正态分布的性质及实际应用举例
正态分布的性质与应用
正态分布的性质与应用正态分布是统计学中最重要的概率分布之一，也被称为高斯分布。
它具有许多独特的性质和广泛的应用。
本文将介绍正态分布的性质以及在实际问题中的应用。
正态分布的定义正态分布是一种连续型概率分布，其图像呈钟形曲线。
它由两个参数完全确定：均值μ和标准差σ。
正态分布的概率密度函数可以表示为：其中，是自然对数的底数，是随机变量，是均值，是标准差。
正态分布的性质正态分布具有以下几个重要的性质：对称性正态分布是关于均值对称的，即其概率密度函数在均值处取得最大值，并且两侧的曲线形状相同。
峰度正态分布的峰度为3，表示其曲线相对于标准正态分布更加平缓。
尾部衰减正态分布的尾部衰减非常缓慢，远离均值的极端值出现的概率非常小。
累积分布函数正态分布的累积分布函数可以用标准正态分布表来查找，从而计算出给定值的概率。
独立性若多个随机变量服从正态分布，并且它们之间相互独立，则它们的线性组合也服从正态分布。
正态分布的应用正态分布在各个领域都有广泛的应用，下面将介绍其中几个重要的应用。
统计推断正态分布在统计推断中起着重要的作用。
根据中心极限定理，当样本容量足够大时，许多随机变量的和或平均值近似服从正态分布。
这使得我们可以利用正态分布进行参数估计、假设检验等统计推断。
财务分析在财务领域，许多经济指标如股票收益率、利润增长率等都服从正态分布。
通过对这些指标进行建模和分析，可以帮助投资者制定合理的投资策略和风险管理。
生物学在生物学研究中，许多生物特征如身高、体重等都服从正态分布。
通过对这些特征的测量和分析，可以帮助科学家了解人群的生理特征，并进行相关研究。
质量控制正态分布在质量控制中起着重要的作用。
通过对产品质量指标的测量和分析，可以判断产品是否符合质量标准，并采取相应的措施进行改进。
风险管理正态分布在风险管理中也有广泛的应用。
通过对风险因素的建模和分析，可以评估风险的概率分布，并制定相应的风险管理策略。
结论正态分布是一种重要的概率分布，具有许多独特的性质和广泛的应用。
高中数学正态分布
高中数学正态分布正态分布是高中数学中一个重要的概率分布，也被称为高斯分布。
它在自然界和社会科学中具有广泛的应用，可以描述许多随机变量的分布情况。
正态分布具有许多独特的特性，包括对称性、钟形曲线、均值和标准差等。
本文将介绍正态分布的基本概念、性质以及它在实际问题中的应用。
一、基本概念正态分布是一种连续型的概率分布，它的概率密度函数可以用一个钟形曲线来表示。
钟形曲线关于均值对称，左右两边的面积相等。
正态分布的概率密度函数可以用数学公式表示，但在本文中我们不涉及具体公式。
二、性质1. 对称性：正态分布的钟形曲线关于均值轴对称，即曲线左右两侧的面积相等。
2. 峰度：正态分布的峰度较高，表示数据相对集中，没有明显的长尾巴。
3. 均值和标准差：正态分布的均值和标准差决定了曲线的位置和形状。
均值决定了曲线的中心位置，标准差决定了曲线的宽度。
三、应用举例正态分布广泛应用于各个领域，下面举几个例子说明其具体应用：1. 身高分布：人类的身高大致符合正态分布，均值是一定范围内的平均身高，标准差则决定了身高的变化范围。
2. 考试成绩：在一次考试中，学生的成绩往往呈现出正态分布的特点。
均值代表了班级的平均水平，标准差则反映了学生成绩的离散程度。
3. 生产质量控制：正态分布在生产过程中的质量控制中发挥重要作用。
通过对产品尺寸、重量等特征的测量，可以判断产品是否符合正态分布，从而进行质量控制和改进。
四、正态分布的应用思考正态分布的应用思考是高中数学中常见的问题类型之一。
通过理解正态分布的基本概念和性质，我们可以解决一些实际问题，例如：1. 求解概率：已知某一正态分布的均值和标准差，我们可以求解某个范围内的概率，从而回答一些关于随机事件的概率问题。
2. 参数估计：通过样本数据对总体的均值和标准差进行估计，从而推断总体的特征。
3. 假设检验：通过正态分布的性质，可以进行关于总体均值的假设检验，从而判断总体是否满足某种条件。
高中数学中的正态分布是一种重要的概率分布，具有广泛的应用。
正态分布的性质及其在实际中的应用
正态分布的性质及其在实际中的应用正态分布是数学中的一个重要概念，这种分布在生活中的应用非常广泛。
在现代统计学中，正态分布是基本分布之一，具有许多独特的性质。
在本文中，我们将探讨正态分布的性质及其在实际中的应用。
什么是正态分布？
正态分布是一种连续的概率分布，也被称为高斯分布或钟形曲线。
它具有以下特点：
1. 对称性: 正态分布是一个对称分布，以均值为中心对称。
2. 集中性: 大多数数据集中在均值附近。
3. 概率密度函数: 正态曲线的概率密度函数具有以下形式：
其中，μ是均值，σ是标准差，π是圆周率，e是自然对数的底数。
实际应用
正态分布的应用非常广泛，特别是在统计学中。
如下是几个例子:
1. 财务分析
正态分布可用于分析公司收益的变化情况。
在财务分析中，正态分布可作为比较不同公司的基准。
如果一个公司的收益呈正态分布，那么可以比较其收益的均值和标准差来判断其在业内的优劣。
2. 计算机科学
正态分布可用于计算机网络的性能分析。
在计算机科学中，正态分布可以用于模拟和预测网络中的数据传输和带宽利用率等方面的情况。
3. 生物学
在生物学中，正态分布可以用于分析群体的数量和分布。
例如，可以使用正态分布来分析某个药物的效果、细胞数量等。
结论
正态分布是统计学中一个基本且有用的概念。
它在实际中的应
用非常广泛，可以用于越来越多的领域，包括财务、计算机科学
和生物学等。
在熟悉它的模式和特点的基础上，我们可以更好地
分析它的数据，并从中获得更多、更精准的信息。
概率与统计中的正态分布
概率与统计中的正态分布正态分布是概率与统计学中最为重要的概率分布之一，也被称为高斯分布。
它在自然界和人类社会中广泛存在，被用于描述各种现象的分布规律，从而对数据进行分析和预测。
本文将详细介绍正态分布的定义、性质以及应用。
一、正态分布的定义和性质正态分布是一种连续型的概率分布，可以通过其概率密度函数来描述。
这个函数的图像呈现出钟形曲线，其形状对称轴对称，且在均值处达到最大值。
正态分布的概率密度函数可由以下公式表示：f(x) = 1 / (σ√(2π)) * e^(-((x-μ)^2) / (2σ^2))其中，μ表示均值，σ表示标准差，e表示自然对数的底数。
正态分布具有以下重要的性质：1. 对称性：正态分布的概率密度函数相对于均值呈现对称性，即左右两侧的曲线形状相同。
2. 峰度：正态分布的峰度为3，表示其曲线相较于正态分布的峰度更加平坦。
3. 标准正态分布：当均值μ为0，标准差σ为1时，所得的正态分布称为标准正态分布。
标准正态分布在统计学中具有重要的作用，经过适当的转换，可以将任何正态分布转化为标准正态分布。
二、正态分布的应用正态分布在自然科学、社会科学和工程技术等领域具有广泛的应用。
下面将介绍其中几个典型的应用。
1. 统计推断：由于正态分布具有丰富的性质和可靠的统计特征，在统计学中得到了广泛应用。
通过对观测数据的分析，可以利用正态分布进行参数估计和假设检验，从而得到关于总体的推断结果。
2. 质量控制：正态分布在质量控制中有着重要的应用。
例如，在生产过程中，通过对产品质量数据的测量和分析，可以使用正态分布来确定产品是否合格以及如何调整生产过程，以确保产品符合规定的质量标准。
3. 金融市场：正态分布在金融领域中的应用广泛而重要。
许多金融市场价格变动的模型都基于正态分布。
例如，根据正态分布模型，可以计算股票价格的变动概率，评估投资风险，并进行资产配置和风险管理。
4. 人口统计学：正态分布在人口统计学中的应用主要用于研究人口特征和人口变化规律。
正态分布在日常生活中
正态分布在日常生活中正态分布，也称为高斯分布或钟形曲线，是统计学中最常见的概率分布之一。
它具有许多重要的性质，因此在日常生活中有着广泛的应用。
本文将探讨正态分布在日常生活中的几个方面。
一、身高分布正态分布在描述人类身高分布方面起着重要的作用。
根据统计数据，人类的身高大致符合正态分布。
在一个大的人群中，大多数人的身高集中在平均值附近，而离平均值越远的身高出现的人数越少。
这就是为什么我们经常听到“平均身高”这个概念。
正态分布在衡量身高的标准差和百分位数方面也发挥着重要的作用。
二、考试成绩分布在教育领域，正态分布被广泛应用于描述考试成绩的分布。
假设一个班级的学生在一次考试中的成绩符合正态分布，那么大多数学生的成绩将集中在平均分附近，而离平均分越远的成绩出现的学生人数越少。
这种分布可以帮助教师和学生更好地理解和评估学生的表现，并采取相应的教学措施。
三、产品质量控制正态分布在产品质量控制中也起着重要的作用。
假设一个工厂生产的产品尺寸符合正态分布，那么大多数产品的尺寸将集中在平均值附近，而离平均值越远的尺寸出现的产品数量越少。
通过对产品尺寸进行抽样检验，并根据正态分布的特性进行统计分析，工厂可以判断产品是否符合质量标准，并采取相应的措施来提高产品质量。
四、金融市场正态分布在金融市场中也有广泛的应用。
例如，股票价格的日收益率通常被认为是符合正态分布的。
基于这个假设，投资者可以使用正态分布的性质来评估风险和收益，并制定相应的投资策略。
此外，正态分布还被用于计算期权定价模型，如布莱克-斯科尔斯模型。
五、自然现象正态分布在自然现象中也有一定的应用。
例如，气温的日变化通常被认为是符合正态分布的。
根据这个假设，气象学家可以使用正态分布的性质来预测未来的气温变化，并制定相应的天气预报。
总结：正态分布在日常生活中有着广泛的应用。
它可以帮助我们理解和描述各种现象的分布规律，从而更好地进行决策和规划。
无论是在教育、工业、金融还是自然科学领域，正态分布都发挥着重要的作用。
生活中的正态分布现象
生活中的正态分布现象生活中的正态分布现象正态分布是概率统计中一种重要的分布形式，它是一种连续概率分布，也就是说，该分布下的随机变量可以取无限个数值。
正态分布主要反映的是一组数据集中值的分散程度，对于生活中的很多现象，正态分布都有很好的适用性，下面我们将详细探讨一下生活中的正态分布现象。
一、身高体重身高体重是正态分布现象最为典型的例子，人的身高体重服从正态分布。
其实，无论是男性还是女性，身高体重的分布都很接近一个常规的正态分布。
而在这个正态分布中，人们的平均身高和平均体重会达到最高点。
同时，各个年龄段人的平均身高和平均体重也会有一些差异，但总体来说，正态分布是描述人类身高和体重的最佳方法之一。
二、考试成绩如果将一个班级的学生的考试成绩进行测量，那么这些成绩将是一个正态分布。
在这个正态分布中，大多数学生会处于中间分数水平，少数学生会获得高分，而另一些学生则会获得低分。
考试成绩的正态分布通常是由许多不同因素引起的，包括整个班级的教育素质、考试的难度以及每个学生的学习能力。
因此，在大多数良好的班级中，学生的考试成绩都会呈现正态分布。
三、实验测试结果在生物或化学实验中，科学家通常会测量许多不同的变量并将它们进行分析，以便更好地理解和解释他们的结果。
在这些实验中，许多数据的分布通常是正态分布的。
这就可以帮助科学家更准确地估计他们测量的变量，以及他们的实验结果是否有显著性差异。
四、心理问卷测试在心理学中，测试人员经常会要求被测试者回答各种心理问卷，以便更好地了解他们的义务感、幸福感、认知水平等等。
在这些测试中，往往会采用量表进行量化分析，得出来的数据往往也是正态分布，这一点也是心理学中常常使用正态分布的原因之一。
五、交通拥堵在城市交通中，交通拥堵是一件非常普遍的事情。
当过多的车辆和行人走在一个有限的区域内，就会形成交通拥堵。
而这种拥堵现象，对于普通交通状况下的车速来说，也是一个正态分布。
因此，当交通拥堵情况较为严重时，交通运输管理人员可以使用正态分布的方法去计算出实际的车辆行驶速度，以便更好地管理交通流量。
正态分布及其在统计学中的应用
正态分布及其在统计学中的应用正态分布，也被称为高斯分布或钟形曲线分布，是统计学中最为重要的概率分布之一。
它具有许多重要的性质，使其在统计学中得以广泛应用。
本文将介绍正态分布的定义及其性质，并阐述其在统计学中的重要应用。
一、正态分布的定义及性质正态分布是指在数理统计中，变量的分布呈钟形曲线，其概率密度函数具有如下的形式：f(x) = (1/σ√(2π)) * e^(-(x-μ)²/2σ²)其中，f(x)表示随机变量X的概率密度函数，μ和σ²分别表示分布的均值和方差。
正态分布具备以下重要性质：1. 对称性：正态分布呈现出关于均值的对称性，即其曲线在均值处达到峰值，两侧呈现对称的形态。
2. 稳定性：当若干个相互独立的随机变量服从正态分布时，它们的线性组合仍服从正态分布。
3. 唯一性：当均值和方差确定时，整个正态分布曲线也唯一确定。
二、正态分布在统计学中的应用1. 统计推断：正态分布广泛应用于统计推断中的参数估计和假设检验。
由于中心极限定理的存在，当样本容量较大时，许多统计量的抽样分布近似服从正态分布，从而使得我们能够基于正态分布的性质进行参数估计和假设检验的推断。
2. 质量控制：正态分布在质量控制中具有重要的应用。
通过对产品质量进行抽样检测，并基于正态分布的假设，可以进行合格品率和不合格品率的估计，进而进行质量控制决策。
3. 经济金融：正态分布在经济金融领域广泛用于建模和预测。
许多经济指标和金融资产的波动性往往能够通过正态分布来描述，例如股票收益率、汇率变动等。
4. 人口统计学：正态分布在人口统计学中应用广泛，例如身高、体重等指标常常能够通过正态分布进行描述和分析。
这种应用对于公共卫生、医学研究等领域具有重要意义。
5. 效应分析：在实验研究中，正态分布常用于描述实验处理的效应。
通过对实验样本数据进行分析，可以判断实验处理对于观测指标是否产生显著影响，以及这种影响的大小。
三、结语正态分布作为统计学中最重要的概率分布之一，具有许多重要的性质和应用。
例谈正态分布在实际生活中的应用
例谈正态分布在实际生活中的应用正态分布是一种概率分布，它可以用来描述单个总体的某一性质的概率分布，也可以用来描述不同总体之间的某一特征的概率分布。
在实际应用中，正态分布经常被用来衡量和描述生物学、数理统计、金融学、工程学等多个学科的测量结果，从而推断出不同总体之间的关系，并作出相应的决策。
1. 生物学在生物学领域，正态分布有着广泛的应用。
例如，在一些动物学研究中，研究者通常会采用正态分布来衡量不同物种的体型大小，并将其划分到不同的类别中。
例如，在研究小鼠体型的时候，研究者可以将小鼠的体型分成“中等”、“大型”、“超大型”三类，而每一类小鼠的体型都是正态分布的，因此可以使用正态分布来研究这些小鼠的体型大小。
此外，正态分布还可以用来衡量某种动物的生殖能力、体长、体重等，从而推断出其某种特征的状况。
2. 数理统计在数理统计方面，正态分布也有着广泛的应用。
在一些实验中，研究者常常会采用正态分布来衡量实验结果，从而推断出实验结果的状况。
例如，在一项对苹果销售情况的调查中，研究者可以采用正态分布来衡量每个苹果店的销售情况，从而推断出总体苹果销售情况的状况。
此外，正态分布还可以用来衡量某个总体的财富分布情况，从而推断出该总体的财富分布情况。
3. 金融学在金融学领域，正态分布也被广泛应用。
例如，在投资行业，投资者会根据投资品种的正态分布来衡量投资的风险，从而决定是否要进行投资。
此外，正态分布还可以用来衡量股票市场的价格波动，以及货币市场的汇率波动。
4. 工程学正态分布在工程学中也有着重要的应用。
例如，在工程设计中，工程师可以根据正态分布来衡量零件的尺寸，从而确定零件尺寸的合理性。
此外，正态分布还可以用来衡量某种材料的强度，以及某种结构的受力情况。
总的来说，正态分布在实际生活中有着广泛的应用，它可以用来衡量和描述生物学、数理统计、金融学、工程学等多个学科的测量结果，从而推断出不同总体之间的关系，并作出相应的决策。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
华北水利水电学院正态分布的性质及实际应用举例课程名称：概率论与数理统计专业班级：电气工程及其自动化091班成员组成：姓名：邓旗学号： 2姓名：王宇翔学号：1姓名：陈涵学号：2联系方式：2012年5月24日1 引言：正态分布（normal distribution）又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。
本文就从正态分布的实际性质应用举例等各个方面进行简单阐述并进行探讨，使同学们能够对所掌握的知识有更清楚地认识。
2 研究问题及成果：正态分布性质；3原则及标准正态分布；实际应用举例说明摘要：正态分布是最重要的一种概率分布。
正态分布概念是由德国数学家与天文学家Moivre于1733年首次提出的，但由于德国数学家Gauss率先将其应用于天文学研究，故此正态分布又称高斯分布。
在许多实际问题中遇到的随机变量都服从或近似服从正态分布：在生产中，产品的质量指标，如电子管的使用寿命，电容器的电容量，零件的尺寸。
铁水含磷量，纺织品的纤度和强度等一般都服从正态分布。
在测量中，如大地测量，天平称量物体，化学分析某物之中某元素的含量等，测量结果一般服从正态分布。
在生物学中，同一群体的某种特性指标，如某地同龄儿童的身高，体重，肺活量，在一定条件下生长的农作物的产量等一般服从正态分布。
在气象学中，某地每年7月份的平均气温，平均温度以及降水量等一般也服从正态分布。
总之。
正态分布广泛存在于自然现象，社会现象以及生产，科学技术的各个领域中。
本文就从正态分布的实际性质应用举例等各个方面进行简单阐述并进行探讨，使同学们能够对所掌握的知识有更清楚地认识。
关键词：正态分布The nature of the normal distribution and the example of practical applicationAbstract：the normal distribution is the probability distribution of one of the most important. Normal distribution concepts is Germany first proposed by mathematician and astronomer Moivre in 1733, but since Germany mathematician Gauss first applied in astronomy, so also called the Gaussian distribution of the normal distribution. In many practical problems encountered in the approximate normal distribution random variables are subject to, or: in production, product quality indicators, such as the life of the tube, the capacitance of capacitors, dimensions of the part. Phosphorus content in hot metal, textile fibers and strength are generally subject to the normal distribution. In surveying, geodesy, weighing scales objects, such as chemical analysis of some of the content of an element, General normal distribution measurement results. In biology, a certain characteristic index of the same group, such as a certain age children's height, body weight, vital capacity, under certain conditions the yield of crops on the growth of General normal distribution. In meteorology, a place every July average temperature, average temperature and precipitation generally normal distribution. All in all. Normal distribution is widely present in natural phenomena, social phenomena, as well as the production, in the various fields of science and technology. This article from the actual properties of the normal distribution apply to explore various aspects, such as for example a simple elaboration and, enable students to acquire knowledge have a better understanding.Key words：Normal distribution Practical application正态分布的性质及实际应用举例概率论在一定的社会条件下,通过人类的社会实践和生产活动发展起来,被广泛应用于各个领域,在国民经济的生产和生活中起着重要的作用。
而正态分布是概率论中的基础，很多问题都依赖于正态分布，因此，可以从正态分布的性质来研究其应用，更广的应用到实际中。
下面先来看看正态分布的性质。
若连续型随机变量x 的概率密度为：则称x 服从参数为 的正态分布或高斯分布，记为X N （） 正态曲线呈钟型，两头低，中间高，左右对称，曲线与横轴间的面积总等于1。
具体性质：① 集中性：正态曲线的高峰位于正中央，即均数所在的位置。
②对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。
③均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。
注意：服从正态分布的变量的频数分布由μ、σ完全决定 u 变换：为了便于描述和应用，常将正态变量作数据转换。
μ是正态分布的位置参数，描述正态分布的集中趋势位置。
正态分布以X=μ为对称轴，左右完全对称。
当σ恒定后，μ越大，则曲线沿横轴向右移动；反之，μ越小，则曲线沿横轴向左移动。
f X e X X (),()=-∞<<+∞--12122σπμσμ变换σ变换：正态分布有两个参数，即均数μ和标准差σ，可记作N （μ，σ）：均数μ决定正态曲线的中心位置；标准差σ决定正态曲线的陡峭或扁平程度。
σ越小，曲线越陡峭；σ越大，曲线越扁平。
1=σ5.1=σσ变换标准正态分布: 当 时称随机变量X 服从标准正态分布，其概率密度为f(x)=。
只要变量X N （，就可经下式转换为标准正态分布，记为N （0,1），此变换也称为标准变换，=,标准正态分布对处理问题有很重要的帮助。
3原则: 正态总体几乎总取值于区间（33）之内，而在此区间以外取值的概率只有%，通常认为这种情况在一次试验中几乎不可能发生，在实际应用中，通常认为服从正态分布N （）的随机变量只取（33）之间的值，并称为3原则。
正态分布的应用举例估计频数分布制定医学参考值范围正态分布是许多统计方法的理论基础例 出生体重低于2500克为低体重儿。
若由某项研究得某地婴儿出生体重均数为3200克，标准差为350克，估计该地当年低体重儿所占的比例。
当年该地新生儿出生体重，则服从正态分布N (3200,350) 。
先求再查标准正态表得：（-2）= 即标准正态曲线下从－∞到u ＝－2范围内的面积为%，从而在正态分布N (3200,350)曲线下，从－∞到 X =2500的比例为%，即 : X <2500的比例为%。
故估计该地当年低体重儿所占的比例为%例2：某年某地150名12岁健康男童体重的均数为 kg ，标准差为 kg,试估计：（1）该地12岁健康男童体重在50kg 以上者占该地12岁健康男童总数的百分比；（2）体重在30~40kg 者占该地12岁健康男童总数的比例；（3）该地80%的12岁健康男童体重的分布范围。
答：① 将x=50代入公式，u=（）/=根据正态分布的对称性可知，u=右侧的尾部面积与u=左侧的尾部面积相等，查表Φ（）=，即理论上该地12岁健康男童体重在50kg 以上者占该地12岁健康男童总数的%。
② 分别计算x1=30和x2=40所对应的u 值，得到u1=和u2=,查附表1得：Φ（）=和Φ（）=，因此Φ（）- Φ（）=（1- Φ（））- Φ（）=（）=，即理论上体重在30kg~40kg 者占该地12岁健康男童总数的%。
235032002500-=-=u③查附表1，标准正态分布曲线下左侧面积为所对应的u值为，所以，该地80%的12岁健康男童体重值集中在区间x内，即~。
正态分布可以比较乘车时间长短,从而选择出行路线,看下例:从南郊某地乘车前往北区火车站搭火车,有两条路可走,第一条路线穿过市区,路程较短,但交通拥挤,所需时间(单位为分)服从正态分布N(50, 100),第二条路线沿环城公路走,路线较长,但意外阻塞较多,所时间服从正态分布N(60,16)。
(1)假如有70分钟可用,问应走哪条路线 (2)若只有65分钟可用,又应走哪条路线分析:从概率角度先考虑(1)的情况,有70分钟可用时,根据正态分布的性质,分别求两种情况下的概率,又由于所有的正态分布都可以通过标准化化成标准正态分布,利用标准正态的性质或查找正态分布表,可以比较两条路线按时到达的概率大小,哪条大就走哪条路线。
情况(2)与情况(1)同。
具体解法如下:(1)有70分钟可用,走路线一到达的概率:P(ζF70) =Ф(70-604) =Ф(2) =(2)走路线二到达的概率:P(ζF70) =Φ(70-604) =Φ =。
所以应走路线二。
(2)有65分钟可用,走路线一到达的概率:P(ζF65) =Φ(65-5010) =Φ =,走路线二到达的概率:P(ζF65) =Φ(65-504) =Φ =,所以应该走路线一[3]。