内容正文:
§5
第六章
第 六 章:概 率
正 态 分 布
1.通过实例了解正态分布密度曲线及其特点,体现逻辑推理能力(重点)
2.理解正态分布的意义,并且会用图象和函数的观点分析随机变量的分布情况,体会正态分布在实际应用中的广泛性,体现数学计算能力(重难点)
学习目标
前面讨论了离散型随机变量,它们的取值是可以一一列举的.但在实际问题中,还有许多随机变量可以取某一区间中的所有值.例如:
1.某一自动装置无故障运转的时间X是一个随机变量,它可以取区间(0,+∞)内的所有值.
2.某种产品的寿命(使用时间)X是一个随机变量,它可以取区间[0,b]或[0,+∞)内的所有值.
怎样描述这样的随机变量的分布情况呢?
情景导入
设X表示某产品的寿命(单位: h).假设人们对该产品有如下了解:寿命小于500h的概率为0.71,寿命在500h~800h的概率为0.22,寿命在800h~1000h的概率为0.07,如何用直观的方式呈现其概率分布?
可以用直方图表示概率分布,如下图.
这个直方图的缺点是比较粗糙,没有告诉我们寿命在200h~400h的概率是多少?
情景导入
2.某种产品的寿命(使用时间)X是一个随机变量,它可以取区间[0,b]或[0,+∞)内的所有值.
继续细分:假设人们对该产品有进一步的了解:寿命在0~200h的概率为0.2,寿命在200h~400h的概率为0.32,寿命在400h~600h的概率为0.25,寿命在600h~800h的概率为0.16,寿命在800h~1000h的概率为0.07,如何用直观的方式呈现其概率分布?
可以用直方图表示概率分布,如下图.
情景导入
......
继续细分
那么,什么曲线可以更好表示概率分布呢?
为了完全了解产品寿命的分布情况,需要将区间无限细分,最终得到一条曲线,这条曲线称为随机变量X的分布密度曲线,这条曲线对应的函数称为X的分布密度函数,记为f(x).
情景导入
X取值于区间(a,b]的概率是该曲线下相应“曲边梯形”(如下图中的阴影部分)的面积.
若将组距无限细分,一般是形状像“钟”的
光滑曲线,叫正态曲线
人们把具有分布密度函数的随机变量称为连续型随机变量。
最常见的连续型随机变量是由误差引起的。如图中的分布密度的图象:
1.误差在0附近的概率大,远离0的概率小,误差大于0的概率与小于0的概率相同,即误差分析具有对称性
2.连续随机变量X的分布密度函数曲线一般是形状像“钟”的光滑曲线
探索新知
一、连续型随机变量
1.定义:由误差引起的连续型随机变量其分布密度函数图象如图, 对应的分布密度函数解析式为
其中实数μ,σ(σ>0)为参数, 这一类随机变量X的分布密度 (函数) 称为正态分布密度 (函数), 简称正态分布, 对应的图象为正态分布密度曲线, 简称为正态曲线.
探索新知
二、正态分布
2.特点:
正态分布是最常见、最重要的连续型随机变量的分布,是刻画误差分布的重要模型,也称误差模型,其特点如下:
① 如果一个随机变量X服从正态分布,那么对于任何一个实数a,b(a<b),随机变量X在区间(a,b]的概率可以用P(a<X≤b)来表示.它的几何意义就是随机变量X的分布密度函数在区间(a,b]对应的曲边梯形面积的值.
② 如果随机变量X服从正态分布,那么这个正态分布完全由参数μ,σ(σ>0)确定,记作X~N(μ,σ2),其中EX=μ,DX=σ2.
探索新知
二、正态分布
a
b
3.性质
(1)曲线在x轴的上方,与x轴不相交;(非负性)
(2)曲线是单峰的,关于直线x=μ对称;(对称性)
(3)曲线的最高点位于x=μ处;(集中性)
(4)当x<μ时,曲线上升;当x>μ时,曲线下降;当曲线向左、右两边无限延伸时,以x轴为渐近线.(单调性)
探索新知
二、正态分布
(5)当σ一定时,曲线的位置由μ确定,曲线随着μ的变化而沿x轴平移.
参数μ的含义:参数μ反映了随机变量取值的平均水平.
μ
(6)当μ一定时,曲线的形状σ由确定.σ越大,曲线越“矮胖”,表示总体的分布越分散;σ越小,曲线越“高瘦”,表示总体的分布越集中.
正态分布随机变量X在区间(μ-σ,μ+σ](σ>0)上取值的概率为阴影部分面积.
3.性质
探索新知
二、正态分布
典例讲解
例1:根据正态曲线的函数解析式,找出其均值μ和方差σ。
,
,
μ=0, σ=1
μ=1, σ=
变式训练: 已知一个正态曲线如图所示,试根据该图象写出对应正态分布
密度函数的解析式,并求其均值和方差.
解: 从给出的正态曲线可知,,最大值是 ,
所以,由得 ,
解析式为, ,
均值,方差 .
典例讲解
例2(多选题)已知三个正态分布密度函数
的图象如图所示,则下列结论正确的是( ).
AD
A. B. C. D.
解:根据正态曲线关于直线 对称知, 越大,曲线越靠近右边,
,故B,C错误;又 越小数据越集中,曲线越“高瘦”,
,故A,D正确.故选
4.3σ原则的概念
P(μ-σ<X≤μ+σ)≈0.6826,
P(μ-2σ<X≤μ+2σ)≈0.9544,
P(μ-3σ<X≤μ+3σ)≈0.9974,
因此,随机变量X在区间(μ-σ,μ+σ],(μ-2σ,μ+2σ],(μ-3σ,μ+3σ]上取值的概率分别为68.3%,95.4%,99.7%.
探索新知
二、正态分布
而随机变量X在区间(μ-3σ,μ+3σ]外取值概率只有约0.3%,通常认为这种情况在一次试验中不可能发生.因此,在实际应用中,通常认为服从正态分布X~N(μ,σ2)的随机变量X只取区间(μ-3σ,μ+3σ]之间的值,并称之为3σ原则.
例3:某设备在正常运行时,产品的质量服从正态分布,其参数分别为:μ=500g,σ=lg.为了检查设备运行是否正常,质量检查员需要随机地抽取产品,测量其质量.当检查员随机地抽取一个产品,测得其质量为504 g时,他立即要求停止生产,检查设备,他的决定是否有道理?
解:检查员是有道理的,理由如下:
当该设备正常运行,产品的质量服从正态分布,其参数分别为μ=500 g,σ=1 g,所以根据正态分布的性质可知产品的质量在区间(μ-3σ,μ+3σ],即(497,503]之间的概率约为99.7%,而产品的质量超出这个范围的概只有0.3%,这是一个几乎不可能发生的事件.
典例讲解
但是,检查员随机抽取的产品为504 g,这说明设备的运行可能不正常,因此检查员的决定是有道理的.
深度思考:上面的例子反映了质量控制的基本思想,那么什么是质量控制呢?
在产品生产过程中,假设生产过程是稳定的,则产品质量指标X~N(μ,σ2).
当生产正常时,产品质量指标观测值应在区间(μ-3σ,μ+3σ]内,而一旦观测值取值于区间(μ-3σ,μ+3σ]外,则属于小概率事件,由小概率事件在一次试验中几乎是不可能发生的原理,我们有理由拒绝“生产过程稳定”的假设,即认为生产过程的稳定性遭到破坏,须采取措施,以确保生产正常进行,此即为质量控制的基本思想,其实质是一个假设检验问题.
在产品质量处于稳定的条件下,可利用质量控制及时发现问题,在生产实践中,通常使用既直观又简单的控制图去实施质量控制.
典例讲解
典例讲解
例4 设 ,试求:
(1);(2);(3) .
其中 ;
;
.
(2)∵ ,
∴
.
解:(1) 因为,所以, .
(1) .
.
典例讲解
(3)
.
典例讲解
方法总结
对于正态分布,求在某个区间内取值的概率的方法
(1)利用<m></m>落在区间<m></m>,<m></m>内
的概率分别是<m></m>,<m></m>,<m></m>求解.
(2)充分利用正态曲线的对称性及面积为1的性质求解:
①熟记正态曲线关于直线<m></m> 对称,从而在关于直线<m></m> 对称的区间上
概率相等;
<m></m>,<m></m>.
巩固训练:某厂包装白糖的生产线正常情况下包装出来的白糖质量(单位: )
服从正态分布 .
(1)求正常情况下,任意抽取一包白糖,其质量小于 的概率约为多少.
(保留四位有效数字)
(2)该生产线上的检测员某天随机抽取了两包白糖,称得其质量均小于 ,
检测员根据抽检结果,判断出该生产线出现异常,要求立即停产检修.检测员
的判断是否合理?请说明理由.(概率小于 视为不可能事件)
参考数据:若,则 ,
, .
典例讲解
典例讲解
[解析] (1)设正常情况下,该生产线上包装出来的白糖的质量为 ,
由题意可知.
因为,所以根据正态分布的对称性与 原则可知
.
(2)检测员的判断是合理的.理由如下:如果生产线不出现异常的话,
由(1)可知,随机抽取两包检查,质量都小于的概率约为
,概率小于 ,为不可能事件,
但这样的事件竟然发生了,所以有理由认为生产线出现异常,
因此检测员的判断是合理的
课堂检测
1.已知正态曲线 ,则( ).
C
A., B., C., D.,
2.设随机变量,且,则 ( ).
D
A.0 B. C. D.
3. 若随机变量,且,则 ( ).
D
A.0.16 B.0.32 C.0.68 D.0.34
4. 某年级的一次数学测验成绩近似服从正态分布 ,规定低于60分为不及格.
(1)成绩不及格的人数占总人数的比重是多少?
(2)成绩在 分的学生占总人数的比重是多少?
课堂检测
[解析] (1)设学生的得分为随机变量,则,其中, .
成绩在分的学生人数的概率 ,
,
即成绩不及格的学生人数约占总人数的 .
(2) ,
,
即成绩在分的学生约占总人数的
4. 某年级的一次数学测验成绩近似服从正态分布 ,规定低于60分为不及格.
(1)成绩不及格的人数占总人数的比重是多少?
(2)成绩在 分的学生占总人数的比重是多少?
$