第四章 四元数正态分布
如何检验数据是否服从正态分布
如何检验数据是否服从正态分布 一、图示法 1、P-P图 以样本的累计频率作为横坐标，以安装正态分布计算的相应累计概率作为纵坐标，把样本值表现为直角坐标系中的散点。如果资料服从整体分布，则样本点应围绕第一象限的对角线分布。 2、Q-Q图 以样本的分位数作为横坐标，以按照正态分布计算的相应分位点作为纵坐标，把样本表现为指教坐标系的散点。如果资料服从正态分布，则样本点应该呈一条围绕第一象限对角线的直线。 以上两种方法以Q-Q图为佳，效率较高。 3、直方图 判断方法：是否以钟形分布，同时可以选择输出正态性曲线。 4、箱式图 判断方法：观测离群值和中位数。 5、茎叶图 类似与直方图，但实质不同。 二、计算法 1、偏度系数（Skewness）和峰度系数（Kurtosis） 计算公式： g1表示偏度，g2表示峰度，通过计算g1和g2及其标准误σg1及σg2然后作U检验。两种检验同时得出U
第四章 正 态 分 布 体育统计学要点
第四章 正 态 分 布 如果将第二章中的（表2 — 1）中的数据绘制成直方图，把每个方条顶部中点联结起来，就得到一个图形，它称为频数多边形。（图4 — 1）当分组数很多，组距很小时，频数多边形就趋于类似（图4 — 2）所示的平滑的曲线。这种曲线呈现出两侧近似对称的钟形。随机变量的类似这种分布，在自然界是相当普遍的其中最有代表性的是正态分布。下面就来介绍正态分布及其在体育中的几个应用。 图4 — 1 频数多边形图 第一节 正态分布曲线的形式 如果随机变量X 的概率密度函数为 y =π σ21e 222)(σμ--x （+∞<<∞-x ） （4 — 1）
则称随机变量X 是服从正态分布的由上式绘出的图形叫做正态曲线。（图4 — 2）X 的变动范围在 ∞- 至 +∞ 间。 Y X 0μ 图4 — 2 正态分布曲线 正态分布曲线中有两个参数：均值 μ 及方差 2σ。为了应用方 便，对式（4 — 1）中的随机变量经过一个称为标准化的变换，即令 u 来代替原式中的 σ μ-x ， 寻这时的随机变量u 的概率密度函数成为： y = π 21e 22 u - （4 — 2） 按照（4 — 2）式绘出的图形，称作标准正态曲线。（图4 — 3） Y 00.4 0.3 0.2 0.1 -1-2-3123μ
图4 — 3 标准正态分布曲线 第二节正态分布曲线的特征 正态分布曲线有许多特点，它们对实际工作有很大的帮助。它的主要特点有以下几个方面： 一，正态分布的形式是对称的（但对称的分布不一定是正态分布）。在正态分布中均值与中位数相重合。 二，从中央最高点逐渐向两侧降低，降低的速度是先慢后快，以后又再次减慢，最后接近横轴，但终究不能与横轴相交。 三，从中央向两侧逐渐下降，它的方向是先向内弯，达到离均值左右各一个标准差时又改向外弯，是以σ μ1 ±的点为曲线从内弯转向外弯的转折点，即正态曲线中标准差与曲线有固定的关系。 四，因为正态曲线是对称的，在曲线下不仅平均数的两侧面积相等，各相当距离间的面积相等，而且各相当距离间的曲线高度也相等，正态曲线下（与横轴间）的总面积为1. 00。 五，正态曲线可以有不同形式，它们的均值和标准差可以不相同，均值不同表明曲线在横轴上所处位置不同，标准差不同表明曲线的形态不同。标准差小则曲线高、且窄；标准差大则曲线低、且宽。（图4 — 4）由式（4 — 1）和（4 — 2）知，标准正态曲线的μ= 0，σ= 1，即标准正态曲线是关于纵轴对称；它在μ= 0时，有最大值，它近似等于0. 4，如（图4 — 3）所示。
第四节正态总体的置信区间
第四节 正态总体的置信区间 与其他总体相比, 正态总体参数的置信区间是最完善的,应用也最广泛。在构造正态总体参数的置信区间的过程中，t 分布、2χ分布、F 分布以及标准正态分布)1,0(N 扮演了重要角色. 本节介绍正态总体的置信区间,讨论下列情形: 1. 单正态总体均值(方差已知)的置信区间; 2. 单正态总体均值(方差未知)的置信区间; 3. 单正态总体方差的置信区间; 4. 双正态总体均值差(方差已知)的置信区间; 5. 双正态总体均值差(方差未知但相等)的置信区间; 6. 双正态总体方差比的置信区间. 注: 由于正态分布具有对称性, 利用双侧分位数来计算未知参数的置信度为α-1的置信区间, 其区间长度在所有这类区间中是最短的. 分布图示 ★ 引言 ★ 单正态总体均值（方差已知）的置信区间 ★ 例1 ★ 例2 ★ 单正态总体均值（方差未知）的置信区间 ★ 例3 ★ 例4 ★ 单正态总体方差的置信区间 ★ 例5 ★ 双正态总体均值差（方差已知）的置信区间 ★ 例6 ★ 双正态总体均值差（方差未知）的置信区间 ★ 例7 ★ 例8 ★ 双正态总体方差比的置信区间 ★ 例9 ★ 内容小结 ★ 课堂练习 ★ 习题6-4 内容要点 一、单正态总体均值的置信区间(1) 设总体),,(~2σμN X 其中2σ已知, 而μ为未知参数, n X X X ,,,21 是取自总体X 的一个样本. 对给定的置信水平α-1, 由上节例1已经得到μ的置信区间 ,,2/2/???? ? ??+?-n u X n u X σσαα 二、单正态总体均值的置信区间(2) 设总体),,(~2σμN X 其中μ,2σ未知, n X X X ,,,21 是取自总体X 的一个样本. 此时可用2σ的无偏估计2S 代替2σ, 构造统计量 n S X T /μ-=, 从第五章第三节的定理知).1(~/--= n t n S X T μ 对给定的置信水平α-1, 由 αμαα-=? ?????-<-<--1)1(/)1(2/2/n t n S X n t P ,
正态分布可信区间
3. 某地200例正常成人血铅含量的频数分布如下表。 （1）简述该资料的分布特征。 （2）若资料近似呈对数正态分布，试分别用百分位数法和正态分布法估计该地正常成人血铅值的95%参考值范围。 表某地200例正常成人血铅含量(μmol/L)的频数分布 血铅含量频数累积频数 0.00～7 7 0.24～49 56 0.48～45 101 0.72～32 133 0.96～28 161 1.20～13 174 1.44～14 188 1.68～ 4 192 1.92～ 4 196 2.16～ 1 197 2.40～ 2 199 2.64～ 1 200 [参考答案] （1）从表可以看出，血铅含量较低组段的频数明显高于较高组段，分布不对称。同正态分布相比，其分布高峰向血铅含量较低方向偏移，长尾向血铅含量较高组段延伸，数据为正偏态分布。 某地200例正常成人血铅含量(μmol/L)的频数分布 血铅含量组中值频数累积频数累积频率 0.00～0.12 7 7 3.5 0.24～0.36 49 56 28.0 0.48～0.60 45 101 50.5 0.72～0.84 32 133 66.5 0.96～ 1.08 28 161 80.5
1.20～ 1.32 13 174 87.0 1.44～ 1.56 14 188 94.0 1.68～ 1.80 4 192 96.0 1.92～ 2.04 4 196 98.0 2.16～ 2.28 1 197 98.5 2.40～ 2.52 2 199 99.5 2.64～ 2.76 1 200 100 （2）因为正常人血铅含量越低越好，所以应计算单侧95%参考值范围。 百分位数法：第95%百分位数位于1.68～组段，组距为0.24，频数为4，该组段以前的累积频数为188，故 95 (2000.95188) 1.680.24 1.80(μmol/L) 4 P ?- =+?= 即该地正常成人血铅值的95%参考值范围为小于1.80μmol/L。 正态分布法：将组中值进行log变换，根据题中表格，得到均值和标准差计算表。 某地200例正常成人血铅含量(μmol/L)均值和标准差计算表 血铅含量组中值lg组中值(x) 频数(f) fx2fx 0.00～0.12 -0.92 7 -6.44 5.9248 0.24～0.36 -0.44 49 -21.56 9.4864 0.48～0.60 -0.22 45 -9.9 2.178 0.72～0.84 -0.08 32 -2.56 0.2048 0.96～ 1.08 0.03 28 0.84 0.0252 1.20～ 1.32 0.12 13 1.56 0.1872 1.44～ 1.56 0.19 14 2.66 0.5054 1.68～ 1.80 0.26 4 1.04 0.2704 1.92～ 2.04 0.31 4 1.24 0.3844 2.16～ 2.28 0.36 1 0.36 0.1296 2.40～ 2.52 0.40 2 0.80 0.3200 2.64～ 2.76 0.44 1 0.44 0.1936 合计——200 -31.52 19.8098
均匀分布地和地分布服从正态分布
数学应用软件大型实验实验报告 实验序号：日期：2012 年 6 月 20日 班级信计100班姓名学号201020310216 中心极限定理的理论证明 实验 名称 问题背景描述： 图中每一个黑点表示钉在板上的一颗钉子.每排钉子等距排列,下一排的每个钉子恰在上一排两相邻钉子之间.假设有排钉子,从入口中处放入小圆珠.由于钉板斜放,珠子在下落过程中碰到钉子后以的概率滚向左边,也以的概率滚向右边.如果较大,可以看到许多珠子从处滚到钉板底端的格子的情形如图所示,堆成的曲线近似于正态分布. 如果定义:当第次碰到钉子后滚向右边,令;当第次碰到钉子后滚向左边,令.则是独立的,且那么由图形知小珠最后的位置的分布接近正态.可以想象,当越来越大时接近程度越好.由于时,.因此,显然应考虑的是的极限分布.历史上德莫佛第一个证明了二项分布的极限是正态分布.研究极限分布为正态分布的极限定理称为中心极限定理. 图一： 中心极限定律揭示了正态分布的意义：在实际问题中，常常需要考虑许多随机因素所产生的总的影响，如测量误差、炮弹射击的落点与目标的偏差等。同
时许多观察表明，若一个随机变量是由大量相关独立的随机因素的综合影响所构成的，而其中每一个随机因素的单独作用是微小的，则这样的随机变量通常服从或近似服从正态分布。这种现象就是中心极限定理产生的客观背景。 实验目的： 中心极限定理的核心内容是只要n 足够大，便可以把独立同分布的随机变量和的标准化当作正态变量，所以可以利用它解决很多实际问题，同时这还有助于解释为什么很多自然群体的经验频率呈现出钟形曲线这一值得注意的事实，从而正态分布成为概率论中最重要的分布，这就奠定了中心极限定理的首要功绩。本次试验就是用具体的实验来进行验证大量随机变量的和近似服从正态分布，用100个（0,1）上的独立均匀分布的和的分布与它近似的正态分布进行比较，作图来验证中心极限定理。又再1000个数来比较两个图来验证中心极限定理。 实验原理与数学模型： 实验原理： 中心极限定律，其内容是：当N 足够大的时候，N 个具有方差和均值的独立随机变量的代数和服从正态分布率。也就是说不管这N 个随机变量原来服从什么分布率，只要他们具有方差和均值，他们的代数和总是近似服从正态分布，N 越大，近似程度越高。 中心定理之一是林德贝格-勒维中心极限定理，它的内容是： 设{}n ξ是一列独立同分布的随机变量，记 n S =1n k k ξ=∑，1E a ξ=，2 1Var ξσ=， 则中心极限定理成立，即 (0,1)d n S na N n σ-??→ 所以由定理的条件知，它也被称为同分布的中心极限定理，同时可知德莫佛-拉普拉斯中心极限定理是它的一种特殊情形。 中心极限定理的第二个就是德莫佛-拉普拉斯中心极限定理是历史上最早得 到的中心极限问题的研究成果。它的内容是： 设()x Φ为标准正态分布的分布函数，对x -∞<<+∞，有 lim ()()n n S np P x x npq →+∞-≤=Φ
正态分布频率直方图
14．在某项测量中，测量结果ξ服从正态分布2(1)(0)N σσ>，．若ξ在(01)， 内取值的概率为0.4，则ξ在(02)，内取值的概率为 0.8 ． （16）一个社会调查机构就某地居民的月收入调查了10000人，并根据所得数据画了样本的频率分布直方图（如下图）。为了分析居民的收入与年龄、学历、职业等方面的关系，要从这10000人中再用分层抽样方法抽出100人作进一步调查，则在[2500,3000)（元）月收入段应抽出＿25 ＿＿＿＿人。 0.0005 300035000.0003 0.0004 200015000.0002 0.0001 400025001000月收入（元） 频率/组距 (11）若随机变量X ～2(,)μσ，则()P X μ≤=________. 解答：12 12．已知离散型随机变量X 的分布列如右表．若0EX =，1DX =，则a = ， b = ． 【解析】由题知1211= ++c b a ，061=++-c a ，1121211222=?+?+?c a ，解得125=a ，4 1=b . 12. 样本容量为200的频率分布直方图如图所示.根据样本的频率分布直方图估计,样本数据落在[6,10)内的频数为 64 ，数据落在[2,10)内的概率约为 0.4 .
13．一个总体分为A ，B 两层，其个体数之比为4：1，用分层抽样方法从总体中抽取一个容量为10的样本.已知B 层中甲、乙都被抽到的概率为128 ，则总体中的个体数为 40 。（11）某学院的A ，B ，C 三个专业共有1200名学生，为了调查这些学生勤工俭学的情况， 拟采用分层抽样的方法抽取一个容量为120的样本。已知该学院的A 专业有380名学生，B 专业有420名学生，则在该学院的C 专业应抽取____名学生。 【考点定位】本小题考查分层抽样，基础题。 解析：C 专业的学生有4004203801200=--，由分层抽样原理，应抽取401200 400120=? 名。 （11）从某小学随机抽取100名同学，将他们的身高（单 位：厘米）数据绘制成频率分布直方图（如图）。由图中 数据可知a ＝ 0.030 。若要从身高在[ 120 , 130），[130 ，140) , [140 , 150]三组内的学生中，用分层 抽样的方法选取18人参加一项活动，则从身高在[140 ， 150]内的学生中选取的人数应为 3 。 4、某棉纺厂为了了解一批棉花的质量，从中随机抽取了100根棉花纤维的长度（棉花纤维的长度是棉花质量的重要指标），所得数据都在区间[5,40] 中，其频率分布直方图如图所示，则其抽样的100根中，有 _▲___根在棉花纤维的长度小于20mm 。 [解析]考查频率分布直方图的知识。 100×（0.001+0.001+0.004）×5=30
第四章正态分布体育统计学
第四章 正 态 分 布 如果将第二章中的（表 2 — 1）中的数据绘制成直方图，把每个方条顶部中点联结起来，就得到一个图形，它称为频数多边形。（图4 — 1）当分组数很多，组距很小时，频数多边形就趋于类似（图4 — 2）所示的平滑的曲线。这种曲线呈现出两侧近似对称的钟形。随机变量的类似这种分布，在自然界是相当普遍的其中最有代表性的是正态分布。下面就来介绍正态分布及其在体育中的几个应用。 1 2 3 4 5 6 7 8 9 10 x 图4 — 1 频数多边形图 第一节 正态分布曲线的形式 如果随机变量X 的概率密度函数为 y =π σ21e 222)(σμ--x （+∞<<∞-x ） （4 — 1）
则称随机变量X 是服从正态分布的由上式绘出的图形叫做正态曲线。（图4 — 2）X 的变动范围在 ∞- 至 +∞ 间。 Y X 0μ 图4 — 2 正态分布曲线 正态分布曲线中有两个参数：均值 μ 及方差 2σ。为了应用方便，对式（4 — 1）中的随机变量经过一个称为标准化的变换，即令 u 来代替原式中的 σ μ-x ， 寻这时的随机变量u 的概率密度函数成为： y = π 21e 22u - （4 — 2） 按照（4 — 2）式绘出的图形，称作标准正态曲线。（图4 — 3） Y 00.4 0.3 0.2 0.1 -1-2-3123μ
图4 — 3 标准正态分布曲线 第二节正态分布曲线的特征 正态分布曲线有许多特点，它们对实际工作有很大的帮助。它的主要特点有以下几个方面： 一，正态分布的形式是对称的（但对称的分布不一定是正态分布）。在正态分布中均值与中位数相重合。 二，从中央最高点逐渐向两侧降低，降低的速度是先慢后快，以后又再次减慢，最后接近横轴，但终究不能与横轴相交。 三，从中央向两侧逐渐下降，它的方向是先向内弯，达到离均值左右各一个标准差时又改向外弯，是以σ μ1 ±的点为曲线从内弯转向外弯的转折点，即正态曲线中标准差与曲线有固定的关系。 四，因为正态曲线是对称的，在曲线下不仅平均数的两侧面积相等，各相当距离间的面积相等，而且各相当距离间的曲线高度也相等，正态曲线下（与横轴间）的总面积为1. 00。 五，正态曲线可以有不同形式，它们的均值和标准差可以不相同，均值不同表明曲线在横轴上所处位置不同，标准差不同表明曲线的形态不同。标准差小则曲线高、且窄；标准差大则曲线低、且宽。（图4 — 4）由式（4 — 1）和（4 — 2）知，标准正态曲线的μ = 0，σ = 1，即标准正态曲线是关于纵轴对称；它在μ = 0时，有最大值，它近似等于0. 4，如（图4 — 3）所示。
excel 在一个界面中如何同时画出频次直方图和正态分布图
excel 在一个界面中如何同时画出频次直方图和正态分布图 excel有个数据分析工具，里面可以做直方图，但是正态分布图不能直接做。 若要两种图都显示，那么就需要用到函数了。 方法如下： 假若你的数据在A1:A10 1.统计数据个数；任意选个单元格，如B1，输入count(A1:A10)； 2.求最大值；如B2中输入：max(A1:A10) 3.求最小值；如B3中输入：min(A1:A10) 4.求平均值；如B4中输入：average(A1:A10) 5.求标准偏差：如B5中输入：stdev(A1:A10) 6.获得数据区间；用最大值减最小值；如B6中输入：B3-B2 7.获得直方图个数；个数的开放加1，如B7中输入：sqrt（B1）+1 8.获得直方图组距；用区间除以(直方图个数-1)，如B8中输入B7/(B7-1) 下面就开始作图了： 1.任选个空单元格：如C列第一个单元格C1，令C1等于最小值，即输入=B3 2.在C2中输入=C1+$B$8 (最小值逐渐累加，绝对引用) 3.选中C2，然后向下拉，直到数据大于最大值就可以了；比如你拉到C5了。 4.统计频数，如在D1中输入frequency（A1:A10，C1:C5）确定，然后将选中D1到D5，将光标定位到公式栏，同时按住ALT+Shift+Enter 5.统计正态分布的数据，E1中输入normdist（C1，$B$4,$B$5,0）回车；然后选中E1，下拉到E5 一、数据准备 直方图：
组界及频率 1. 统计数据个数；任意选个单元格，如B1，输入count(A1:A10)； =IF(C9="","",COUNT(C9:AB14)) 2. 子组大小：=IF(B9="","",COUNT(B9:B14)) 3. 子组个数： =IF(AD14="","",IF(AD14=0,0,AD14/M4)) （用数据总数除子组大小（M4单元格）） =IF(C9="","",COUNT(C9:AB14)) （一共有多少个数据） 4. 求最大值；如B2中输入：max(A1:A10)；=IF('X-R'!C9="","",MAX('X-R'!C9:'X-R'!AB14)) 5. 求最小值；如B3中输入：min(A1:A10)；=IF('X-R'!C9="","",MIN('X-R'!C9:'X-R'!AB14)) 6. 求平均值；如B4中输入：average(A1:A10)；=IF(C9="","",AVERAGE(C9:AB11)) 7. 求标准偏差：如B5中输入：stdev(A1:A10)；=STDEV(C9:AA13)；=IF(AE8="","",SQRT((AB45-(AE8*AE8/AD14))/(AD14-1))) 8. Sigma = =IF(AD17="","",AD17/L37) δ=R/D2 直方图： 以最小值减去SIGMA的二分之一为组界的起始数。 直方图的数据区间：以最大值减去最小值的十分之一为间隔 正态图： X Normal
第四章正态分布体育统计学.docx
第四章正态分布 如果将第二章中的（表 2 — 1）中的数据绘制成直方图，把每个方条顶部中点联结起来，就得到一个图形，它称为频数多边形。（图 4 — 1）当分组数很多，组距很小时，频数多边形就趋于类似（图 4 — 2）所示的平滑的曲线。这种曲线呈现出两侧近似对称的钟形。随机 变量的类似这种分布，在自然界是相当普遍的其中最有代表性的是 正态分布。下面就来介绍正态分布及其在体育中的几个应用。 f 10 9 8 7 6 5 4 3 2 1 x 图4 — 1 频数多边形图 第一节正态分布曲线的形式 如果随机变量X 的概率密度函数为 y =12e( x22)2（x）（4 — 1）
则称随机变量 X 是服从正态分布的由上式绘出的图形叫做正态曲线。（图 4 — 2）X 的变动范围在至+间。 Y μX 图 4 — 2正态分布曲线 正态分布曲线中有两个参数：均值及方差 2 。为了应用方便，对式（ 4 — 1）中的随机变量经过一个称为标准化的变换，即令 u 来代替原式中的x ，寻这时的随机变量u 的概率密度函数成 为： 2 y =12 e u2（4 — 2） 按照（ 4 — 2）式绘出的图形，称作标准正态曲线。（图 4 — 3） Y 0.4 0.3 0.2 0.1 μ
图 4 — 3 标准正态分布曲线 第二节正态分布曲线的特征 正态分布曲线有许多特点，它们对实际工作有很大的帮助。它的主要特点有以下几个方面： 一，正态分布的形式是对称的（但对称的分布不一定是正态分布）。在正态分布中均值与中位数相重合。 二，从中央最高点逐渐向两侧降低，降低的速度是先慢后快，以 后又再次减慢，最后接近横轴，但终究不能与横轴相交。 三，从中央向两侧逐渐下降，它的方向是先向内弯，达到离均值 左右各一个标准差时又改向外弯，是以1的点为曲线从内弯转 向外弯的转折点，即正态曲线中标准差与曲线有固定的关系。 四，因为正态曲线是对称的，在曲线下不仅平均数的两侧面积相等，各相当距离间的面积相等，而且各相当距离间的曲线高度也相等，正态曲线下（与横轴间）的总面积为 1. 00。 五，正态曲线可以有不同形式，它们的均值和标准差可以不相同，均值不同表明曲线在横轴上所处位置不同，标准差不同表明曲线的形 态不同。标准差小则曲线高、且窄；标准差大则曲线低、且宽。（图4 — 4）由式（4 — 1）和（4 — 2）知，标准正态曲线的= 0，= 1，即标准正态曲线是关于纵轴对称；它在= 0 时，有最大值， 它近似等于 0. 4，如（图 4 — 3）所示。
用Excel2007制作直方图和正态分布曲线图
用Excel2007制作直方图和正态分布曲线图 ? ?| ?浏览：3677 ?| ?更新：2014-04-15 02:39 ?| ?标签： ? 1 ? 2 ? 3 ? 4 ? 5 ? 6 ?7 在学习工作中总会有一些用到直方图、正态分布曲线图的地方，下面手把手教大家在Excel2007中制作直方图和正态分布曲线图
工具/原料 ?Excel(2007) 方法/步骤 1. 1 数据录入 新建Excel文档，录入待分析数据（本例中将数据录入A列，则在后面引用中所有的数据记为A: A）； 2. 2 计算“最大值”、“最小值”、“极差”、“分组数”、“分组组距”，公式如图： 3. 3 分组 “分组”就是确定直方图的横轴坐标起止范围和每个小组的起止位置。选一个比最小值小的一个恰当的值作为第一个组的起始坐标，然后依次加上“分组组距”，直到最后一个数据值比“最大值”大为止。这时的实际分组数量可能与计算的“分组数”有一点正常的差别。类似如下图。 4. 4 统计频率 “频率”就是去统计每个分组中所包含的数据的个数。 最简单的方法就是直接在所有的数据中直接去统计，但当数据量很大的时候，这种方法不但费时，而且容易出错。
一般来说有两种方法来统计每个小组的数据个数：1.采用“FREQUENCY”函数；2.采用“COUNT I F”让后再去相减。 这里介绍的是“FREQUENCY”函数方法： “Date_array”：是选取要统计的数据源，就是选择原始数据的范围； “Bins_array”：是选取直方图分组的数据源，就是选择分组数据的范围； 5. 5 生成“FREQUENCY”函数公式组，步骤如下： 1. 先选中将要统计直方图每个子组中数据数量的区域 6. 6 2. 再按“F2”健，进入到“编辑”状态 7.7 3. 再同时按住“Ctrl”和“Shift”两个键，再按“回车Enter”键，最后三键同时松开，大功告成！ 8.8 制作直方图 选中统计好的直方图每个小组的分布个数的数据源（就是“频率”），用“柱形图”来完成直方图： 选中频率列下所有数据（G1:G21),插入→柱形图→二维柱形图
用EXCEL制作直方图和正态分布图
制作直方图 1、数据录入 新建Excel文档，录入待分析数据（本例中将数据录入A列，则在后面引用中所有的数据记为A:A）；2 2、计算最大值、最小值、极差、分组数、分组组距 其中：极差=最大值-最小值，分组数=数据的平方根向上取整，分组组距=极差/ 分组数 3、分组 分组就是确定直方图的横轴坐标起止范围和每个小组的起止位置。选一个比最小 值小的一个恰当的值作为第一个组的起始坐标，然后依次加上“分组组距”，直 到最后一个数据值比“最大值”大为止。这时的实际分组数量可能与计算的“分 组数”有一点正常的差别。 4、统计频率 “频率”就是去统计每个分组中所包含的数据的个数。 序号分组频数频率（%） 最大值57.9 1 50.50 0 0.00 最小值50.6 2 50.91 1 0.00 极差7.3 3 51.31 0 0.00 分组数18 4 51.72 1 0.00 分组组距0.406 5 52.12 6 0.02 6 52.53 7 0.02 7 52.94 24 0.08 8 53.34 59 0.20 9 53.75 37 0.12 10 54.15 38 0.13 11 54.56 36 0.12 12 54.97 28 0.09 13 55.37 18 0.06 14 55.78 22 0.07 15 56.18 10 0.03 16 56.59 3 0.01 17 57.00 6 0.02 18 57.40 0 0.00 19 57.81 2 0.01 20 58.21 1 0.00
5、制作直方图 选中统计好的直方图每个小组的分布个数的数据源（就是“频率”），用“柱形图”来完成直方图：选中频率列下所有数据（G1:G21),插入→柱形图→二维柱形图 6、修整柱形图 选中柱形图中的“柱子”→右键→设置数据系列格式： （1）系列选项，分类间距设置为0%； （2）边框颜色：实线，白色（你喜欢的就好） （3）关闭“设置数据系列格式”窗口 10 20 30 40 50 60 70 1234567891011121314151617181920 系列1 10 20 30 40 50 60 70 1234567891011121314151617181920 频数 频数
正态总体的区间估计(一)
第七章: 参数估计 7.1 矩估计 7.2 极大似然估计 7.3 估计量的优良性准则 7.4 正态总体的区间估计(一) *7.5 正态总体的区间估计(二) *7.6 非正态总体的区间估计
如图. ?(x) α x O zα
?(x )O λα /2- λα /2 x
前面讨论了参数的点估计。点估计就是利用样本计算出的值 (即实轴上点) 来估计未知参数。 §7.4 正态总体的区间估计(一) 其优点是：可直接地告诉人们 “ “未知参数大致是多少”； 缺点是：并未反映出估计的误差范围 (精度)。故，在使用上还有不尽如人意之处。 而区间估计正好弥补了点估计的这一不足之处 。 例如：在估计正态总体均值 μ 的问题中,若根据一 组实际样本，得到 μ 的极大似然估计为 10.12。 一个可以想到的估计办法是：给出一个区间，并告诉人们该区间包含未知参数 μ 的可靠度 (也称置信系数)。 实际上，μ 的真值可能大于10.12，也可能小于10.12 。αα这里的“”是用概率来度量的，称为置信系数，常用1-来表示。(0靠度<可<1)
7.4.1 置信区间的定义 1212 01 ??, n X ,X ,,X θαθθ<
正态总体参数的区间估计
第19讲 正态总体参数的区间估计 教学目的：理解区间估计的概念，掌握各种条件下对一个正态总体的均值和方差进行 区间估计的方法。 教学重点：置信区间的确定。 教学难点：对置信区间的理解。 教学时数： 2学时。 教学过程： 第六章 参数估计 §6.3正态总体参数的区间估计 1. 区间估计的概念 我们已经讨论了参数的点估计，但是对于一个估计量，人们在测量或计算时，常不以得到近似值为满足，还需估计误差，即要求知道近似值的精确程度。因此，对于未知参数θ，除了求出它的点估计?θ外，我们还希望估计出一个范围，并希望知道这个范围包含参数θ真值的可信程度。 设?θ为未知参数θ的估计量，其误差小于某个正数ε的概率为1(01)αα-<<，即 ?{||}1P θθεα -<=- 或 αεθθεθ-=+<<-1)??(P 这表明，随机区间)?,?(εθεθ+-包含参数θ真值的概率（可信程度）为1α-，则这个区间)?,?(εθεθ+-就称为置信区间，1α-称为置信水平。 定义 设总体X 的分布中含有一个未知参数θ。若对于给定的概率1(01)αα-<<，存在两个统计量1112(,,,)n X X X θθ= 与2212(,,,)n X X X θθ= ，使得 12{}1P θθθα <<=-
则随机区间12(,)θθ称为参数θ的置信水平为1α-的置信区间，1θ称为置信下限，2θ称为置信上限，1α-称为置信水平。 注（1）置信区间的含义：若反复抽样多次（各次的样本容量相等，均为n ），每一组样本值确定一个区间12(,)θθ，每个这样的区间要么包含θ的真值，要么不包含θ的真值。按伯努利大数定理，在这么多的区间中，包含θ真值的约占100(1)%α-，不包含θ真值的约仅占100%α。例如：若0.01α=，反复抽样1000次，则得到的1000个区间中，不包含θ真值的约为10个。 （2）置信区间的长度表示估计结果的精确性，而置信水平表示估计结果的可靠性。对于置信水平为1α-的置信区间12(,)θθ，一方面置信水平1α-越大，估计的可靠性越高；另一方面区间12(,)θθ的长度(2)ε越小，估计的精确性越好。但这两方面通常是矛盾的，提高可靠性通常会使精确性下降（区间长度变大），而提高精确性通常会使可靠性下降（1α-变小），所以要找两方面的平衡点。 在学习区间估计方法之前，我们先介绍标准正态分布的α分位点概念。 设 () ~0,1X N ，若 z α 满足条件 { },01 P X z α αα>=<<，则称点z α为标准正态分布的α分位点。例如求0.01z 。按照α分位点定义，我们有 {}0.010.01P X z >=，则{}0.010.99P X z ≤=，即0.01()0.99z φ=。查表可得0.01 2.327z =. 又 由()x ?图形的对称性知1z z αα-=-。下面列出了几个常用的z α值： 2. 正态总体均值μ的区间估计 设已给定置信水平为1α-，总体()2~,X N μσ，12,,,n X X X 为一个样本，2 ,X S 分别是样本均值和样本方差。
区间估计、假设检验练习题
a)某大学为了了解学生每天上网的时间，在全校7500名学生中采取重复抽样的方法 随机抽取36人，调查他们每天上网的时间，得到下面数据（单位：小时） 求该校大学生平均上网时间的置信区间，置信水平为95%。 b)某居民小区为研究职工上班从家到单位的距离，抽取了由16人组成的一个随机样 本，他们到单位的距离（单位：千米）分别是： 假定总体服从正太分布，求职工上班从家里到单位平均距离的95%的置信区间。 c)顾客到银行办理业务时往往需要等待一段时间，而等待时间的长短与许多因素有 关，比如，银行业务员办理业务的速度，顾客等待排队的方式等。为此银行准备采取两种排队方式进行试验。第一种排队方式是：所有顾客都进行一个等待队列；第二种排队方式是：顾客在三个窗口处列队三排等待。为比较那种排队方式使顾客等待的时间更短，银行各随机抽取10名顾客，他们在办理业务时所等待的时间（单位：分钟）如下： 要求（1）构建第一种排队方式等待时间标准差的95%的置信区间； （2）构建第二种排队方式等待时间标准差的95%的置信区间； （3）根据（1）与（2）的计算结果，你认为那种排队方式更好 d）为了控制贷款规模，某商业银行有个内部要求，平均每项贷款数额不能超过60万元。随着经济的发展，贷款规模有增大的趋势。银行经理想了解在同样项目条件下，贷款的平均规模是否明显地超过60万元，故一个n=144的随机样本被抽出，测得x=68．1万元，s=45。用a＝0．01的显著性水平，采用p值进行检验。
e) 有人说在大学中男生的学习成绩比女生的学习成绩好。现从一个学校中随机抽取 了25名男生和16名女生，对他们进行了同样题目的测试。测试结果表明，男生的平均成绩为82分，方差为56分，女生的平均成绩为78分，方差为49分。假设显著性水平α=0．02，从上述数据中能得到什么结论 f) 糖厂用自动打包机打包，每包标准重量是100千克。每天开工后需要检验一次打包 机工作是否正常。某日开工后测得9包重量(单位：千克)如下： 99．3 98．7 100．5 101．2 98．3 99．7 99．5 102．1 100．5 已知包重服从正态分布，试检验该日打包机工作是否正常(a＝0．05) 区间估计、假设检验课堂练习 1.【例】一家食品生产企业以生产袋装食品为主，为对食品质量进行监测，企业质检部门经常要进行抽检，以分析每袋重量是否符合要求。现从某天生产的一批食品中随机抽取了25袋，测得每袋重量如下表所示。已知产品重量的分布服从正态分布，且总体标准差为10g。试估计该批产品平均重量的置信区间，置信水平为95% 2.【例】一家保险公司收集到由36个投保人组成的随机样本，得到每个投保人的年龄(单位：周岁)数据如下表。试建立投保人年龄90%的置信区间
第四章正态分布体育运动统计学
第四章正态分布 如果将第二章中的（表2 —1）中的数据绘制成直方图，把每个方条顶部中点联结起来，就得到一个图形，它称为频数多边形。（图4 —1）当分组数很多，组距很小时，频数多边形就趋于类似（图4 —2）所示的平滑的曲线。这种曲线呈现出两侧近似对称的钟形。随机变量的类似这种分布，在自然界是相当普遍的其中最有代表性的是正态分布。下面就来介绍正态分布及其在体育中的几个应用。 10 9 8 7 6 5 4 3 2 1 x 图4 —1 频数多边形图 第一节正态分布曲线的形式 如果随机变量X的概率密度函数为
y =π σ21e 222)(σμ--x （+∞<<∞-x ） （4 — 1） 则称随机变量X 是服从正态分布的由上式绘出的图形叫做正态曲线。（图4 — 2）X 的变动范围在 ∞- 至 +∞ 间。 Y X 0μ 图4 — 2 正态分布曲线 正态分布曲线中有两个参数：均值 μ 及方差 2σ。为了应用方便，对式（4 — 1）中的随机变量经过一个称为标准化的变换，即令u 来代替原式中的 σμ-x ， 寻这时的随机变量u 的概率密度函数成为： y = π 21e 22 u - （4 — 2） 按照（4 — 2）式绘出的图形，称作标准正态曲线。（图4 — 3）
Y 00.4 0.3 0.2 0.1 -1-2-3123μ 图4 — 3 标准正态分布曲线 第二节 正态分布曲线的特征 正态分布曲线有许多特点，它们对实际工作有很大的帮助。它的主要特点有以下几个方面： 一，正态分布的形式是对称的（但对称的分布不一定是正态分布）。在正态分布中均值与中位数相重合。 二，从中央最高点逐渐向两侧降低，降低的速度是先慢后快，以后又再次减慢，最后接近横轴，但终究不能与横轴相交。 三，从中央向两侧逐渐下降，它的方向是先向内弯，达到离均值左右各一个标准差时又改向外弯，是以 σμ1± 的点为曲线从内弯转向外弯的转折点，即正态曲线中标准差与曲线有固定的关系。 四，因为正态曲线是对称的，在曲线下不仅平均数的两侧面积相等，各相当距离间的面积相等，而且各相当距离间的曲线高度也相等，正态曲线下（与横轴间）的总面积为1. 00。 五，正态曲线可以有不同形式，它们的均值和标准差可以不相同，均值不同表明曲线在横轴上所处位置不同，标准差不同表明曲线的形态不同。标准差小则曲线高、且窄；标准差大则曲线低、且宽。（图4 — 4）由式（4 — 1）和（4 — 2）知，标准正态曲线的 μ = 0，σ = 1，即标准正态曲线是关于纵轴对称；它在 μ = 0时，有最大值，它近似等于0. 4，如（图4 — 3）所示。