正态分布资料
正态分布的介绍资料
0.1 正态分布，熟悉的陌生人 (2)0.2 邂逅，正态曲线的首次发现 (4)0.3 最小二乘法，数据分析的瑞士军刀 (7)0.4 众里寻她千百度,误差分布曲线的确立 (10)0.5 曲径通幽处，禅房花木深 (16)0.5.1 高斯(1809)的推导 (17)0.5.2 赫歇尔(1850)和麦克斯韦(1860) 的推导 (19)0.5.3 兰登(1941)的推导 (20)0.5.4 基于最大娟的推导 (22)0.6 开疆拓土，正态分布的进一步发展 (24)0.6.1 论剑中心极限定理 (24)0.6.2 进军近代统计学 (28)0.6.3 数理统计三剑客 (32)0.7 正态魅影 (34)0.8 大道至简,大美天成 (36)0.9 推荐阅读 (39)12神说，要有正态分布，就有了正态分布。
神看正态分布是好的，就让随机误差服从了正态分布。
创世纪—数理统计0.1 正态分布，熟悉的陌生人学过基础统计学的同学大都对正态分布非常熟悉。
这个钟形的分布曲 线不但形状优雅，它对应的密度函数写成数学表达式f (x ) = 1 e − √2πσ(x −µ)2 2σ2 也非常具有数学的美感。
其标准化后的概率密度函数1x 2 f (x ) = √2πe 更加的简洁漂亮，两个最重要的数学常量π队e 都出现在这公式之中。
在我 个人的审美之中，它也属于top-N 的最美丽的数学公式之一，如果有人问 我数理统计领域哪个公式最能让人感觉到上帝的存在，那我一定投正态分 布的票。
因为这个分布戴着神秘的面纱，在自然界中无处不在，让你在纷 繁芜杂的数据背后看到隐隐的秩序。
Figure 1: 正态分布曲线 正态分布又通常被称为高斯分布，在科学领域，冠名权那是一个很高的荣誉。
2002年以前去过德国的兄弟们还会发现，德国1991年至2001年间− 23发行的的一款10马克的纸币上印着高斯(Carl Friedrich Gauss, 1777-1855)的 头像和正态密度曲线，而1977年东德发行的20马克的可流通纪念钢铺上， 也印着正态分布曲线和高斯的名字。
医学统计学 常用概率分布-正态分布
N (123.02，4.792)
（2）身高在120~128者占该地8岁男孩总数的百分比；
解析：
58.65%
58.65%
120cm 128cm N (123.02，4.792)
-0.63 1.46 N (0，1)
（3）该地80%男孩的身高集中在哪个范围？
解析：
80%
10%
10%
10% Z1
80%
10% Z2
任意正态分布曲线 X~N(μ,σ2)
标准正态分布曲线 X~N(0,1)
采用定积分的办法，对函数式 (1) 或 (2) 定积分， 算得从 -∞ 到 x累计面积，从而推算出该区间事件发 生的概率值。 .
j(Z )
1 2
Z
e
Z
2
/ 2
dZ
图 6 正态分布(左)及标准正态曲线下(右)的累计面积
1.2 正态概率密度曲线下的面积 1.3 正态分布的应用
1.4 正态分布的判断
一、正态分布的概念
正态分布(normal distribution)
德莫佛最早发现了二项概率
的一个近似公式，这一公式被 认为是正态分布的首次露面。
德莫佛
正态分布在十九世纪前叶由
高斯加以推广，所以通常称为 高斯分布(Gauss distribution)。
单侧临界值：标准正态分布单侧尾部面积等于α 时所对应 的正侧变量值，记作Zα 。
若按左单侧算，则是 97.5% 参考值范围
按左单侧算，是 95% 参考值范围
举例2： 某地调查120名健康成年男性的第一秒肺通 气量得均数 X =4.2(L), 标准差S =0.7(L)，试据此估 计其第一秒肺通气量的95%参考值范围。 解析： 分布近似正态 1. 2. 仅过低为异常 3. 求下界值
正态分布
正态分布（normal distribution ）一、 定义 如果连续型随机变量取值分布呈现单峰、对称、两侧均匀变动的钟形分布，且能用下列函数描述其位置和形状特征的，则称之为正态分布。
概率密度函数， -∞<x<∞二、 参数1、可变参数（1）位置参数 μ E （x ）=μ表达正态曲线在横轴的位置：μ3>μ2>μ11 2 3(2) 形态参数 σ表达正态曲线的偏尖峰形状和偏平阔形状:σ3>σ2>σ1 V(x)= σ2固定参数 (1)偏度系数 理论三阶矩 SK=∑（x-μ）3/nσ3=0 (2) 峰度系数 理论四阶矩 KU=∑（x-μ）4/nσ4=3 * 样本偏度系数g 1与样本峰度系数g 2公式复杂，可参阅其他教材。
三、图形及曲线与横轴向面积（概率）分布规律P{μ-σ<x<μ+σ}=0.6827P{μ-1.96σ<x<μ+1.96σ}=0.9500 P{μ-2.58σ<x<μ+2.58σ}=0.990022()())2X f X μσ-=-四、 应用1、描述资料分布2、依据面积分布规律求医学参考值范围3、质量控制方法中随机误差分布符合正态，可用一定范围作为质量警戒线和控线4、标准正态分布的U 值，可视为重要统计量，是大样本参数估计和假设检验的基础。
而且用于求资料某一定范围内分布的理论频数（n 、x 、s ）已计算出例：已知x =50，S=10,N=200,求45<x<65的频数 解：令x 1=45 x 2=65U 1=(45-50)/10=-0.5， U 2=(65-50)/10=1.5 查U 值表Ф{-0.5< U 1<0}=0.5-0.3085=0.1915 Ф{0< U 2<1.5}=0.5-0.0668=0.4332 P{-0.5<U<1.5}=0.1915+0.4332=0.6247 200×0.6247=1255、正态分布式在特定条件下一些离散型分布的极限分布，这意味着只要符合特定条件，这些离散型分布亦可按正态近似法处理。
第三章 正态分布
u
u指单侧U界值，也称
随机变量U的上侧α 分 位数。其意义为：从u 到+∞这一侧的面积为 α。
u/2
u/2 指双侧U界值，也
称随机变量U的双侧α 分位数。其意义为：从 u/2 到+∞这一侧的面 积为α /2,从-∞到-u/2 这一侧的面积也为α /2, 两侧面积之和为α 。
1.3 正态分布曲线及其面积分布
图3-8 两尾概率
图 正态分布两尾概率
对于标准正态分布，其两尾概率为： P（∣u∣≥1.96）＝0.05 P（∣u∣≥2.58）＝0.01
图 标准正态分布两尾概率
图 标准正态分布两尾概率
标准正态分布，其单尾概率为
图 标准正态分布单尾概率
图 标准正态分布单尾概率
图 正态分布与标准分布的概率
例如 x在（μ -1.96σ ，μ +1.96σ ）之外取值的两尾概率 为0.05，而一尾概率为0.025。即： P（x＜μ -1.96σ ）＝P（x＞μ +1.96σ ）＝0.025
图
正态分布两尾概率
同理，x在（μ-2.58σ，μ+2.58σ）之外取值的两尾概率为0.01， 而一尾概率为0.01。即： P（x＜μ-2.58σ）＝P（x＞μ+2.58σ）＝0.01。
第三章 正态分布
正态分布的概念 • 正态分布的通俗概念： 如果把数值变量资料编 制频数表后绘制频数分布图（又称直方图，它用 矩形面积表示数值变量资料的频数分布，每条直 条的宽表示组距，直条的面积表示频数（或频率 ）大小，直条与直条之间不留空隙。），若频数 分布呈现中间为最多，左右两侧基本对称，越靠 近中间频数越多，离中间越远，频数越少，形成 一个中间频数多，两侧频数逐渐减少且基本对称 的分布，那我们一般认为该数值变量服从或近似 服从数学上的正态分布。
正态分布及其应用--ppt课件
定， 增大，曲线沿 X 轴向右平移。因此，不
同的 ，不同的 ，对应不同的正态分布。
PPT课件
5
不同均值正态分布示意图
PPT课件
6
1.5 1
不同标准差的正态分布示意图
PPT课件
7
➢ 正态曲线下面积的分布规律
➢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。
今后要讨论到的 分布t 、 分布F 与
分布 2等都是在正态分布的基础上推导 出来的。
ቤተ መጻሕፍቲ ባይዱPPT课件
9
第二节 标准正态分布及其应用
只要变量 X ~ N(, 2 ) ，就可经下式 转换为 0、 1的标准正态分布，记 作 u ~ N(0,1) 。此变换也称为标准化变换，
通过对密度函数积分我们可以知道正态曲线下， 横轴上所夹的面积为1。理论上：
范围内曲线下的面积占总面积的68.27%； 1.645 范围内曲线下的面积占总面积的90%； 1.96 范围内曲线下的面积占总面积的95%；
2.58 范围内曲线下的面积占总面积的99%。
PPT课件
8
➢四、正态分布的应用
正态分布及其应用
(normal distribution)
PPT课件
1
第一节 正态分布的概念和特征
➢一.概念 正态分布又称高斯（Gauss）分布，
是最常见、最重要的一种连续型分布， 医学资料中有许多指标的频数分布都呈 正态分布，如身高、体重、脉搏、血红 蛋白、血清总胆固醇等。
PPT课件
2
➢二．图形 正态分布密度函数
PPT课件
概率论与数理统计实践----正态分布
正态分布的性质及实际应用举例正态分布定义：定义1：设连续型随机变量的密度函数（也叫概率密度函数）为：式中，μ 为正态总体的平均值；σ 为正态总体的标准差； x 为正态总体中随机抽样的样本值。
其中μ 、σ 是常数且σ > 0，则称随机变量ξ 服从参数为μ 、σ 的正态分布，记作ξ ~ N(μ,σ).定义2：在（1）式中，如果μ = 0，且σ =1，这个分布被称为标准正态分布，这时分布简化为：（2）正态分布的分布函数定义3：分布函数是指随机变量X 小于或等于x 的概率，用密度函数表示为：标准正态分布的分布函数习惯上记为φ ，它仅仅是指μ = 0,σ =1时的值，表示为：正态分布的性质：正态分布的变量的频数分布由μ、σ完全决定。
集中性：正态曲线的高峰位于正中央，即均数所在的位置。
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。
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。
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。
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。
正态分布的均数、中位数、众数相同，均等于μ。
σ描述正态分布资料数据分布的离散程度，σ越大，数据分布越分散，σ越小，数据分布越集中。
也称为是正态分布的形状参数，σ越大，曲线越扁平，反之，σ越小，曲线越瘦高。
应用综述 ：1. 估计频数分布 一个服从正态分布的变量只要知道其均数与标准差就可根据公式即可估计任意取值范围内频数比例。
2. 制定参考值范围（1）正态分布法 适用于服从正态（或近似正态）分布指标以及可以通过转换后服从正态分布的指标。
（2）百分位数法 常用于偏态分布的指标。
表3-1中两种方法的单双侧界值都应熟练掌握。
正态分布的概念及表和查表方法
正态分布概念及图表正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution），最早由A·棣莫弗在求二项分布的渐近公式中得到。
C.F.高斯在研究测量误差时从另一个角度导出了它。
P·S·拉普拉斯和高斯研究了它的性质。
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。
正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。
若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。
其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。
当μ = 0,σ = 1时的正态分布是标准正态分布。
目录1历史发展2定理3定义▪一维正态分布▪标准正态分布4性质5分布曲线▪图形特征▪参数含义6研究过程7曲线应用▪综述▪频数分布▪综合素质研究▪医学参考值历史发展正态分布概念是由德国的数学家和天文学家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家研究，故正态分布又叫高斯分布，高斯这项工作对后世的影响极大，他使正态分布同时有了“高斯分布”的名称，后世之所以多将最小二乘法的发明权归之于他，也是出于这一工作。
但现今德国10马克的印有高斯头像的钞票，其上还印有正态分布的密度曲线。
这传达了一种想法：在高斯的一切科学贡献中，其对人类文明影响最大者，就是这一项。
在高斯刚作出这个发现之初，也许人们还只能从其理论的简化上来评价其优越性，其全部影响还不能充分看出来。
这要到20世纪正态小样本理论充分发展起来以后。
拉普拉斯很快得知高斯的工作，并马上将其与他发现的中心极限定理联系起来，为此，他在即将发表的一篇文章（发表于1810年）上加上了一点补充，指出如若误差可看成许多量的叠加，根据他的中心极限定理，误差理应有高斯分布。
数学正态分布
正态分布是概率论中最重要的一种连续型随机变量分布，也被称为高斯分布。
它的概率密度函数呈钟形曲线，因此也被称为钟形曲线分布。
正态分布的概率密度函数可以表示为：
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。
这个公式表明，正态分布的概率密度函数关于均值对称，且随着离均值的距离增加而逐渐减小。
正态分布在统计学和科学领域中有着广泛的应用。
例如，在描述自然现象、人类行为和社会现象等方面，很多数据都呈现出正态分布的特征。
此外，许多统计方法都基于正态分布假设，例如参数估计、假设检验等。
- 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)。
第三章正态分布一、教学大纲要求正态分布正态分布normal distribution一种概率分布。
正态分布是具有两个参数μ和σ2的连续型随机变量的分布，第一参数μ是遵从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2 )。
遵从正态分布的随机变量的概率规律为取μ邻近的值的概率大，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。
正态分布的密度函数的特点是：关于μ对称，在μ处达到最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点。
它的形状是中间高两边低，图像是一条位于x轴上方的钟形曲线。
当μ＝0，σ2 ＝1时，称为标准正态分布，记为N（0，1）。
μ维随机向量具有类似的概率规律时，称此随机向量遵从多维正态分布。
多元正态分布有很好的性质，例如，多元正态分布的边缘分布仍为正态分布，它经任何线性变换得到的随机向量仍为多维正态分布，特别它的线性组合为一元正态分布。
正态分布最早由 A.棣莫弗在求二项分布的渐近公式中得到。
C.F.高斯在研究测量误差时从另一个角度导出了它。
P.S.拉普拉斯和高斯研究了它的性质。
生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布来描述。
例如，在生产条件不变的情况下，产品的强力、抗压强度、口径、长度等指标；同一种生物体的身长、体重等指标；同一种种子的重量；测量同一物体的误差；弹着点沿某一方向的偏差；某个地区的年降水量；以及理想气体分子的速度分量，等等。
一般来说，如果一个量是由许多微小的独立随机因素影响的结果，那么就可以认为这个量具有正态分布（见中心极限定理）。
从理论上看，正态分布具有很多良好的性质，许多概率分布可以用它来近似；还有一些常用的概率分布是由它直接导出的，例如对数正态分布、t分布、F分布等。
正态分布应用最广泛的连续概率分布，其特征是“钟”形曲线。
设一组数据x1,x2,x3,…xn,各数据与它们的平均数为X的差的平方分别是（x1-X）²、（x２-X）²、那么我们用它们的平均数，即用：S²＝1/n[(x1-X) ²+(x2-X) ²+(x3-X) ²+…]来衡量这组数据的波动大小，并把它叫做这组数据的方差，一组数据方差越大，说明这组数据波动越大。
为什么要这样定义方差?在表示各数据与其平均数的偏离程度时，为了防止正偏差与负偏差的相互抵消。
为什么对各数据与其平均数的差不取绝对值，而要将它们平方？这主要是因为在很多问题里，含有绝对值的式子不便于运算，且在衡量一组数据波动大小的“功能”上，方差更强些；为什么要除以个数n ，就是为了消除数据个数的影响。
(一)正态分布1.正态分布若X 的密度函数（频率曲线）为正态函数（曲线）2．正态分布的特征服从正态分布的变量的频数分布由μ、σ完全决定。
(1)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。
正态分布的均数、中位数、众数相同，均等于μ。
(2)σ描述正态分布资料数据分布的离散程度，σ越大，数据分布越分散，σ越小，数据分布越集中。
σ也称为是正态分布的形状参数，σ越大，曲线越扁平，反之，σ越小，曲线越瘦高。
(二)标准正态分布1．标准正态分布是一种特殊的正态分布，标准正态分布的0=μ，12=σ ，通常用u（或Z ）表示服从标准正态分布的变量，记为u ～N （0，21）。
2．标准化变换：σμ-=X u ，此变换有特性：若X 服从正态分布),(2σμN ，则u 就服从标准正态分布，故该变换被称为标准化变换。
3. 标准正态分布表标准正态分布表中列出了标准正态曲线下从-∞到u 范围内的面积比例()u Φ。
（三）正态曲线下面积分布1．实际工作中，正态曲线下横轴上一定区间的面积反映该区间的例数占总例数的百分比，或变量值落在该区间的概率（概率分布）。
不同),(21X X 范围内正态曲线下的面积可用公式3-2计算。
)()(2112)22(2)(21u u dx eD X X X Φ-Φ==--⎰σμπσ （3-2）1212X X u u μμσσ--==其中， ， 。
2.几个重要的面积比例X 轴与正态曲线之间的面积恒等于1。
正态曲线下，横轴区间σμ±内的面积为68.27%，横轴区间σμ64.1±内的面积为90.00%，横轴区间σμ96.1±内的面积为95.00%，横轴区间σμ58.2±内的面积为99.00%。
（四）正态分布的应用某些医学现象，如同质群体的身高、红细胞数、血红蛋白量，以及实验中的随机误差，呈现为正态或近似正态分布；有些指标（变量）虽服从偏态分布，但经数据转换后的新变量可服从正态或近似正态分布，可按正态分布规律处理。
其中经对数转换后服从正态分布的指标，被称为服从对数正态分布。
1. 估计频数分布 一个服从正态分布的变量只要知道其均数与标准差就可根据公式（3-2）估计任意取值12(,)X X 范围内频数比例。
2. 制定参考值范围（1）正态分布法 适用于服从正态（或近似正态）分布指标以及可以通过转换后服从正态分布的指标。
（2）百分位数法 常用于偏态分布的指标。
表3-1中两种方法的单双侧界值都应熟练掌握。
表3-1 常用参考值范围的制定概率（%） 正态分布法 百分位数法双侧 单 侧 双侧单侧下 限 上 限 下 限 上 限90 955~P P 10P 90P 95 S X 96.1± S X 64.1- S X 64.1+ 5.975.2~P P 5P 95P 99 S X 58.2±S X 33.2-S X 33.2+5.995.0~P P1P99P3. 质量控制：为了控制实验中的测量（或实验）误差，常以S X 2±作为上、下警戒值，以S X 3±作为上、下控制值。
这样做的依据是：正常情况下测量（或实验）误差服从正态分布。
4. 正态分布是许多统计方法的理论基础。
t 检验、方差分析、相关和回归分析等多种统计方法均要求分析的指标服从正态分布。
许多统计方法虽然不要求分析指标服从正态分布，但相应的统计量在大样本时近似正态分布，因而大样本时这些统计推断方法也是以正态分布为理论基础的。
三、典型试题分析1.正态曲线下、横轴上，从均数到∞+的面积为( )。
A ．95%B ．50%C ．97.5%D ．不能确定（与标准差的大小有关） 答案：B[评析] 本题考点：正态分布的对称性因为无论μ，σ取什么值，正态曲线与横轴间的面积总等于1，又正态曲线以μ=X 为对称轴呈对称分布，所以μ左右两侧面积相等，各为50%。
2．若X 服从以μ，σ为均数和标准差的正态分布，则X 的第95百分位数等于( )。
A ．σμ64.1- B ．σμ64.1+ C ．σμ96.1+ D ．σμ58.2+ 答案：B[评析] 本题考点：正态分布的对称性和面积分布规律正态分布曲线下σμ64.1±范围内面积占90%，则σμ64.1±外的面积为10%，又据正态分布的对称性得，曲线下横轴上小于等于σμ64.1+范围的面积为95%，故X 的第95百分位数等于σμ64.1+。
3．若正常成人的血铅含量X 近似服从对数正态分布，拟用300名正常人血铅值确定99%参考值范围，最好采用公式( )计算。
（其中Y=logX ） A. S X 58.2± B ． 2.33X S +C ．1log ( 2.58)Y Y S -±D ．)33.2(log 1Y S Y +-答案：D[评析] 本题考点：对数正态分布资料应用正态分布法制定参考值范围根据题意，正常成人的血铅含量X 近似对数正态分布，则变量X 经对数转换后所得新变量Y 应近似服从正态分布，因此可以应用正态分布法估计Y 的99%参考值范围，再求反对数即得正常成人血铅含量X 的99%参考值范围。
因血铅含量仅过大为异常，故相应的参考值范围应是只有上限的单侧范围。
正态分布法99%范围单侧上限值是均数+2.33倍标准差。
4．正常成年男子红细胞计数近似正态分布,95%参考值范围为 3.60～5.8412(10/)L ⨯。
若一名成年男子测得红细胞计数为3.10)/10(12L ⨯，则医生判断该男子一定有病。
[评析] 本题考点：参考值范围的涵义该成年男子不一定有病。
因为参考值范围是指绝大多数正常人的指标值范围,故不在此范围内的对象也可能是正常人。
5.假定正常成年女性红细胞数)/10(12L ⨯近似服从均值为4.18，标准差为0.29的正态分布。
令X 代表随机抽取的一名正常成年女性的红细胞数，求： （1） 变量X 落在区间（4.00，4.50）内的概率； （2） 正常成年女性的红细胞数95%参考值范围。
[评析] 本题考点：正态分布的应用(1)根据题意，变量X 近似服从正态分布，求变量X 落在区间（4.00，4.50）内的概率，即是求此区间内正态曲线下的面积问题，因此，可以把变量X 进行标准化变换后，借助标准正态分布表求其面积，具体做法如下： 4.00 4.18 4.50 4.18(4.00 4.50)()0.290.29X P X P μσ---<<=<<)10.162.0(<<-=u P )62.0()10.1(1-Φ--Φ-= 2676.01357.01--=5967.0=变量X 落在区间(4.00,4.50)内的概率为0.5967。
(2)问题属于求某个指标的参考值范围问题，因为正常成年女性红细胞数近似服从正态分布，可以直接用正态分布法求参考值范围，又因该指标过高、过低都不正常，所以应求双侧参考值范围，具体做法如下：下限为： 1.96 4.18 1.96(0.29)X σ-=-=)/10(61.312L ⨯ 上限为： 1.96 4.18 1.96(0.29)X σ+=+=)/10(75.412L ⨯95%的正常成年女性红细胞数所在的范围是)/10(75.4~61.312L ⨯。
6.调查得成都市1979年996名女学生月经初潮年龄的分布如下，本资料宜用何法确定其双侧99%参考值范围？试估计之。
年岁 10～ 11～ 12～ 13～ 14～ 15～ 16～ 17～ 18～ 19～ 20～ 合计 人数 7 44 153 244 269 191 61 16 8 1 2 996 累计频率% 0.7 5.1 20.5 45.0 72.0 91.2 97.3 98.9 99.7 99.8 100.0[评析] 本题考点：参考值范围的制定解：本题所给资料明显属于偏态分布资料，所以宜用百分位数法估计其参考值范围。
又因此指标过大、过小均属异常，故此参考值范围应是双侧范围。