内容正文:
第七章随机变量及其分布
7.5正态分布
1
课程标准
1.通过误差模型,了解服从正态分布的随机变量。通过具体实例,借助频率直方图的几何直观,了解正态分布的特征;
2.了解正态分布的均值、方差及其含义。
2
复习回顾
回顾1 什么是二项分布?它的均值与方差分别是多少?
1.二项分布的定义:一般地,在重伯努利试验中, 设每次试验中事件发生的概率为,用表示事件发生的次数,则的分布列为
如果随机变量的分布列具有上式的形式,则称随机变量服从二项分布,记作.
2.二项分布的期望与方差
如果, 那么; .
3
复习回顾
回顾2 什么是超几何分布?它的均值分别是多少?
1.超几何分布:一般地,假设一批产品共有件,其中有件次品. 从件产品中随机抽取件(不放回),用表示抽取的件产品中的次品数,则的分布列为:
其中n,M,N∈N*,m=max{0,n-N+M},r=min{n , M}.
2. 超几何分布的期望. 即
4
新课导入
现实中, 除了前面已经研究过的离散型随机变量外, 还有大量问题中的随机变量不是离散的,它们的取值往往充满某个区间甚至整个实轴 , 但取一点的概率为0 , 我们称这类随机变量为连续性随机变量 , 这就是我们所要学习的正态分布。
5
一
二
三
教学目标
通过误差模型,了解服从正态分布的随机变量,借助频率分布直方图的几何直观,了解与归纳正态分布的特点
了解正态分布的均值、方差及其含义
了解3σ原则,会求随机变量在特殊区间内的概率,并能解决相关问腿
教学目标
难点
重点
新知探究
探究一:正态分布的概念
7
新知讲解
问题1 由于各种不可控的因素 , 任意抽取一袋食盐,它的质量与标准质量之间或多或少会存在一定的误差 (实际质量减去标准质量) . 用表示这种误差 , 则是一个连续型随机变量 . 检测人员在一次产品检验中 , 随机抽取了100袋食盐 , 获得误差 (单位:g)的观测值如下:
(1)如何描述这100个样本误差数据的分布?
(2)如何构建适当的概率模型刻画误差的分布?
8
新知讲解
根据已学的统计知识,可用频率分布直方图描述这组误差数据的分布,如图(1)所示. 频率分布直方图中每个小矩形的面积表示误差落在相应区间内的频率,所有小矩形的面积之和为1.
0
-6
-4
2
0
-2
频率/组距
0.05
0.10
0.15
0.20
X
4
6
(1)
观察图形可知: 误差观测值有正有负,并大致对称地分布在的两侧,而且小误差比大误差出现得更频繁.
9
新知讲解
随着样本数据量越来越大, 让分组越来越多, 组距越来越小,
频率/组距
X
-6
0
-4
-2
0
0.15
0.05
0.10
0.20
4
2
6
0
-6
-4
2
0
-2
频率/组距
0.05
0.10
0.15
0.20
X
4
6
由频率的稳定性可知, 频率分布直方图的轮廓就越来越稳定, 接近一条光滑的钟形曲线
10
新知讲解
根据频率与概率的关系,可用右图中的钟形曲线(曲线与水平轴之间的面积为1)来描述袋装食盐质量误差的概率分布.
例如,任意抽取一袋食盐,误差落在内的概率,可用图中黄色阴影部分的面积表示.
问题3 它是函数吗?
如果是,那么,这个函数是否存在解析式呢?
11
新知讲解
问题3 它是函数吗?
如果是,那么,这个函数是否存在解析式呢?
答案是肯定的.并且在数学家的不懈努力下,找到了以下刻画随机误差分布的解析式:
其中 μ∈R,σ>0 为参数.
12
概念生成
解析式:
显然, 对任意的, 它的图象在 轴的上方.
可以证明轴和曲线之间的区域的面积为 1.
我们称为正态密度函数,称它的图象为正态密度曲线,简称正态曲线,如右图所示.
若随机变量 X 的概率分布密度函数为 f (x),则称随机变量X 服从正态分布,记为 X~N(μ,σ2).
特别地,当 μ=0,σ=1 时,称随机变量 X 服从标准正态分布.
13
新知讲解
若, 则如上图所示, X取值不超过x的概率为图中区域的面积, 而为区域的面积.
面积即为概率!
正态分布在概率和统计中占有重要地位,它广泛存在于自然现象、生产和生活实践之中.在现实生活中,很多随机变量都服从或近似服从正态分布.
例如,某些物理量的测量误差,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,自动流水线生产的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),某地每年 7月的平均气温、平均湿度、降水量等,一般都近似服从正态分布.
14
新知探究
探究二:正态分布图像特征
15
新知讲解
问题4 观察正态曲线及相应的密度函数,你能发现正态曲线的哪些特点?
由的密度函数及图象可以发现,
正态曲线还有以下特点:
(1)曲线是单峰的,它关于直线