第一章 概率与统计
DESCRIPTION
第一章 概率与统计. 二 统计. 1.5 正态分布. 1.5 正态分布. 一、复习. 1 、回顾样本的频率分布与总体分布的关系:. 由于总体分布通常不易知道,我们往往是用样本的频率分布(即频率分布直方图)去估计总体分布。. 一般样本容量越大 , 这种估计就越精确。. 2 、从上一节得出的 100 个产品尺寸的频率分布直方图可以看出,当样本容量无限大,分组的组距无限缩小时,这个频率直方图就会无限接近于一条光滑曲线 ---- 总体密度曲线。. y. a. x. b. O. 总体密度曲线 - PowerPoint PPT PresentationTRANSCRIPT
第一章 概率与统计
二 统计
1.5 正态分布1.5 正态分布
1 、回顾样本的频率分布与总体分布的关系: 由于总体分布通常不易知道,我们往往是用样本的频率分布(即频率分布直方图)去估计总体分布。一般样本容量越大 , 这种估计就越精确。2 、从上一节得出的 100 个产品尺寸的频率分布直方图可以看出,当样本容量无限大,分组的组距无限缩小时,这个频率直方图就会无限接近于一条光滑曲线 ---- 总体密度曲线。
一、复习
O x
y
a b
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
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.
两头低,中间高,左右对称
3 、观察上节总体密度曲线的形状,有什么特征?
而具有这种特征的总体密度曲线,一般可用一个我们不很熟悉的函数来表示或近似表示其解析式。
2
2
( )
21
2
x
e
f(x)= , x (∈ -∞ , +∞)
①
式中的实数、 (>0)是参数,分别表示总体的平均数与标准差,这个总体是有无限容量的抽象总体,其分布叫做正态分布。 f(x)的图象称为正态曲线正态分布由参数、唯一确定,正态分布常记作 N(、 2)
图 1 - 4 中画出了三条正态曲线:( 1 ) μ= - 1 , σ=0.5 ;( 2 ) μ=0 , σ =1 ;( 3 ) μ=1 , σ =2 .正态曲线具有两头低、中间高、左右对称的基本特征.
图 1-4
例 1: 给出下列两个正态总体的函数表达式,请找出其均值和标准差 σ 。
(1)
(2)
(3)
),(,2
1)( 2
2
xexfx
),(,22
1)( 8
)1( 2
xexf
x
=0 , =1
=1 , =2
),(,2
)(2)1(2 xexf x
=-1 , =0.5
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= 对称(3) 当 x= 时,曲线位于最高点(4) 当 x< 时,曲线上升 ( 增函数 ) ;当 x> 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) 一定时,曲线的形状由确定 越大,曲线越“矮胖”,总体分布越分散; 越小.曲线越“瘦高”,总体分布越集中
标准正态曲线 : 当 =0 、 =l 时,正态总体称为标准正态总体,其相应的函数表示式是
)( 2
1)( 2
2
xexfx
其相应的曲线称为标准正态曲线
O
y
x
利用 P.58 页表,可求出标准正态总体在任一区间 内取值的概率。 21, xx
12 xxp
即,可用如图的蓝色阴影部分表示。
公式:
由于标准正态曲线关于 轴对称,表中仅给出了对应与非负值 的值 。
y0x 0x
如果 ,那么由下图中两个阴影部分面积相等知:
00 x
.1 00 xx
x0x1 x2x0 xO
y
正态分布表中,相应于 x0 的值 (x0) 是指总体取值小于 x0 的概率
(x0)=P(x<x0) ,用图形表示为 ( 阴影部分面积 ) 说明:(1) (x0)=1(x0)
(2) 标准正态总体在任一区间 (x1, x2) 内取值的概率P(x1<x<x2)= (x2) (x1)
(3) 对任一正态总体 N(,2) ,取值小于x 的概率 )()(
x
xF
即,若服从正态分布 N(,2) ,则 服从标准正态分布
例 2. 求标准正态总体在 (1,2) 内取值的概率.解:利用等式 P=(x2) (x1) 有P=(2) (1)= (2) {1[(1)]}
= (2)+ (1)1=0.9772+0.84131=0.8185
例 3. 若 x ~ N(0,1), 求 (l)P(2.32<x<1.2) ; (2)P(x2).
解: (1)P(2.32<x<1.2)=(1.2)(2.32)
=(1.2)[1(2.32)]=0.8849(10.9898)=0.8747.
(2)P(x2)=1P(x<2)=1(2)=l0.9772=0.0228.
例 4. 服从正态分布 N(1,4) ,试求 :(1) F(3) (2)P(2<
<5)
解:∵服从正态分布 N(1,4) ,则 = 服从标准正态分布2
1
8413.0)1()2
13()3()1(
F
)2
15
2
12()52()2(
PP
=(2)(0.5)=0.97720.6915=0.2857
例 5 .分别求正态总体 N(μ,σ2) 在区间 (μ - σ, μ+σ) ,(μ - 2σ, μ+2σ) , (μ - 3σ, μ+3σ) 内取值的概率.
解: F(μ+σ)=Ф( )=Ф(1),( )
( )
F(μ - σ)=Ф( )=Ф( - 1),
所以正态总体 N(μ, σ2) 在 (μ - σ , μ +σ) 内取值的概率是
F(μ+σ) - F(μ - σ)=Ф(1) - Ф( - 1)
= Ф(1) - [1 - Ф(1)]=2Ф(1) - 1 =2×0. 8413 - 1≈0.683 ;
同理,正态总体 N(μ , σ 2) 在的 (μ - 2σ ,μ +2σ) 内取值的概率是F(μ+2σ) - F(μ - 2σ)=Ф(2) - Ф( - 2) ≈0.954 ;
正态总体 N(μ , σ2) 在的 (μ - 3σ , μ +3σ) 内取值的概率是
F(μ+3σ) - F(μ - 3σ)=Ф(3) - Ф( - 3) ≈0.997 ;
上述计算结果可用下表和图来表示:
区间 取值概率 , 2,2
3,3
oo3.68
oo4.95
oo7.99
下面以正态总体为例,说明统计中常用的假设检验方法的基本思想.
我们从上表看到,正态总体在 (μ - 2σ, μ+2σ) 以外取值的概率只有 4.6 %,在 (μ - 3σ, μ+3σ) 以外取值的概率只有 0.3 %,由于这些概率值很小,通常称这些情况发生为小概率事件.也就是说,通常认为这些情况在一次试验中几乎是不可能发生的.
查表求下列各值(0.5) 、 (2.3) 、 (1.45)
(0.5)=1-Φ(0.5)=1-0.6915=0.3085
(2.3)=0.9893
(1.45)=1-Φ(1.45)=1-0.9265=0.0735