1、124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 位位位位位位 b位位O位位/位位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
2、可 用 下 面 函 数 的 图 象 来 表 示 或 近 似 表 示 ：2(), 1() ,(,)2xxe式 中 的 实 数 、 是 参 数 ， 分 别 表 示 总 体 的 平 均 数 与 标 准 差 ， 的 图 象 为 正)0( ,()x态 分 布 密 度 曲 线 ,简 称 正 态 曲 线 讲解新课：2一般地，如果对于任何实数 ，随机变量 X 满足ab,()()aPaXBxd则称 X 的分布为 正态分布（normal distribution ) 正态分布完全由参数 和 确定，因此正态分布常记作 如果随机变量 X 服从正态分布，则记为 X . ),(2N ),(2N经验表明，一个随机变量如果是
3、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
4、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 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； 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 ）是由均值 和标准差 唯一决定的分布),(2N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 奎 屯王 新 敞新 疆33通过对三组正态曲线分析，得出正态曲线具有的基本特征
5、是两头底、中间高、左右对称 奎 屯王 新 敞新 疆 正态曲线的作图，书中没有做要求，教师也不必补上 奎 屯王 新 敞新 疆 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 奎 屯王 新 敞新 疆4正 态 曲 线 的 性 质 ：（1）曲线在 x 轴的上方，与 x 轴不相交 奎 屯王 新 敞新 疆（2）曲线关于直线 x= 对称 奎 屯王 新 敞新 疆（3）当 x= 时，曲线位于最高点 奎 屯王 新 敞新 疆（4）当 x 时，曲线上升（增函数）；当 x 时，曲线下降（减函数） 奎 屯王 新 敞新 疆 并且当曲线向左、右
6、两边无限延伸时，以 x 轴为渐近线，向它无限靠近 奎 屯王 新 敞新 疆（5） 一定时，曲线的形状由 确定 奎 屯王 新 敞新 疆 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：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 奎 屯王 新 敞新 疆5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，（-x+）21)(exf其相应的曲线称为标准正态曲线 奎 屯王 新 敞新 疆标准正态总体 N（0，1）在正态总体的研究中占有重要的地位 奎 屯王 新 敞新 疆 任何正态分布的概率问题均可转化成标
7、准正态分布的概率问题 奎 屯王 新 敞新 疆4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 和标准差 奎 屯王 新 敞新 疆（） ),(,2)(2xexf（） ),(,1)(8)1(2f（）2(1)(),)xfxe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 有)(xp1)(= =0.9772 0.8413 1=0.81511)2(1.标准正态总体的概率问题: xy对于标准正态总体 N（0，1）， 是总体取值小于 的概率，)(0x0即 ，)()0xPx其中 ，图中
8、阴影部分的面积表示为概率 奎 屯王 新 敞新 疆 只要有标准正态分布表即可查表解决.从图0()Px中不难发现:当 时， ；而当 时，（0）=0.5 奎 屯王 新 敞新 疆0x1)(0x2.标 准 正 态 分 布 表标 准 正 态 总 体 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),(N分 布 表 ” 在 这 个 表 中 ， 对 应 于 的 值 是 指 总 体 取 值 小 于 的 概 率 ， 即 0x)(00x， )()00xPx)(5若 ， 则 0x)(1)(00xx利 用 标 准 正 态 分 布 表 ， 可 以 求
9、出 标 准 正 态 总 体 在 任 意 区 间 内 取 值 的 概 率 ， 即 直 线),(21x， 与 正 态 曲 线 、 x 轴 所 围 成 的 曲 边 梯 形 的 面1x2积 21()()P3非标准正态总体在某区间内取值的概率:可以通过 转化成标准正态总体，然)()xF后查标准正态分布表即可 奎 屯王 新 敞新 疆 在这里重点掌握如何转化 奎 屯王 新 敞新 疆 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 奎 屯王 新 敞新 疆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 奎 屯王 新 敞新 疆假设检验方法的基本思想:首先，假设总体应是或近
10、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 奎 屯王 新 敞新 疆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(-3，+3)；三是作出判断 奎 屯王 新 敞新 疆讲解范例：例 1. 若 x N(0,1),求 (l)P(-2.322).解 ： (1)P(-2.322)=1-P(x2)=1-(2)=l-0.9772=0.0228. 奎 屯王 新 敞新 疆例 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 奎 屯王 新 敞新 疆F（2）在
11、N（， 2）下，求（，）；（1.84，1.84）；（2，2）；（3，3）解：（） （1）0.8413)3(F)2（）（） （1）0.8413（） （1）（1）0.84130.1587)(（，）（）（）0.84130.15870.6826（1.84，1.84）（1.84）（1.84）0.9342（2，2）（2）（2）0.954（3，3）（3）（3）0.997对于正态总体 取值的概率：),(2N668.3%2x95.4%4 x9.7%6 x在区间（-，+）、（-2，+2）、（-3，+3）内取值的概率分别为68.3%、95.4%、99.7% 奎 屯王 新 敞新 疆 因此我们时常只在区间（-3，+3）
12、内研究正态总体分布情况，而忽略其中很小的一部分 奎 屯王 新 敞新 疆例 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 ，求总体落入区间21（1.2，0.2）之间的概率 奎 屯王 新 敞新 疆解：正态分布的概率密度函数是 ，它是偶函数，说明),(,21)(2)(xexf0， 的最大值为 ，所以 1，这个正态分布就是标准正态分布 奎 屯王 新 敞新 疆)(xf)(f1.20.2.)(0.2)(.)(0.2)(1.P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 奎 屯王 新 敞新 疆 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
13、线，总体密度曲线较科学地反映了总体分布 奎 屯王 新 敞新 疆 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 奎 屯王 新 敞新 疆 正态分布在统计学中是最基本、最重要的一种分布 奎 屯王 新 敞新 疆2正态分布是可以用函数形式来表述的 奎 屯王 新 敞新 疆 其密度函数可写成：， （0）2()1(),(,)xfxe由此可见，正态分布是由它的平均数 和标准差 唯一决定的 奎 屯王 新 敞新 疆 常把它记为 奎 屯王 新 敞新 疆),(2N3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=，并在 x= 时取最大值 奎 屯王
14、 新 敞新 疆 从 x= 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 奎 屯王 新 敞新 疆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 和标准差 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 奎 屯王 新 敞新 疆 但我们也发现，许多正态分布中，重点研究 N（0，1），其他的正态分布都可以通过 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)()xF，x（-，+），从而使正态分布的研究得以
15、简化。结合正态曲线的图形特征，21(xe归纳正态曲线的性质 奎 屯王 新 敞新 疆 正态曲线的作图较难，教科书没做要求，授课时可以借助几何画板作图，学生只要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。7附 表附表 1. 标准正态分布表x 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.090.00.10.20.30.40.50.60.70.80.91.01.11.21.31.40.500 00.539 80.579 30.617 90.655 40.691 50.725 70.758 00.788 10.815 90.841 3
16、0.864 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
17、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
18、 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 70.68
19、7 90.722 40.754 90.785 20.813 30.838 90.862 10.883 00.901 50.917 70.931 981.51.61.71.81.92.02.12.22.32.42.52.62.72.82.90.933 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
20、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
21、 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 80.98
22、5 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 6x 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.93 0.998 7 0.999 0 0.999 3 0.999 5 0.999 7 0.999 8 0.999 8 0.999 9 0.999 9 1.000 0
