7.5正态分布课件-2022-2023学年高二下学期数学人教A版（2019）选择性必修第三册

7.5正态分布 人教A版2019必修第三册 一般地，假设一批产品共有N件，其中有M件次品. 从N件产品中随机抽取n件(不放回)，用X表示抽取的n件产品中的次品数，则X的分布列为 1.超几何分布 若随机变量X服从超几何分布，则有 2.超几何分布的均值 引入 正态分布在统计学中是很重要的分布。我们知道，离散型随机变量最多取可列个不同值，它等于某一特定实数的概率可能大于0，人们感兴趣的是它取某些特定值的概率，即感兴趣的是其分布列；连续型随机变量可能取某个区间上的任何值，它等于任何一个实数的概率都为0，所以通常感兴趣的是它落在某个区间的概率。离散型随机变量的概率分布规律用分布列描述，而连续型随机变量的概率分布规律用密度函数（曲线）描述。 问题 自动流水线包装的食盐，每袋标准质量为400g. 由于各种不可控制的因素，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X表示这种误差，则X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X (单位: g) 的观测值如下: -0.6 -1.4 -0.7 3.3 -2.9 -5.2 1.4 0.1 4.4 0.9 -2.6 -3.4 -0.7 -3.2 -1.7 2.9 0.6 1.7 2.9 1.2 0.5 -3.7 2.7 1.1 -3.0 -2.6 -1.9 1.7 2.6 0.4 2.6 -2.0 -0.2 1.8 -0.7 -1.3 -0.5 -1.3 0.2 -2.1 2.4 -1.5 -0.4 3.8 -0.1 1.5 0.3 -1.8 0.0 2.5 3.5 -4.2 -1.0 -0.2 0.1 0.9 1.1 2.2 0.9 -0.6 -4.4 -1.1 3.9 -1.0 -0.6 1.7 0.3 -2.4 -0.1 -1.7 -0.5 -0.8 1.7 1.4 4.4 1.2 -1.8 -3.1 -2.1 -1.6 2.2 0.3 4.8 -0.8 -3.5 -2.7 3.8 1.4 -3.5 -0.9 -2.2 -0.7 -1.3 1.5 -1.5 -2.2 1.0 1.3 1.7 -0.9 (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X的分布? 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. 观察图形可知: 误差观测值有正有负，并大致对称地分布在X=0的两侧，而且小误差比大误差出现得更频繁. 随着样本数据量越来越大，让分组越来越多，组距越来越小，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，如图(2)所示. 0 -6 -4 2 0 -2 频率/组距 0.05 0.10 0.15 0.20 X 4 6 (1) 0 -6 -4 2 0 -2 频率/组距 0.05 0.10 0.15 0.20 X 4 6 (2) 根据频率与概率的关系，可用图(3)中的钟形曲线(曲线与水平轴之间的区域的面积为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[-2, -1]内的概率，可用图中黄色阴影部分的面积表示. 0 -6 -4 2 0 -2 f(x) 0.05 0.10 0.15 0.20 X 4 6 (3) 思考1 由函数知识可知，图(3)中的钟形曲线是一个函数. 那么，这个函数是否存在解析式呢? 0 -6 -4 2 0 -2 f(x) 0.05 0.10 0.15 0.20 X 4 6 (3) 答案是肯定的. 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. 显然，对任意的x∈R，f(x)>0，它的图象在x轴的上方，可以证明x轴和曲线之间的区域的面积为1. 我们称f(x)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，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.   x y O 正态密度函数： 正态曲线 正态曲线: 正态密度函数图像为正态密度曲线.   定义1 定义2 定义3 两头低、中间高、左右对称 若X~N(μ，σ2)，则如图(4)所示，X取值不超过x的概率P(X≤x)为图中区域A的面积，而P(a≤X≤b)为区域B的