210 likes | 369 Views
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
E N D
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 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 两头低,中间高,左右对称 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.
3、观察上节总体密度曲线的形状,有什么特征?3、观察上节总体密度曲线的形状,有什么特征? “中间高,两头低” 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。
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. 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
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。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) =0,=1 =1,=2 =-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
y x O 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 其相应的曲线称为标准正态曲线
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。 公式: 即,可用如图的蓝色阴影部分表示。
如果 ,那么由下图中两个阴影部分面积相等知: 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 。
y x O x0 x0 x2 x1 即,若服从正态分布N(,2),则 服从标准正态分布 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
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.
解:∵服从正态分布N(1,4),则= 服从标准正态分布 例4. 服从正态分布N(1,4),试求:(1) F(3) (2)P(2<<5) =(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,σ2)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;
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.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