正态分布推导72927
正态分布讲解
复习引入:总体密度曲线：样本容量越大，所分组数越多，各组的频率就越接近于总体在相应各组取值的概率. 设想样本容量无限增大，分组的组距无限缩小，那么频率分布直方图就会无限接近于一条光滑曲线，这条曲线叫做总体密度曲线.它反映了总体在各个范围内取值的概率. 根据这条曲线，可求岀总体在区间（a, b）内取值的概率等于总体密度曲线，直线x=a，x=b及x轴所围图形的面积.观察总体密度曲线的形状，它具有“两头低，中间高，左右对称”的特征，具有这种特征的总体密度曲线一般可用下面函数的图象来表示或近似表示：(X )2（X）式中的实数、（0）是参数，分别表示总体的平均数与标准差,态分布密度曲线，简称正态曲线讲解新课：2. 4正态分布,x（X）的图象为正一般地，如果对于任何实数b，随机变量X满足P(a X B) (x)dx.则称X的分布为正态分布(normal distribution ) .正态分布完全由参数和确定，因此正态2 2分布常记作N( , ) •如果随机变量X服从正态分布，则记为x〜N(,).经验表明，一个随机变量如果是众多的、互不相干的、不分主次的偶然因素作用结果之和，它就服从或近似服从正态分布•例如，高尔顿板试验中，小球在下落过程中要与众多小木块发生碰撞，每次碰撞的结果使得小球随机地向左或向右下落，因此小球第1次与高尔顿板底部接触时的坐标x是众多随机碰撞的结果，所以它近似服从正态分布•在现实生活中，很多随机变量都服从或近似地服从正态分布•例如长度测量误差；某一地区同年龄人群的身高、体重、肺活量等；一定条件下生长的小麦的株高、穗长、单位面积产量等；正常生产条件下各种产品的质量指标(如零件的尺寸、纤维的纤度、电容器的电容量、电子管的使用寿命等)；某地每年七月份的平均气温、平均湿度、降雨量等；一般都服从正态分布•因此，正态分布广泛存在于自然现象、生产和生活实际之中•正态分布在概率和统计中占有重要的地位.说明：1参数是反映随机变量取值的平均水平的特征数，可以用样本均值去佑计；是衡量随机变量总体波动大小的特征数，可以用样本标准差去估计.2.早在1733年，法国数学家棣莫弗就用n !的近似公式得到了正态分布•之后，德国数学家高斯在研究测量误差时从另一个角度导岀了它，并研究了它的性质，因此，人们也称正态分布为高斯分布.2•正态分布N( , 2))是由均值卩和标准差b唯一决定的分布通过固定其中一个值，讨论均值与标准差对于正态曲线的影响・3•通过对三组正态曲线分析，得岀正态曲线具有的基本特征是两头底、中间高、左右对称 .正态曲线的作图，书中没有做要求，教师也不必补上+讲课时教师可以应用几何画板，形象、美观地画出三条正态曲线的图形，结合前面均值与标准差对图形的影响，引导学生观察总结正态曲线的性质.4.正态曲线的性质：(1) 曲线在x 轴的上方，与x 轴不相交. (2) 曲线关于直线x=卩对称. (3) 当x=卩时，曲线位于最高点 + (4 )当x <卩时，曲线上升(增函数)；当 x >g 时，曲线下降(减函数).并且当曲线向左、右两边无限延伸时，以x 轴为渐近线，向它无限靠近 ・(5)卩一定时，曲线的形状由b 确定 +b 越大，曲线越“矮胖”，总体分布越分散； b 越小.曲线越“瘦高”.总体分布越集中：五条性质中前三条学生较易掌握，后两条较难理解，因此在讲授时应运用数形结合的原则，采用对比 教学+ 5 .标准正态曲线：当卩=0、 b =1时，正 态总体称为标准正态总体，其相应的函数表示式是x 2(-x V +8)其相应的曲线称为标准正态曲线+标准正态总体N(0, 1)在正态总体的研究中占有重要的地位 ■任何正态分布的概率问题均可转化成标 准正态分布的概率问题f(x)讲解范例:给岀下列三个正态总体的函数表达式，请找岀其均值卩和标准差b答案：(1)0 , 1; (2)1 , 2; (3)-1 ,解：利用等式 p (x 2) (x 1)有 p (2)( 1) (2)11=(2)(1) 1= + —仁.1.标准正态总体的概率问题对于标准正态总体 N(0, 1), (x 0)是总体取值小于x 0的概率，即(X o ) P (X X o ),其中x 0 0，图中阴影部分的面积表示为概率P(x x 0) •只要有标准正态分布表即可查表解决 .从图中不难发现：当x 0 0时，(x 0) 1 ( x 0)；而当x 00时，①(o )=・2.标准正态分布表标准正态总体 N (0,1)在正态总体的研究中有非常重要的地位，为此专门制作了“标准正态分布表”.在这个表中，对应于x 0的值 (x 0)是指总体取值小于x 0的概率，即(X 。
正态分布的概念和特征
正态分布的概念和特征一、正态分布的概念由表1.1的频数表资料所绘制的直方图，图3.1（1）可以看出，高峰位于中部，左右两侧大致对称。
我们设想，如果观察例数逐渐增多，组段不断分细，直方图顶端的连线就会逐渐形成一条高峰位于中央（均数所在处），两侧逐渐降低且左右对称，不与横轴相交的光滑曲线图 3.1（3）。
这条曲线称为频数曲线或频率曲线，近似于数学上的正态分布（normal distribution）。
由于频率的总和为100%或1，故该曲线下横轴上的面积为100%或1。
图3.1频数分布逐渐接近正态分布示意图为了应用方便，常对正态分布变量X作变量变换。
（3.1）该变换使原来的正态分布转化为标准正态分布(standard normal distribution)，亦称u分布。
u被称为标准正态变量或标准正态离差（standard normal deviate）。
二、正态分布的特征：1．正态曲线（normal curve）在横轴上方均数处最高。
2．正态分布以均数为中心，左右对称。
3．正态分布有两个参数，即均数和标准差。
是位置参数，当固定不变时，越大，曲线沿横轴越向右移动；反之，越小，则曲线沿横轴越向左移动。
是形状参数，当固定不变时，越大，曲线越平阔；越小，曲线越尖峭。
通常用表示均数为，方差为的正态分布。
用N（0，1）表示标准正态分布。
4．正态曲线下面积的分布有一定规律。
实际工作中，常需要了解正态曲线下横轴上某一区间的面积占总面积的百分数，以便估计该区间的例数占总例数的百分数（频数分布）或观察值落在该区间的概率。
正态曲线下一定区间的面积可以通过附表1求得。
对于正态或近似正态分布的资料，已知均数和标准差，就可对其频数分布作出概约估计。
查附表1应注意：①表中曲线下面积为-∞到u的左侧累计面积；②当已知μ、σ和X时先按式（3.1）求得u值，再查表，当μ、σ未知且样本含量n足够大时，可用样本均数和标准差S分别代替μ和σ，按式求得u值，再查表；③曲线下对称于0的区间面积相等，如区间（-∞，-1.96）与区间（1.96，∞）的面积相等，④曲线下横轴上的总面积为100%或1。
正态分布数学公式
正态分布数学公式
正态分布的公式：Y＝（X-μ）/σ～N（0，1）。
正态分布符号定义：
若随机变量X服从一个数学期望为μ、方差为的高斯分布，记为N（μ，）。
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。
因其曲线呈钟形，因此人们又经常称之为钟形曲线。
正态分布有两个参数，即均数（μ）和标准差（σ）。
μ是位置参数，当σ固定不变时，μ越大，曲线沿横轴，越向右移动；反之，μ越小，则曲线沿横轴，越向左移动。
是形状参数，当μ固定不变时，σ越大，曲线越平阔；σ越小，曲线越尖峭。
通常用表示标准正态分布。
主要特点：
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。
3、质量控制：为了控制实验中的测量（或实验）误差，常以作为上、下警戒值，以作为上、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。
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。
正态分布公式推导
正态分布公式推导正态分布是一种常见的概率分布，其概率密度函数可以通过公式推导而得。
下面将介绍正态分布的起源以及其推导过程。
正态分布在19世纪由高斯（Gauss）引入，也因此被称为高斯分布。
高斯分布具有许多重要的性质，因此在统计学和自然科学中得到了广泛的应用。
正态分布的概率密度函数可以表示为：f(x)=(1/√(2πσ²))*e^((-(x-μ)²)/(2σ²))其中，f(x)是随机变量X的概率密度函数，x是变量的取值，μ是分布的均值，σ²是方差，e是自然对数的底。
下面将推导正态分布的概率密度函数。
首先，考虑标准正态分布，即均值为0，方差为1的正态分布。
其概率密度函数为：f(x)=1/√(2π)*e^(-x²/2)为了将概率密度函数推广到一般的正态分布，我们引入变量Z，用来表示标准正态分布的随机变量。
假设X是一个正态分布的随机变量，其均值为μ，方差为σ²。
我们可以将X表示为：X=μ+σZ其中，Z是标准正态分布的随机变量。
将X的表达式代入概率密度函数，我们得到：f(x)=1/(√(2π)σ)*e^(-((x-μ)/σ)²/2)通过这个表达式，我们可以看出，X是一个以μ为均值，以σ²为方差的正态分布。
为了进一步推导正态分布的公式，我们需要理解正态分布的性质。
具体来说，在正态分布中，68%的观测值位于均值加减1个标准差之间，95%的观测值位于均值加减2个标准差之间，99.7%的观测值位于均值加减3个标准差之间。
这些性质称为“三个标准差法则”或“68-95-99.7法则”。
基于这些性质，我们可以通过对概率密度函数进行适当的变换得到正态分布的常用公式。
首先，我们对标准正态分布的概率密度函数进行变换，得到：∫(-∞, x) (1/√(2π) * e^(-t²/2)) dt = ∫(-∞, (x-μ)/σ) (1/√(2π) * e^(-t²/2)) dt其中，左侧是标准正态分布的累积概率密度函数（CDF），右侧是一般正态分布的CDF。
《正态分布》 讲义
《正态分布》讲义在统计学中，正态分布是一种极其重要的概率分布，它在自然科学、社会科学、工程技术等众多领域都有着广泛的应用。
下面，让我们一起来深入了解正态分布。
一、什么是正态分布正态分布，也被称为高斯分布，是一种连续型概率分布。
它的概率密度函数呈现出一种独特的“钟形”曲线，具有对称性。
从数学表达式上看，正态分布的概率密度函数为：＼ f(x) ＝＼frac{1}｛＼sigma ＼sqrt{2\pi}｝ e^｛＼frac{（x ＼mu)＾2}｛2\sigma^2}｝＼其中，＼（＼mu\）是均值，决定了曲线的位置；＼（＼sigma\）是标准差，决定了曲线的“胖瘦”程度。
二、正态分布的特点1、对称性正态分布曲线以均值\（＼mu\）为对称轴，左右两侧对称。
这意味着在均值两侧相同距离处，出现观测值的概率相等。
2、集中性大部分数据集中在均值附近，离均值越远，数据出现的概率越小。
3、均值和中位数、众数相等这三个统计量在正态分布中是重合的，反映了数据的中心趋势。
4、标准差的作用标准差\（＼sigma\）越大，曲线越“胖”，数据的分散程度越大；标准差越小，曲线越“瘦”，数据越集中。
三、正态分布的产生原因为什么在现实世界中会有如此多的现象符合正态分布呢？1、大量独立随机因素的综合作用许多自然和社会现象受到众多微小、相互独立的随机因素的影响。
例如，人的身高受到遗传、营养、环境等多种因素的影响，当这些因素的数量足够多且相互独立时，最终的结果往往呈现正态分布。
2、中心极限定理根据中心极限定理，当从一个总体中抽取大量独立同分布的随机样本，并计算其均值时，这些均值的分布将近似于正态分布。
四、正态分布的应用1、质量控制在生产过程中，通过对产品质量特征的测量，如果其符合正态分布，可以设定合理的控制界限，来监控生产过程是否处于稳定状态。
2、考试成绩评估考试成绩通常近似服从正态分布。
教师可以根据正态分布来确定合理的分数段，评估学生的学习情况。
《正态分布》 讲义
《正态分布》讲义一、什么是正态分布在统计学中，正态分布是一种极其重要的概率分布。
它就像是自然界和人类社会中许多现象的“常客”，无处不在。
想象一下，我们测量一群人的身高，或者记录一段时间内某地区的气温，这些数据往往会呈现出一种特定的规律，这就是正态分布。
正态分布的形状就像一个钟形，中间高，两边逐渐降低并且对称。
这意味着大部分数据集中在平均值附近，而离平均值越远，数据出现的频率就越低。
二、正态分布的特点1、对称性正态分布曲线是关于均值对称的。
也就是说，如果均值是μ，那么在μ 左侧和右侧相同距离处的数据出现的频率是相等的。
2、集中性大部分数据都集中在均值附近。
这反映了在许多情况下，一个典型的或者最常见的值是存在的。
3、均匀变动性从均值向两侧，曲线的下降是均匀的。
这意味着数据的变化是相对平稳和有规律的。
三、正态分布的数学表达式正态分布的概率密度函数可以用下面的公式来表示：f(x) ＝（1 ／（σ √（2π)）） e^（（（x μ)＾2 ／（2σ^2)））在这里，μ 是均值，σ 是标准差，π 是圆周率，e 是自然常数。
这个公式看起来可能有点复杂，但它精确地描述了正态分布的形状和特征。
四、正态分布的应用1、质量控制在生产过程中，例如制造零件，产品的某些质量指标往往服从正态分布。
通过对这些指标的监控和分析，可以判断生产过程是否稳定，是否需要进行调整。
2、考试成绩学生的考试成绩通常也近似符合正态分布。
这有助于教师评估教学效果，确定合理的分数段和等级划分。
3、金融领域股票价格的波动、收益率等常常呈现正态分布的特征。
投资者可以利用这一特点进行风险评估和投资决策。
4、医学研究例如人体的生理指标，如血压、身高体重指数等，很多都符合正态分布。
这对于疾病的诊断和预防具有重要意义。
五、如何计算正态分布的概率为了计算给定区间内的概率，我们通常需要借助数学表或者使用统计软件。
例如，要计算某个值 x 以下的概率，可以通过将 x 标准化为 z 分数：z ＝（x μ) ／σ然后，查找标准正态分布表来获取对应的概率。
正态分布讲解(含标准表)
2．4正态分布复习引入：总体密度曲线:样本容量越大，所分组数越多，各组的频率就越接近于总体在相应各组取值的概率．设想样本容量无限增大，分组的组距无限缩小，那么频率分布直方图就会无限接近于一条光滑曲线,这条曲线叫做总体密度曲线． 总体密度曲线b 单位O 频率/组距a它反映了总体在各个范围内取值的概率．根据这条曲线，可求出总体在区间(a ，b )内取值的概率等于总体密度曲线，直线x =a ，x =b 及x 轴所围图形的面积．观察总体密度曲线的形状，它具有“两头低，中间高，左右对称”的特征，具有这种特征的总体密度曲线一般可用下面函数的图象来表示或近似表示：22()2,1(),(,)2x x e x μσμσϕπσ--=∈-∞+∞ 式中的实数μ、)0(>σσ是参数，分别表示总体的平均数与标准差，,()x μσϕ的图象为正态分布密度曲线,简称正态曲线．讲解新课：一般地，如果对于任何实数a b <，随机变量X 满足,()()b aP a X B x dx μσϕ<≤=⎰, 则称 X 的分布为正态分布（normal distribution ) ．正态分布完全由参数μ和σ确定，因此正态分布常记作),(2σμN ．如果随机变量 X 服从正态分布，则记为X ～),(2σμN .经验表明，一个随机变量如果是众多的、互不相干的、不分主次的偶然因素作用结果之和，它就服从或近似服从正态分布．例如，高尔顿板试验中，小球在下落过程中要与众多小木块发生碰撞，每次碰撞的结果使得小球随机地向左或向右下落，因此小球第1次与高尔顿板底部接触时的坐标 X 是众多随机碰撞的结果，所以它近似服从正态分布．在现实生活中，很多随机变量都服从或近似地服从正态分布．例如长度测量误差；某一地区同年龄人群的身高、体重、肺活量等；一定条件下生长的小麦的株高、穗长、单位面积产量等；正常生产条件下各种产品的质量指标（如零件的尺寸、纤维的纤度、电容器的电容量、电子管的使用寿命等）；某地每年七月份的平均气温、平均湿度、降雨量等；一般都服从正态分布．因此，正态分布广泛存在于自然现象、生产和生活实际之中．正态分布在概率和统计中占有重要的地位．说明:1参数μ是反映随机变量取值的平均水平的特征数，可以用样本均值去佑计；σ是衡量随机变量总体波动大小的特征数，可以用样本标准差去估计．2.早在 1733 年，法国数学家棣莫弗就用n ！的近似公式得到了正态分布．之后，德国数学家高斯在研究测量误差时从另一个角度导出了它，并研究了它的性质，因此，人们也称正态分布为高斯分布．2．正态分布),(2σμN ）是由均值μ和标准差σ唯一决定的分布 通过固定其中一个值，讨论均值与标准差对于正态曲线的影响3．通过对三组正态曲线分析，得出正态曲线具有的基本特征是两头底、中间高、左右对称 正态曲线的作图，书中没有做要求，教师也不必补上 讲课时教师可以应用几何画板，形象、美观地画出三条正态曲线的图形，结合前面均值与标准差对图形的影响，引导学生观察总结正态曲线的性质4．正态曲线的性质：（1）曲线在x 轴的上方，与x 轴不相交（2）曲线关于直线x=μ对称（3）当x=μ时，曲线位于最高点（4）当x ＜μ时，曲线上升（增函数）；当x ＞μ时，曲线下降（减函数） 并且当曲线向左、右两边无限延伸时，以x 轴为渐近线，向它无限靠近（5）μ一定时，曲线的形状由σ确定σ越大，曲线越“矮胖”，总体分布越分散；σ越小．曲线越“瘦高”．总体分布越集中：五条性质中前三条学生较易掌握，后两条较难理解，因此在讲授时应运用数形结合的原则，采用对比教学5．标准正态曲线:当μ=0、σ=l 时，正态总体称为标准正态总体，其相应的函数表示式是2221)(x e x f -=π，（-∞＜x ＜+∞）其相应的曲线称为标准正态曲线标准正态总体N （0，1）在正态总体的研究中占有重要的地位 任何正态分布的概率问题均可转化成标准正态分布的概率问题讲解范例：例1．给出下列三个正态总体的函数表达式，请找出其均值μ和标准差σ （１）),(,21)(22+∞-∞∈=-x e x f x π（２）),(,221)(8)1(2+∞-∞∈=--x e x f x π （３）22(1)2(),(,)2x f x e x π-+=∈-∞+∞ 答案：(1)0，1；(2)1，2；(3)-1，0.5例2求标准正态总体在（-1，2）内取值的概率．解：利用等式)()(12x x p Φ-Φ=有)([]}{11)2()1()2(--Φ--Φ=-Φ-Φ=p=1)1()2(-Φ+Φ=0.9772＋0.8413－1=0.8151．1.标准正态总体的概率问题: xy对于标准正态总体N （0，1），)(0x Φ是总体取值小于0x 的概率，即 )()(00x x P x <=Φ， 其中00>x ，图中阴影部分的面积表示为概率0()P x x < 只要有标准正态分布表即可查表解决.从图中不难发现:当00<x 时，)(1)(00x x -Φ-=Φ；而当00=x 时，Φ（0）=0.5 2.标准正态分布表标准正态总体)1,0(N 在正态总体的研究中有非常重要的地位，为此专门制作了“标准正态分布表”．在这个表中，对应于0x 的值)(0x Φ是指总体取值小于0x 的概率，即)()(00x x P x <=Φ，)0(0≥x ．若00<x ，则)(1)(00x x -Φ-=Φ．利用标准正态分布表，可以求出标准正态总体在任意区间),(21x x 内取值的概率，即直线1x x =，2x x =与正态曲线、x 轴所围成的曲边梯形的面积1221()()()P x x x x x <<=Φ-Φ． 3．非标准正态总体在某区间内取值的概率:可以通过)()(σμ-Φ=x x F 转化成标准正态总体，然后查标准正态分布表即可 在这里重点掌握如何转化 首先要掌握正态总体的均值和标准差，然后进行相应的转化4.小概率事件的含义发生概率一般不超过5％的事件，即事件在一次试验中几乎不可能发生假设检验方法的基本思想:首先，假设总体应是或近似为正态总体，然后，依照小概率事件几乎不可能在一次试验中发生的原理对试验结果进行分析假设检验方法的操作程序，即“三步曲”一是提出统计假设，教科书中的统计假设总体是正态总体；二是确定一次试验中的a 值是否落入(μ-3σ，μ+3σ)；三是作出判断讲解范例：例1. 若x ～N (0,1),求(l)P (-2.32<x <1.2)；(2)P (x >2).解：(1)P (-2.32<x <1.2)=Φ(1.2)-Φ(-2.32)=Φ(1.2)-[1-Φ(2.32)]=0.8849-(1-0.9898)=0.8747.(2)P (x >2)=1-P (x <2)=1-Φ(2)=l-0.9772=0.0228.例2．利用标准正态分布表，求标准正态总体在下面区间取值的概率：(1)在N(1,4)下，求)3(F（2）在N （μ，σ2）下，求Ｆ（μ－σ，μ＋σ）；Ｆ（μ－1.84σ，μ＋1.84σ）；Ｆ（μ－2σ，μ＋2σ）；Ｆ（μ－3σ，μ＋3σ） 解：（１）)3(F ＝)213(-Φ＝Φ（1）＝0.8413 （２）Ｆ（μ＋σ）＝)(σμσμ-+Φ＝Φ（1）＝0.8413 Ｆ（μ－σ）＝)(σμσμ--Φ＝Φ（－1）＝１－Φ（1）＝１－0.8413＝0.1587 Ｆ（μ－σ，μ＋σ）＝Ｆ（μ＋σ）－Ｆ（μ－σ）＝0.8413－0.1587＝0.6826Ｆ（μ－1.84σ，μ＋1.84σ）＝Ｆ（μ＋1.84σ）－Ｆ（μ－1.84σ）＝0.9342Ｆ（μ－2σ，μ＋2σ）＝Ｆ（μ＋2σ）－Ｆ（μ－2σ）＝0.954Ｆ（μ－3σ，μ＋3σ）＝Ｆ（μ＋3σ）－Ｆ（μ－3σ）＝0.997对于正态总体),(2σμN 取值的概率：68.3%2σx 95.4%4σx 99.7%6σx在区间（μ-σ，μ+σ）、（μ-2σ，μ+2σ）、（μ-3σ，μ+3σ）内取值的概率分别为68.3%、95.4%、99.7% 因此我们时常只在区间（μ-3σ，μ+3σ）内研究正态总体分布情况，而忽略其中很小的一部分 例3．某正态总体函数的概率密度函数是偶函数，而且该函数的最大值为π21，求总体落入区间（－1.2，0.2）之间的概率解：正态分布的概率密度函数是),(,21)(222)(+∞-∞∈=--x e x f x σμσπ，它是偶函数，说明μ＝0，)(x f 的最大值为)(μf ＝σπ21，所以σ＝1，这个正态分布就是标准正态分布( 1.20.2)(0.2)( 1.2)(0.2)[1(1.2)](0.2)(1.2)1P x -<<=Φ-Φ-=Φ--Φ=Φ+Φ- 教学反思：1．在实际遇到的许多随机现象都服从或近似服从正态分布 在上一节课我们研究了当样本容量无限增大时，频率分布直方图就无限接近于一条总体密度曲线，总体密度曲线较科学地反映了总体分布 但总体密度曲线的相关知识较为抽象，学生不易理解，因此在总体分布研究中我们选择正态分布作为研究的突破口 正态分布在统计学中是最基本、最重要的一种分布 2．正态分布是可以用函数形式来表述的 其密度函数可写成：22()21(),(,)2x f x e x μσπσ--=∈-∞+∞， （σ＞0）由此可见，正态分布是由它的平均数μ和标准差σ唯一决定的 常把它记为),(2σμN 3．从形态上看，正态分布是一条单峰、对称呈钟形的曲线，其对称轴为x=μ，并在x=μ时取最大值 从x=μ点开始，曲线向正负两个方向递减延伸，不断逼近x 轴，但永不与x 轴相交，因此说曲线在正负两个方向都是以x 轴为渐近线的4．通过三组正态分布的曲线，可知正态曲线具有两头低、中间高、左右对称的基本特征。
《正态分布》教学课件(32张PPT)
正态密度曲线的图像特征
方差相等、均数不等的正态分布图示
μ=0 μ= -1
μ= 1
σ=0.5
若 固定
, 随 值
的变化而
沿x轴平
移, 故
称为位置
参数；
3 1 2
正态密度曲线的图像特征
μ=0
均数相等、方差不等的正态分布图示
若 固定,
=0.5
大时, 曲线 矮而胖；
小时, 曲
在下列哪个区间内？（ A）
A. (90,110] B. (95,125] C. (100,120] D.(105,115]
2、已知X~N (0,1)，则X在区间 (, 2) 内取值的概率
等于（ D ） A.0.9544 B.0.0456 C.0.9772 D.0.0228 3、设离散型随机变量X~N(0,1),则P(X 0)= 0.5 ,
120.68260.3413, P ( 6 x 7 ) P ( 5 x 7 ) P ( 5 x 6 )
0 . 4 7 7 2 0 . 3 4 1 3 0 . 1 3 5 9 .
5、把一个正态曲线a沿着横轴方向向右移动2个单位， 得到新的一条曲线b。下列说法中不正确的是（ ）
P(2X2)= 0.9544 .
4、若X~N(5,1),求P(6<X<7).
27
4、若X~N(5,1),求P(6<X<7).
解:因为X～N(5,1), 5,1.
又因为正态密度曲线关于直线 x=5 对称 ,P(5x7)1 2P(3x7)1 2P(521x521)
120.95440.4772, P(5x6)1 2P(4x6)
μ= -1
y σ=0.5
- 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)。
正态分布的推导
斯特林(Stirling)公式的推导
斯特林（Stirling）公式：
这个公式的推导过程大体来说是先设一个套，再兜个圈把结果套进来，同时把公式算出来。
Stirling太强了。
1，Wallis公式
证明过程很简单，分部积分就可以了。
由x的取值可得如下结论：
即
化简得
当k无限大时，取极限可知中间式子为1。
所以
第一部分到此结束，k!被引入一个等式之中。
2，Stirling公式的求解
继续兜圈。
关于lnX的图像的面积，可以有三种求法，分别是积分，内接梯形分隔，外切梯形分隔。
分别是：
显然，
代入第一部分最后公式得
（注：上式中第一个beta为平方）
所以得公式：
正态分布推导
在一本俄国的概率教材上看到以下一段精彩的推导，才知道原来所谓正态分布并不是哪位数学家一拍脑门想起来的。
记得大学时的教材上只告诉了我们在抽样实验中当样本总量很大时，随机变量就服从正态分布，至于正态分布是怎么来的一点都不提。
大学之前，我始终坚信数学是世界上最精致的艺术。
但是上了大学之后，发现很多数学上很多问题教材中都是语焉不详，而且很多定义没有任何说明的就出来了，就像一致连续，一致收敛之类的，显得是那么的突兀。
这时候数学就像数学老师一样蛮横，让我对数学极其反感，足足有四年之久。
只到前些日子，在CSDN上读到孟岩的一篇并于矩阵的文章，才重新对数学发生兴趣。
最近又读到了齐民友所写的《重温微积分》以及施利亚耶夫所写的《概率》，才知道原来每一个定义，和每一个定理都有它的价值和意义。
前几天在网上遇到老文，小小的探讨了一下这个问题，顺便问起他斯特林公式的证明过程。
他说碰巧最近很是在研究这个公式，就写出来放在百度上以供来者瞻仰吧。
于是就有了这篇文章：
斯特林(Stirling)公式的推导
如果哪位在读本篇之前想要知道斯特林公式是怎么来的，请阅读之。
本来是想和老文一块发的，怎奈一个小小的公式编辑器让我费了两个晚上才搞定。
于是直至今日，方才有这篇小文字。
本篇是斯特林公式的一个应用。
本篇的推导全部抄自施利亚耶夫著《概率》，本文的证明完成了棣莫弗——拉普拉斯定理推导的前半部分，后半部分以及其与伯努利大数定律的关系在以后再往上贴吧。
其实也不是很难，自己动动手也是能推出来的。
这次推导可以说是“连续性随机变量”第一次出现在该书中，作为理解连续性随机变量的基础，正态分布是十分重要的。
斯特林公式：
根据斯特林公式,
因此
对于0<x<1
注意到
这个结论也可以表述为以下的形式：
假如设
这里只给出等价关系，离相等还差一步。
如果中间画了等号，那么公式就是大家所熟悉的棣莫弗——拉普拉斯定理了，即二项分布以正态分布为极限分布。
从等价到相等，也没什么难的了，反正就是微积分证明的主要思路——略去高阶无穷。
这里就不再给出了吧。
---------------------
不好意思,以前漏了个条件
k满足|k-np|=o(npq)的2/3次方这个条件是原来给定的条件，而不是推导出来的．这个条件的意义是保证二项分布的 p 和 q 不会太小. 比如考虑一个极端的情况 p->0 ,那么上面的推导就不成立了.
欢迎您的下载，
资料仅供参考！
致力为企业和个人提供合同协议，策划案计划书，学习资料等等
打造全网一站式需求。