概率论与数理统计各章节
概率论与数理统计目录
概率论与数理统计目录一、随机事件及其概率1.1 随机事件的基本概念定义与分类事件的运算1.2 概率的定义与性质概率的公理化定义概率的基本性质1.3 古典概型与几何概型古典概型的计算几何概型的计算1.4 条件概率与独立性条件概率事件的独立性1.5 全概率公式与贝叶斯公式全概率公式贝叶斯公式及其应用二、随机变量及其分布2.1 随机变量的概念随机变量的定义随机变量的分类2.2 离散型随机变量及其分布常见的离散型分布分布律与分布函数2.3 连续型随机变量及其分布常见的连续型分布概率密度函数与分布函数2.4 随机变量函数的分布离散型随机变量函数的分布连续型随机变量函数的分布三、多维随机变量及其分布3.1 多维随机变量的概念联合分布函数边缘分布3.2 多维离散型随机变量联合分布律边缘分布律3.3 多维连续型随机变量联合概率密度函数边缘概率密度函数3.4 条件分布离散型条件分布连续型条件分布3.5 随机变量的独立性独立性的定义独立性的判定与性质四、数字特征4.1 数学期望数学期望的定义与性质数学期望的计算4.2 方差方差的定义与性质方差的计算4.3 协方差与相关系数协方差的定义与性质相关系数的定义与性质4.4 矩与协矩阵矩的定义与计算协矩阵的定义与计算五、大数定律与中心极限定理5.1 大数定律切比雪夫大数定律伯努利大数定律5.2 中心极限定理林德贝格-莱维中心极限定理德莫佛尔-拉普拉斯中心极限定理六、数理统计的基本概念6.1 总体与样本总体的定义与性质样本的定义与性质6.2 统计量与抽样分布统计量的定义与性质常见的抽样分布七、参数估计与假设检验7.1 参数估计点估计区间估计7.2 假设检验假设检验的基本概念单侧检验与双侧检验正态总体的假设检验八、回归分析与方差分析8.1 回归分析一元线性回归多元线性回归回归模型的检验与预测8.2 方差分析单因素方差分析双因素方差分析方差分析的应用。
概率论与数理统计前三章
概率论与数理统计知识点第一章随机事件及其概率1.1 随机事件1.2 概率1.3 条件概率与全概公式1.4 事件的独立性与伯努利概型第二章随机变量及其分布2.1 随机变量与分布函数2.2 离散型随机变量及其分布2.3 连续型随机变量及其分布2.4 二维随机变量2.5 随机变量函数的分布第三章随机变量的数字特征3.1 数学期望3.2 方差3.3 几种常见分布的数学期望与方差3.4 随机变量矩、协方差与相关系数第四章大数定律与中心极限定理4.1 切比雪夫不等式4.2 大数定律4.3 中心极限定理第五章抽样分布5.1 总体与样本5.2 样本函数与样本分布函数5.3 抽样分布第六章参数估计6.1 点估计6.2 估计量的评价标准6.3 区间估计6.4 正态总体均值与方差的区间估计6.5 非正态总体参数的区间估计第七章假设检验7.1 假设检验的基本概念7.2 单个正态总体参数的假设检验7.3 两个正态总体参数的假设检验7.4非正态总体参数的假设检验7.5 总体分布的假设检验第八章方差分析8.1 问题的提出8.2 单因素试验方差分析8.3 单因素方差分析举例第九章回归分析9.1 问题的提出9.2 一元正态线性回归9.3 一元非线性回归简介9.4 多元线性回归9.5 多元回归应用举例第一章 随机事件及其概率知识要点及重要例题一、知识要点。
① 重要公式（1） A+A =Ω（2） A +B ̅̅̅̅̅̅̅̅=A ∙B ̅ A ∙B ̅̅̅̅̅̅=A +B̅ (德摩根定理) （3） P(A+B)=p(A)+P(B)-P(AB) （加法公式） （4） P(A-B)=P(A)-P(AB) （减法公式） （5） P(AB)=P(A)P(B|A)或P(AB)=P(A|B)P(B) （乘法公式） （6） P (B )=∑P (A i )P (B|A i )n i=0 (全概率公式) 由因求果（7） P(A j |B)=P(A j )P(B|A j )∑P (A i )ni=1P(B|A i )(叶贝斯公式) 由果索因② 概率定义（1） 统计定义：频率稳定在一个数附近，这个数称为事件的概率；（2） 古典定义：要求样本空间只有有限个基本事件，每个基本事件出现的可能性相等，则事件Ａ所含基本事件个数与样本空间所含基本事件个数的比称为事件的古典概率；（3） 几何概率：样本空间中的元素有无穷多个，每个元素出现的可能性相等，则可以将样本空间看成一个几何图形，事件Ａ看成这个图形的子集，它的概率通过子集图形的大小与样本空间图形的大小的比来计算；（4） 公理化定义：满足三条公理的任何从样本空间的子集集合到［０，１］的映射③ 随机事件（1） 事件的三种运算：并∪（和）、交∩（积）、差；注意差Ａ－Ｂ可以表示成Ａ与Ｂ的逆的积。
概率论与数理统计
一、事件的频率与概率
次数， µ n ( A ) : 事件 A 在 n 次可重复试验中出现的 次数，
称为 A 在 n 次试验中出现的频数
频率—— f n ( A) = 频率
µ n ( A)
n
.
频率有如下性质： 频率有如下性质：
1. 非负性：对任何事件 A，有 0 ≤ f n ( A) ≤ 1 非负性：
掷一骰子， 如： A =“掷一骰子，点数小于 4”， B =“掷一骰子，点数小于 5”， 掷一骰子， 则A ⊂ B.
显然对任何事件 A，有 Φ ⊂ A ⊂ Ω⊂ A，则称事件 A与事件 B相等，记作 A = B .
2.事件的和（并） 事件的和（
两个事件 A, B 中至少有一个发生 (属于A或属于 B的样本点 构成的集合 )，称为事件 A 与 B 的和(并 ), 记作 A + B 或 A ∪ B .
显然， 显然，事件 A 与 A 可以构成一个完备事件 组
类似地，称可列个事件 A1 , A2 , L , An， 构成一个 L 类似地， 完备事件组， 完备事件组，如果满足 ：
(1)
( 2)
Ai A j = Φ
(i ≠ j )
∑A
i
i
=Ω
律 事件运算满足下列运算 ：
(1) 交换律 A + B = B + A AB = BA
设袋中有红, 黄各一球, 例: 设袋中有红,白,黄各一球,有放回抽取三 取出球后仍把球放回原袋中),每次取一球, ),每次取一球 次(取出球后仍把球放回原袋中),每次取一球,试 说明下列各组事件是否相容?若不相容, 说明下列各组事件是否相容?若不相容,说明是否 对立? 对立? 三次抽取, 三次抽取, (1) A=“三次抽取,颜色全不同”,B=“三次抽取, = 三次抽取 颜色全不同” = 三次抽取 相容 颜色不全同” 颜色不全同” (2) A=“三次抽取,颜色全同”,B=“三次抽取, 三次抽取, 三次抽取, = 三次抽取 颜色全同” = 三次抽取 颜色不全同” 颜色不全同” 不相容， 不相容，对立 三次抽取, 三次抽取, (3) A=“三次抽取,无红色球”,B=“三次抽取, = 三次抽取 无红色球” = 三次抽取 无黄色球” 无黄色球” 相容 三次抽取, (4) A=“三次抽取,无红色球也无黄色”, = 三次抽取 无红色球也无黄色” B=“三次抽取, 无白色球” 不相容，不对立 三次抽取, = 三次抽取 无白色球” 不相容，
概率论与数理统计各章重点知识整理.pptx
件的概率相等,即 P(e1)=P(e2)=…= P(e n ).则称试验E 所对应的概率模型为等可能(古典)概型.
2.计算公式 P(A)=k / n 其中 k 是 A 中包含的基本事件数, n 是 S 中包含的基本事件总数.
P(A)=0 .
(2)有限可加性 对于 n 个两两互不相容的事件 A1,A2,…,An , P(A1∪A2∪…∪An)=P(A1)+P(A2)+…+P(An) (有限可加性与可列可加性合称加法定理)
(3)若 A B, 则 P(A)≤P(B), P(B-A)=P(B)-P(A) .
(4)对于任一事件 A, P(A)≤1, P(A)=1-P(A) .
y
fX
hyhy
0
y
其它
其中h(y)是 g(x)的反函数 , = min (g (-),g ()) = max (g (-),g ()) .
如果 f (x)在有限区间[a,b]以外等于零,则 = min (g (a),g (b)) = max (g (a),g (b)) .
第三章 二维随机变量及其概率分布
n PB
PA
i
B
i
.
i 1
六.事件的独立性
2
学海无 涯
1.两个事件 A,B,满足 P(AB) = P(A) P(B)时,称 A,B 为相互独立的事件.
(1)两个事件 A,B 相互独立 P(B)= P (B|A) .
(2)若 A 与 B,A 与 B , A与 B, , A 与 B 中有一对相互独立,则另外三对也相互独立.
概率论与数理统计课本_百度文库
第二章随机变量及其分布第一节随机变量及其分布函数一、随机变量随机试验的结果是事件，就“事件”这一概念而言，它是定性的。
要定量地研究随机现象，事件的数量化是一个基本前提。
很自然的想法是，既然试验的所有可能的结果是知道的，我们就可以对每一个结果赋予一个相应的值，在结果(本事件)数值之间建立起一定的对应关系，从而对一个随机试验进行定量的描述。
例2-1 将一枚硬币掷一次，观察出现正面H、反面T的情况。
这一试验有两个结果：“出现H”或“出现T”。
为了便于研究，我们将每一个结果用一个实数来代表。
比如，用数“1”代表“出现H”，用数“0”代表“出现T”。
这样，当我们讨论试验结果时，就可以简单地说成结果是1或0。
建立这种数量化的关系，实际上就相当于引入一个变量X，对于试验的两个结果，将X的值分别规定为1或0。
如果与样本空间{}{H,T}联系起来，那么，对于样本空间的不同元素，变量X可以取不同的值。
因此，X是定义在样本空间上的函数，具体地说是1,当HX X()0,当T由于试验结果的出现是随机的，因而X(ω)的取值也是随机的，为此我们称X()X(ω)为随机变量。
例2-2 在一批灯泡中任意取一只，测试它的寿命。
这一试验的结果（寿命）本身就是用数值描述的。
我们以X记灯泡的寿命，它的取值由试验的结果所确定，随着试验结果的不同而取不同的值，X是定义在样本空间{t|t0}上的函数X X(t)t,t因此X也是一个随机变量。
一般地有定义2-1 设为一个随机试验的样本空间，如果对于中的每一个元素，都有一个实数X()与之相对应，则称X为随机变量。
一旦定义了随机变量X后，就可以用它来描述事件。
通常，对于任意实数集合L,X在L上的取值，记为{X L}，它表示事件{|X()L}，即{X L}{|X()L}。
例2-3 将一枚硬币掷三次，观察出现正、反面的情况。
设X为“正面出现”的次数，则X是一个随机变量。
显然，X的取值为0，1，2，3。
X的取值与样本点之间的对应关系如表2-1所示。
概率论与数理统计笔记(重要公式)
r = A 中样本点数 / Ω 中样本点总数 n
= A 所包含的基本事件数 / 基本事件总数 条件概率:
对偶律： A B = A B , P ( AB ) 设 A, B 是两个事件， 且 P(B)>0， 称 P(A|B)= 为 贝叶斯公式: P( B) 在事件 B 发生条件下事件 A 发生的条件概率。显然， 当 P(A)>0 时，P(B|A)=
二项分布 X ~ B(n, p)： 指数分布 X ~ E(λ) 若随机变量 X 只取两个可能值 0, 1, …, n, 而 X 的分布律为 e x x 0 若随机变量 X 的概率密度为 f ( x) k k nk pk =P {X= xk }= Cn p q , k=0, 1, 2, …, n, x0 0
设 X 为离散型随机变量， 可能取值为 x1, x2, …, xk, … 且 P 概率密度的性质： (1) f(x)≥0 {X= xk }= pk, k=1, 2, …, 则称{pk}为 X 的分布律 表格形式: f ( x)dx =1 (2) X x1, x2, …, xk, … b P p1, p2, …, pk, … (3) P{a<X≤b}= F(b)-F(a)= f ( x)dx , a≤b a {pk}性质： (4) 设 x 为 f(x)的连续点，则 F’(x)存在，且 （1） pk≥0, k=1, 2, … F’(x)= f(x) （2） pk =1 均匀分布 X ~ U (a, b) k 1 若随机变量 X 的概率密度为 在求离散型随机变量的分布律时，首先要找出其所有可能 1 , a≤x≤b 的取值，然后再求出每个值相应的概率 ba f(x) = 在实际应用中，有时还要求“X 满足某一条件”这样事件的 概率， 求法就是把满足条件的 xk 所对应的概率 pk 相加可得 0, 其他 则称 X 服从区间[a,b]上的均匀分布，其分布函数为 其分布函数 F(x) = pk xk x 0, x≤a 0-1 分布： xa F(x) = , a<x<b 若随机变量 X 只取两个可能值 0, 1，且 ba P {X=1}=p, P{X=0}=q 1, x≥b 其中 0<p<1, q=1-p, 则称 X 服从 0-1 分布. X 的分布律为 设 X ~ U (a, b), a≤c<d≤b，即[a,b] [c,d]，则 X 0 1 d c P{c≤X≤d}= P q p ba
概率论与数理统计(完整版)
32
(二) 乘法公式:
由条件概 ,立率 即P 定 可 (A 义 0 得 )则 , 有 P(AP B()A)|A P)(.B
33
例3. r只红球○ t只白球○
每次任取一只球观 察颜色后, 放回, 再 放回a只同色球
在袋中连续取球4次, 试求第一、二次取到红球且 第三、四次取到白球的概率.
34
(三) 全概率公式和贝叶斯公式:
1. 样本空间的划分
定义 : 若B1,B2,,Bn一组事件 : 满足
(iB i) B j φ ,i ji,j, 12,.,.n .,,
(1) 样本空间中的元素只有有限个;
(2) 试验中每个基本事件发生的可能性相同.
例如:掷一颗骰子,观察出现的点数.
概率的古典定义:
对于古典概型, 样本空间S＝{1, 2, … , n}, 设事件A包 含S的 k 个样本点，则事件A的概率定义为
A中 的 基 本 事k件 数 P(A)S中的基本事n件总数 15
P(B| A) P(AB) P(A)
为在事件A发生的条件下事件B发生的条件概率2.9
2. 性质: 条件概率符合概率定义中的三个条件, 即 10 对于每一 B有 个 , 1 事 P(件 |B A)0.
20 P (|SA) 1.
30 设B1,B2,两两互不,相 则容
P(Bi |A)P(Bi |A.)
i1
k1
3.积事件： 事件A B={x|x A 且 x B}称A与B的
积，即事件A与BA同时发生. A B 可简记为AB.
概率论与数理统计1~6章总结
A (BC) (A B)(A C)
摩根律 AB A B A B A B
2.随机事件的概率 ①概率和频率 概率的定义：若对随机试验 E 所对应的样本空间 中的每一事件 A，均赋予一实数 P(A)， 集合函数 P(A)满足条件：
(1) P(A) ≥0；
(2) P()＝1；
(3) 可列可加性：设 A1，A2，…, 是一列两两互不相容的事件，即 AiAj＝，(ij), i , j＝1, 2, …,
离散型随机变量 随机变量 非离散型奇异型连（续混型合型）
2.离散型随机变量
若随机变量 X 取值 x1, x2, …, xn, … 且取这些值的概率依次为 p1, p2, …, pn, …, 则称 X 为离散型 随机变量，而称
n!
n1!....nm !
eg: 30 名学生中有 3 名运动员，将这 30 名学生平均分成 3 组，求： （1）每组有一名运动员的概率； （2）3 名运动员集中在一个组的概率。 解:设 A:每组有一名运动员;B: 3 名运动员集中在一组
N (S)
C C C 10 10 10 30 20 10
Hale Waihona Puke 10!成互斥事件（互不相容事件）：事件 A 与事件 B 互斥——AB=Φ；事件 A 与事件 B 不能同时发
生，两个事件没有公共的样本点
对立事件：事件 A 不发生，由所有不属于 A 的样本点组成，记作 A or Ac
差事件：差事件 A-B 发生 ——事件 A 发生且事件 B 不发生；由属于事件 A 但不属于事件 B
P(A)具有如下性质 (1) 0 P(A) 1； (2) P()＝1； P( )=0 (3) AB＝，则 P( A B )＝ P(A) ＋P(B) 抽球问题 设盒中有 N 个球，其中有 M 个白球，现从中任抽 n 个球，则这 n 个球中恰有 k 个白球的概 率是
- 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)。
第五章 大数定理和中心极限定理1．[一] 据以往经验某种电器元件的寿命服从均值为100小时的指数分布，现在随机的抽取16只，设它们的寿命是相互独立的，求这16只元件寿命总和大于1920小时的概率。
解：设第i 只寿命为X i ，（1≤i ≤16），故E (X i )=100，D (X i )=1002(l=1,2,…,16).依本章定理1知⎪⎪⎪⎪⎪⎭⎫⎝⎛≤-=⎪⎪⎪⎪⎪⎭⎫⎝⎛⨯-≤⨯-=≤∑∑∑===8.040016001001616001920100161600)1920(1616161i i i i i i X P X P X P.7881.0)8.0(=Φ=从而.2119.07881.01)1920(1)1920(161161=-=≤-=>∑∑==i ii iXP XP3．[三] 计算机在进行加法时，对每个加数取整（取为最接近它的整数），设所有的取整误差是相互独立的，且它们都在（－，）上服从均匀分布，（1）若将1500个数相加，问误差总和的绝对值超过15的概率是多少 （2）几个数相加在一起使得误差总和的绝对值小于10的概率不小于 解：（1）设取整误差为X i （ ,2,1=i ，1500），它们都在（－, ）上服从均匀分布。
于是： 025.05.0)(=+-==p X E i 12112)]5.0(5.0[)(2=--=i X D 18.111251211500)(,0)(==⨯==i i X nD X nE ⎭⎬⎫⎩⎨⎧≤≤--=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧≤-=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧>∑∑∑===1515115115150011500115000i i i i i i X P X P X P ⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧≤≤--=∑=18.111518.1118.1115115001i i X P1802.0]9099.01[2)]34.1(1[2)]34.1()34.1([1=-⨯=Φ-=-Φ-Φ-=8．某药厂断言，该厂生产的某种药品对于医治一种疑难的血液病的治愈率为，医院检验员任意抽查100个服用此药品的病人，如果其中多于75人治愈，就接受这一断言，否则就拒绝这一断言。
（1）若实际上此药品对这种疾病的治愈率是，问接受这一断言的概率是多少（2）若实际上此药品对这种疾病的治愈率是，问接受这一断言的概率是多少解：设X 为100人中治愈的人数，则X ～B (n, p )其中n=100（1）)75(1751)75(1)75(npq np npq np npq np X P X P X P -Φ-=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧-≤--=≤-=> 8944.0)45()45(1=+Φ=-Φ-= （2）p=由中心极限定理知)75(1751)75(1)75(npq np npq np npq np X P X P X P -Φ-=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧-≤--=≤-=> .1379.08621.01)09.1(1)215(1=-=Φ-=Φ-= 7．[七] 一复杂的系统，由100个互相独立起作用的部件所组成。
在整个运行期间每个部件损坏的概率为。
为了整个系统起作用至少必需有85个部件工作。
求整个系统工作的概率。
（2）一个复杂的系统，由n 个互相独立起作用的部件所组成，每个部件的可靠性（即部件工作的概率）为。
且必须至少有80%部件工作才能使整个系统工作，问n 至少为多少才能使系统的可靠性不低于。
解：（1）设每个部件为X i (i=1,2,……100)⎩⎨⎧=部件损坏不工作部件工作01i X设X 是100个相互独立，服从（0－1）分布的随机变量X i 之和X=X 1+ X 2+……+ X 100由题设知 n=100 P {X i =1}=p =, P {X i =0}= E (X i ) =p =D (X i ) =p (1－p )=×=n ·E (X i ) =100×=90, n D (X i ) =100×=9⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧-≥-=⎭⎬⎫⎩⎨⎧≥∑=)()(85)()(851001i i i i i i X nD X nE X nD X nE X P X P=⎭⎬⎫⎩⎨⎧-≥-=⎭⎬⎫⎩⎨⎧-≥-3539099085990X P X P=⎭⎬⎫⎩⎨⎧-<--353901X P由中心极限定理知⎰-∞---≈3522211dt e πt )35(1-Φ-= 查标准正态分布表=φ=解：（2）设每个部件为X i (i=1,2,……n )⎩⎨⎧=部件损坏不工作部件工作01i XP {X i =1}=p =, P {X i =0}=1－p = E (X i ) =p =,D (X i ) =×=由问题知95.0100801=⎭⎬⎫⎩⎨⎧>∑=n i i n X P 求n=而⎭⎬⎫⎩⎨⎧>∑=n X P n i i 100801⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧->-=∑=)(10080)(1i i ni i X nD np n X nD np X P=⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧->-∑=n n n nn X P ni i 3.09.0100803.09.01=1－⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧-≤-∑=n n n nn X P n i i 3.09.0100803.09.01由中心极限定理知=95.03.01.03.01.01≥⎪⎪⎭⎫⎝⎛Φ=⎪⎪⎭⎫⎝⎛-Φ-nn nn 查标准正态分布表得645.13.01.0≥nn解得n ≥取n=25，即n 至少为25才能使系统可靠性为.[八] 随机地取两组学生，每组80人，分别在两个实验室里测量某种化合物的PH 值，各人测量的结果是随机变量，它们相互独立，且服从同一分布，其数学期望为5，方差为，以Y X ,分别表示第一组和第二组所得结果的算术平均：（1）求P {<1.5<X } （2）1.01.0{<-<-Y X P } 解：由中心极限定理知3.080580801⨯⨯-=∑=i iXU ～N (0,1) 3.080580801⨯⨯-=∑=j jYV ～N (0,1)（1）⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧⨯⨯-⨯<⨯⨯-<⨯⨯-⨯=<<∑=3.080580801.53.0805803.080580809.4}1.59.4{801i i X P X P8968.019484.021)63.1(263.12458063.1801=-⨯=-Φ=⎪⎪⎪⎭⎪⎪⎪⎬⎫⎪⎪⎪⎩⎪⎪⎪⎨⎧<⨯-<-∑=i i X P（2）由X i , Y j 的相互独立性知∑∑==801801j ji iYX 与独立。
从而U ，V 独立。
于是U －V ～N (0, 2)而24801801∑∑==-=-≅j ji iYX V U Z⎪⎪⎭⎪⎪⎬⎫⎪⎪⎩⎪⎪⎨⎧⨯⨯<⨯-<⨯⨯-=<-<-∑∑==3.080801.03.0803.080801.0}1.01.0{801801j ji i Y X P Y X P1)15.1(2263.1263.1}63.163.1{-Φ=⎪⎪⎭⎫⎝⎛-Φ-⎪⎪⎭⎫ ⎝⎛Φ=<<-=Z P=2×－1=[九] 某种电子器件的寿命（小时）具有数学期望μ（未知），方差σ2=400 为了估计μ，随机地取几只这种器件，在时刻t=0投入测试（设测试是相互独立的）直到失败，测得其寿命X 1，…，X n ，以∑==n i iX n X 11作为μ的估计，为使,95.0|}{|≥-μX P 问n 至少为多少解：由中心极限定理知，当n 很大时)1,0(~221N σn μn X n σn μn Xni i-=-∑=⎪⎪⎭⎫⎝⎛-Φ-⎪⎪⎭⎫ ⎝⎛Φ≈⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧<-<-=<-22222}1|{|σn n σn n σn n σn μn X n σn n P μX P =95.01202≥-⎪⎪⎭⎫⎝⎛Φn 所以975.020≥⎪⎪⎭⎫ ⎝⎛Φn查标准正态分布表知64.153696.120≥≥n n即n 至少取1537。