧 曲线从最高点向左右缓慢下降， 平均数为 ⑷．标准正态分布曲线的平均数为０，标准 标准正态分布曲线的平均数
正态分布及其应用
则漏诊和误诊都将不可避免。
本章重点
• 平均数的意义及其应用
• 离散趋势指标的意义及其应用
• 正态分布的概念、特征、转换与应 用。 • 正常值范围的意义和制定、应用的 注意事项。
• μ±1.96σ范围内的面积为95%
• μ±2.58σ范围内的面积占99%
正态分布的应用
• 正态分布的判断和检验：经验法和正
态性检验
• 描述正态分布资料的频数（频率）分
布范围
• 医学参考值范围的制定（后）
• 质量控制：
正态分布的应用
• 例：从某地随机抽取100名一年级男
大学生，测得平均身高为166.2cm， 标准差为5.3cm，现欲估计该地身高 界于低于160cm，身高高于180cm， 以及身高在165cm~175cm范围内的一 年级男大学生的比例和人数。
1 ( x ) 2 / 2 2 f ( x) e 2
则称x服从均数为μ，标准差为σ2的正态分布。
正态分布的特征
40 30
20
10
0
正态分布的特征
• 均数处最高 • 以均数为中心，两端对称 • 永远不与x轴相交的钟型曲线 • 有两个参数：均数——位置参数， 标准差——形状（变异度）参数。 • 正态曲线下的面积分布有一定规律 • 正态分布具有可加性
标准正态分布与正态分布的 转换
• 标准正态分布：指均数为0，标准差为1 的正态分布。常称z 分布或u分布。 • 标准正态分布与正态分布的转换公式：
z
X
即若x服从正态分布N（μ，σ2），则z就服 从均数为0，标准差为1的正态分布。
标准正态分布
Φ(u)
u
正态分布的应用
二、正态分布的应用（一）综述生活中各样各类的问题都可以用正态分布来解决或体现。
它主要包含这些方面：1. 估计频数分布一个服从正态分布的变量只要知道其均数与标准差就可根据公式即可估计任意取值范围内频数比例。
2. 制定参考值范围：（1）正态分布法适用于服从正态（或近似正态）分布指标以及可以通过转换后服从正态分布的指标。
（2）百分位数法常用于偏态分布的指标。
3. 质量控制：为了控制实验中的测量（或实验）误差，常以作为上、下警戒值，以作为上、下控制值。
这样做的依据是：正常情况下测量（或实验）误差服从正态分布。
4. 正态分布是许多统计方法的理论基础。
检验、方差分析、相关和回归分析等多种统计方法均要求分析的指标服从正态分布。
许多统计方法虽然不要求分析指标服从正态分布，但相应的统计量在大样本时近似正态分布，因而大样本时这些统计推断方法也是以正态分布为理论基础的。
（二）估计正态分布资料的频数分布例1.10 某地1993年抽样调查了100名18岁男大学生身高（cm），其均数=172.70cm，标准差s=4.01cm，①估计该地18岁男大学生身高在168cm以下者占该地18岁男大学生总数的百分数；②分别求X+-1s、X+-1.96s、X+-2.58s范围18岁男大学生占该地18岁男大学生总数的实际百分数，并与理论百分数比较。
本例，μ、σ未知但样本含量n较大，按式（3.1）用样本均数X和标准差S分别代替μ和σ，求得u值，u=(168-172.70)/4.01=-1.17。
查附表标准正态曲线下的面积，在表的左侧找到-1.1，表的上方找到0.07，两者相交处为0.1210=12.10%。
该地18岁男大学生身高在168cm以下者，约占总数12.10%。
其它计算结果见表3。
表3 100名18岁男大学生身高的实际分布与理论分布分布x+-s 身高范围（cm）实际分布人数实际分布百分数（%）理论分布（%）X+-1s 168.69～176.71 67 67.00 68.27 X +-1.96s 164.84～180.56 95 95.00 95.00 X+-2.58s 162.35～183.05 99 99.00 99.00 三）制定医学参考值范围某些医学现象，如同质群体的身高、红细胞数、血红蛋白量，以及实验中的随机误差，呈现为正态或近似正态分布；有些指标（变量）虽服从偏态分布，但经数据转换后的新变量可服从正态或近似正态分布，可按正态分布规律处理。
正态分布及其应用--ppt课件
定， 增大，曲线沿 X 轴向右平移。因此，不
同的 ，不同的 ，对应不同的正态分布。
PPT课件
5
不同均值正态分布示意图
PPT课件
6
1.5 1
不同标准差的正态分布示意图
PPT课件
7
➢ 正态曲线下面积的分布规律
➢估计频数分布。
➢制定医学参考值范围。
➢正态分布是许多统计方法的理论基础。
今后要讨论到的 分布t 、 分布F 与
分布 2等都是在正态分布的基础上推导 出来的。
ቤተ መጻሕፍቲ ባይዱPPT课件
9
第二节 标准正态分布及其应用
只要变量 X ~ N(, 2 ) ，就可经下式 转换为 0、 1的标准正态分布，记 作 u ~ N(0,1) 。此变换也称为标准化变换，
通过对密度函数积分我们可以知道正态曲线下， 横轴上所夹的面积为1。理论上：
范围内曲线下的面积占总面积的68.27%； 1.645 范围内曲线下的面积占总面积的90%； 1.96 范围内曲线下的面积占总面积的95%；
2.58 范围内曲线下的面积占总面积的99%。
PPT课件
8
➢四、正态分布的应用
正态分布及其应用
(normal distribution)
PPT课件
1
第一节 正态分布的概念和特征
➢一.概念 正态分布又称高斯（Gauss）分布，
是最常见、最重要的一种连续型分布， 医学资料中有许多指标的频数分布都呈 正态分布，如身高、体重、脉搏、血红 蛋白、血清总胆固醇等。
PPT课件
2
➢二．图形 正态分布密度函数
PPT课件
概率统计中的正态分布的应用
概率统计中的正态分布的应用正态分布是概率统计中最为重要和常见的分布之一，广泛应用于各个领域，包括自然科学、社会科学、金融等。
本文将探讨正态分布的定义、特性以及其在实际问题中的应用。
一、正态分布的定义和特性正态分布，又称高斯分布，是一种连续概率分布。
它的概率密度函数可以表示为：f(x) = (1 / (σ * √(2π))) * e^(-((x-μ)^2 / (2σ^2)))其中，μ是均值，σ是标准差，π是圆周率，e是自然对数的底数。
正态分布具有以下特性：1. 均值和中位数相等，且位于分布的中心；2. 分布呈钟形曲线，左右对称；3. 标准差越大，曲线越扁平；4. 曲线在均值处取得最大值。
二、正态分布的应用正态分布在实际问题中有着广泛的应用，下面将介绍其中几个常见的应用场景。
1. 质量控制在制造业中，正态分布常被用于质量控制。
假设某个生产线的产品质量服从正态分布，我们可以通过抽样检测来了解产品的质量水平。
通过计算样本的均值和标准差，我们可以判断产品是否合格，制定相应的质量控制措施。
2. 金融风险评估正态分布在金融领域中的应用非常广泛。
例如，股票收益率常常被假设为服从正态分布，基于这一假设，我们可以计算出股票的风险和收益，并进行风险评估和投资组合优化。
3. 身高体重分布人类的身高和体重分布也常常被假设为正态分布。
通过对大量人群的测量数据进行统计，我们可以了解到人们的平均身高和体重，进而进行人口统计、医学研究等工作。
4. 考试成绩分析在教育领域，正态分布可以用于分析学生的考试成绩。
假设考试成绩服从正态分布，我们可以计算出平均成绩和标准差，进一步进行成绩评估、排名等工作。
5. 经济增长预测正态分布在经济学中的应用也非常重要。
例如，经济增长率可以被假设为服从正态分布，基于这一假设，我们可以进行经济增长的预测和分析，为政府和企业的决策提供参考。
三、结语正态分布作为概率统计中的重要工具，其应用范围广泛且多样化。
医学统计学. 正态分布及其应用
表4.6 参考值范围的制定
45
例4.24 某地调查正常成年男子200人的红 细胞数，得均数 X =55.26×1012/L，标准 差S=0.38×1012/L，试估计该地正常成年 男子红细胞数的95%参考值范围。
46
解：该地正常成年男子红细胞数的95%参考值范围为
下限：
X－1.96S =55.26 － 1.96×0.38=54.52(×1012/L)
生不同位置、不同形状正态分布， （x1，x2）范围内的面积也不同， 计算起来很麻烦。
22
三、标准正态分布 为了计算方便，对于正态或近似正态 分布的资料，只要得出均数和标准 差，可通过标准转化，转化成求标 准正态曲线下横轴自-∞到z的面积。 为了便于应用，统计学家按Φ(z)编 制了标准正态分布曲线下的面积表， 由此表可查出曲线下某区间的面积， 这样就可对符合正态分布资料的频 数分布作出估计。
曲线下在区间(μ－2.58σ，μ＋2.58σ)的面积为99%。
16
■μ士σ范围内的面积占正态曲线下面积的68.27％，也
就是说有68.27％的变量值分布在此范围内。
68.27%
-
+
17
μ士1.64σ范围内的面积占正态曲线下面积的90％，也就是 说有90％的变量值分布在此范围内。
90%
5%
线,近似于数学上的正态分布曲线。
7
一.正态分布的概念和特征
1.正态分布的概念
在医学卫生领域中，许多变量的频 数分布是中间(靠近均数处)频数多，两边 频数少，且左右对称。如人体的许多生 理、生化指标等。这种变量的频数分布 规律可用概率论中的一种重要的随机变 量分布—正态分布(Normal distribution)加 以描述。
[医学]第三章 统计学正态分布及其应用(医学统计学)
![[医学]第三章 统计学正态分布及其应用(医学统计学)](https://img.taocdn.com/s3/m/2856ba347e21af45b307a86b.png)
根据所选定的百分界限，会造成假阳性 或/和假阴性。 如何选定百分位数，以平衡假阳性和假阴 性：
（1）正常人的分布和病人的分布没有重 叠，这是只要求减少假阳性，则取99％较 为理想。
正常人
病人
诊断界值
（2）正常人分布与病人分布有重叠
假阴性漏 诊）
假阳性（误 诊）
正常人
病人
诊断界值
a.如需兼顾假阳性和假阴性，取95％较 适当；
二、正态分布的两个参数
（1）μ－位置参数： 当 σ一定时，μ越大，曲线越向右移动；
μ越小，曲线越向左移动。 （2）σ－离散度参数，决定曲线的形态：
当μ一定时， σ越大，表示数据越分散，曲线越“胖”； σ越小，表示数据越集中，曲线越“瘦”。
三、正态曲线下面积分布规律
无论μ σ取什么值，正态曲线与横轴间的 面积总等于1
4.72
例3.3 已知 X=121.95cm, S=4.72cm 欲估计身高界于116.5-119.0cm范
围内的7岁男童比例及人数。
求该面积
-1.15 -0.63
Ф(u1) =Ф(-1.15)=0.1251
Ф(u2) =Ф(-0.63)=0.2643
Ф(u2)- Ф(u1) = 0.2643 - 0.1251
b.如主要目的是减少假阳性（如用于确 诊病人或选定科研病例），宁取99％。
c.如主要目的是减少假阴性（如用于初 筛搜查病人），宁取80％或90％。
6、选择适当制定方法（见下）。 （三）制定医学参考值范围常用方法：
1、正态分布法
(1)适用范围：（近似）正态分布或对数正态分布 资料
x (2)计算公式： ±uS x 双侧： 95％ ±1.96S
（1）白细胞数过高和过低均属于异常， 需制定下限（最小值）和上限（最大 值），称双侧医学参考值范围。
正态分布及其应用
正态分布及其应用
正态分布（也被称为高斯分布）是概率统计学中常见的一种连续型概率分布。
正态分布的概率密度函数具有钟形曲线的特征，它由两个参数决定：均值μ和方差σ²。
正态分布在许多实际问题中具有广泛的应用。
以下是一些常见的应用：
1. 自然科学研究：正态分布被广泛用于描述许多自然现象，如测量误差、实验数据分布等。
2. 金融领域：正态分布被用于描述许多金融指标的变动，如股票价格、债券收益率等。
投资者可以利用正态分布进行风险管理和投资决策。
3. 质量控制：正态分布被应用于质量控制，例如在制造业中检测产品的质量是否合格。
4. 医学研究：正态分布经常用于研究人群的生理指标或疾病的发病率，如身高、体重、血压等。
5. 教育测量：正态分布可应用于评估学生的考试成绩、能力水平等。
6. 数据分析：正态分布常用于数据分析和拟合，在假设检验、参数估计和统计推断等方面被广泛使用。
总之，正态分布在许多领域中都有广泛的应用，特别是在统计学和概率论中被广泛研究和应用。
正态分布及其应用
正态分布及其应用在我们的日常生活和众多科学领域中，正态分布是一个极其重要的概念。
它如同一位默默工作的幕后英雄，虽然不常被人们直接提及，但却在各个角落发挥着关键作用。
那什么是正态分布呢？想象一下，我们测量一群人的身高，会发现大多数人的身高都集中在一个中间范围，只有少数人特别高或特别矮。
这种大多数数据集中在中间，两端逐渐减少的分布情况，就是正态分布。
它的形状就像一个对称的钟形，所以也被称为“钟形曲线”。
正态分布具有几个显著的特点。
首先，它是对称的，这意味着数据在均值的两侧分布是相同的。
其次，它的均值、中位数和众数是相等的，都处于曲线的中心位置。
而且，正态分布的概率密度函数具有特定的数学表达式，这使得我们能够进行精确的计算和分析。
为什么正态分布如此常见呢？这是因为许多自然和社会现象都受到多种随机因素的综合影响。
例如，学生的考试成绩，受到他们的学习能力、努力程度、考试当天的状态等多种因素的作用。
这些因素相互交织，最终导致成绩呈现出正态分布的特征。
在教育领域，正态分布有着广泛的应用。
教师可以通过对学生考试成绩的分析，了解整个班级的学习情况。
如果成绩符合正态分布，说明教学效果可能较为正常。
但如果出现偏态分布，比如成绩普遍过高或过低，就可能提示教学中存在问题，需要调整教学方法或难度。
在医学中，正态分布同样重要。
比如，测量人群的血压、身高、体重等生理指标，通常都呈现正态分布。
医生可以通过这些数据来判断一个人的健康状况是否正常。
如果某个人的指标偏离了正态分布的范围，可能就意味着存在健康风险，需要进一步的检查和治疗。
在金融领域，正态分布也被广泛应用于风险评估。
股票的收益率、资产的价格波动等往往近似服从正态分布。
投资者可以利用这一特性，通过计算均值和标准差来评估投资组合的风险和收益。
在工业生产中，正态分布可以用于质量控制。
例如，生产一批零件，其尺寸的误差往往符合正态分布。
通过设定合理的公差范围，企业可以确保大部分零件符合质量标准，同时对超出范围的少数次品进行及时处理和改进生产工艺。
- 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)。
例、某市120名12岁男童身高的例子中已求得均
数为 143.05cm，标准差s=5.82cm。设该资料服
从正态分布，试求① 该地12岁男童身高在132cm
以下者占该地12岁男童总数的比例，② 分别求
X ±1s、X ±1.96s和 X ±2.58s范围内12岁男童占
该组儿童总数的实际百分数，并与理论百分数比
线形态“矮胖” 。
特征四 有些指标不服从正态分布，但通过
适当变换后服从正态分布，如对数正态分
布。
可编辑ppt
8
特征五 正态分布曲线下的面积分布是有规律 的。
用F(X)代表横轴自-∞到X间曲线下面积，即
下侧累计面积(概率)。
X
FX
1
X2
e 22 dX
2
曲线下（X1，X2）两个数值之间的面积则可
实际分布
人数
百分数(％)
87
72.50
114
95.0
68.27 95.00 99.00
可编辑ppt
17
四、正态分布的应用
医疗卫生领域中有很多的指标是服从或近 似服从正态分布。
如：同性别同年龄正常儿童的身高、体重， 同性别健康成人的红细胞数以及实验中的 随机误差等一般都服从正态分布。
较。
可编辑ppt
16
① 计算u=（132.0-143.05）/5.82= -1.90 查表得，( u)= ( -1.90)=0.0287
②
X us
X ±1.00s
X ±1.96s X ±2.58s
身高范围(cm)
137.23～148.87 131.64～154.46 128.03～158.07
f (X)
1
(X)2
e 22 , (-∞＜ X ＜+∞)
2
式中，有4个常数， 为总体均数， 为总体
标准差，π为圆周率，e为自然对数的底，其
中，为不确定的常数，π，e为固定常数，
仅X为变量，代表图形上横轴的数值，f(X)为
纵轴数值。当给定和，就可绘制出一条正态
分布曲线。正态分布曲线是一簇曲线。
可编辑ppt
有一些指标不服从正态分布，但经过变量 变换后，能近似服从正态分布。
如：对数正态分布
可编辑ppt
18
（一）估计频率分布
例、若由某项研究得某地婴儿出生体重为 3100g，标准差为300g，试估计该地区当年出 生低体重儿（出生体重≤2500g）所占比例。
第五节 正态分布及其应用
可编辑ppt
1
正态分布
重要的概率分布，统计分析方法的基础。 医学研究中的多数观察指标服从或近似服
从正态分布； 很多统计方法建立在正态分布的基础之上； 很多其他分布的极限为正态分布。
可编辑ppt
2
一、正态分布的概念和图形
（a）
（b）
（c）
可编辑ppt
（d）
3
正态分布的概率密度函数为：
利用正态分布的对称性，求(1.60)=1-(-1.60) 则（-∞，1.60）范围内面积为10.0548=0.9452。
（-1.20，1.60）范围内的面积
D=0.9452-0.1151=0.8301。
可编辑ppt
15
注意点二
对于非标准正态分布，求曲线下任意（X1， X2）范围内的面积，可先作标准化变换， 再借助标准正态分布表求得。
③曲线下面积常用规律：
在区间（ -， +）内的曲线下面积为68.27%； 在区间（ -1.64， +1.64）内的面积为89.90%， 在区间（ -1.96， +1.96）内的面积为95.00%； 在区间（ -2.58， +2.58）内的面积为99.00%。
可编辑ppt
10
三、标准正态分布
将正态分布变量作标准化变换，就得到均 数为0，标准差为1的标准正态分布 （standard normal distribution）
可编辑ppt
13
注意点一
附表1中只列出了曲线下从-∞到0范围内的 面积
对于u>0的范围面积，利用正态分布的对称 性，通过(u) =1-(-u)来求曲线下的面积。
可编辑ppt
14
例、已知u1= -1.20，u2=1.60，求标准正态曲线 下（-1.20，1.60）范围内的面积。
查附表1，得（-∞，-1.20）范围内的面积为 0.1151，（-∞，-1.60）范围内的面积为0.0548，
引入标准化变换后，对于其他任何正态分
布 N ( , 2 ) 都可以借助标准正态分布表估计
任意（X1，X2）范围内的频数比例。
可编辑ppt
12
例、已知u1=-1.76，u2=-0.25，求标准正态曲 线下（-1.76，-0.25）范围内的面积。
查附表1，得（-∞，-1.76）范围内的面积为 0.0392，（-∞，-0.25）范围内的面积为 0.4013，则（-1.76，-0.25）范围内的面积 D=0.4013-0.0392=0.3621。
4
正态分布图形： 对称的钟型（在均数处最高） 两侧逐渐下降 两端在无穷远处与横轴无限接近。
可编辑ppt
5
二、正态分布的特征
f
=1 =1.5 =2
-5 -4 -3 -2 -1 0 1 2 3 4 5
不同标准差 的正态分布示意
一般情况下，我们用N(,2)表示均数为，方差
为2的正态分布。 可编辑ppt
以用 F X2 与 F X1 的差值求得 ：
DFX2
FX1
可编辑ppt
X2 X1
1
X2
e22 dX
2
9
无论，取什么值，正态分布密度曲线下
的面积分布有以下几个规律：
①正态密度函数曲线与横轴间的面积恒等于1 或100%；
②正态分布是对称分布。其对称轴为直线X=， X>与X<范围内曲线下面积相等，各占50%；
标准化变换公式： u X
正态分布的概率密度函数方程就简化为标 准正态分布的概率密度函数方程：
(u)
1
2
eu2
2
，(-∞＜
u
＜+∞)
可编辑ppt
11
对其定积分：
(u) 1
u
eu2 2du
2
式中 (u)为标准正态变量u的累计分布函数， 反映了横轴自-∞到u的正态曲线下面积，也 就是下侧累计面积(概率)。
6
特征一 正态分布是一单峰分布，高峰位置
在均数X= 处。
特征二 正态分布以均数为中心，左右完全 对称。
可编辑ppt
7
特征三 正态分布取决于两个参数，即均数
和标准差。
为位置参数， 变大，则曲线沿横轴 向右移动； 变小，曲线沿横轴向左移动。
为形态参数，表示数据的离散程度， 若小，则曲线形态“瘦高”；大，则曲