高三数学课件正态分布l高三数学课件

正态分布1、回顾样本的频率分布与总体分布的关系：由于总体分布通常不易知道，我们往往是用样本的频率分布（即频率分布直方图）去估计总体分布。一般样本容量越大,这种估计就越精确。2、从上一节得出的100个产品尺寸的频率分布直方图可以看出，当样本容量无限大，分组的组距无限缩小时，这个频率直方图就会无限接近于一条光滑曲线----总体密度曲线。一、复习3、观察上节总体密度曲线的形状，有什么特征？而具有这种特征的总体密度曲线，一般可用一个我们不很熟悉的函数来表示或近似表示其解析式。二、正态分布（1）正态函数的定义产品尺寸的总体密度曲线具有“中间高，两头低”的特征，像这种类型的总体密度曲线，一般就是或近似地是以下一个特殊函数的图象：①xexfx,,21222式中的实数是参数，0、分别表示总体的平均数与标准差。总体标准差是衡量总体波动大小的特征数，常用样本标准差去估计;,2DE（2）正态分布与正态曲线若总体密度曲线就是或近似地是函数：,,21222xexfx的图象则其分布叫正态分布，常记作：。2,Nxf的图象称为正态曲线。画出三条正态曲线：;5.0,1)1(;1,0)2(;2,1)3(正态曲线具有两头低、中间高、左右对称的基本特征。当时，正态总体称为标准正态总体，相应的函数表达式是：相应的曲线称为标准正态曲线。1,0Rxexfx,2122（3）正态曲线的性质观察：性质：轴不相交；轴的上方，与曲线在xx①向它无限靠近。轴为渐进线，无限延伸时，以且当曲线向左、右两边时，曲线下降。并时，曲线上升；当当xxx③时位于最高点；对称，且在曲线关于直线xx②性质：轴不相交；轴的上方，与曲线在xx①向它无限靠近。轴为渐进线，无限延伸时，以且当曲线向左、右两边时，曲线下降。并时，曲线上升；当当xxx③时位于最高点；对称，且在曲线关于直线xx②确定。一定时，曲线的形状由当④散；，表示总体的分布越分越大，曲线越“矮胖”总体的分布越集中；曲线越“瘦高”，表示越小,（4）服从正态分布的总体特征产品尺寸这一典型总体，它服从正态分布。它的特征：生产条件正常稳定，即工艺、设备、技术、操作、原料、环境等可以控制的条件都相对稳定，而且不存在产生系统误差的明显因素。一般地，当一随机变量是大量微小的独立随机因素共同作用的结果，而每一种因素都不能起到压倒其他因素的作用时，这个随机变量就被认为服从正态分布。（5）标准正态分布表由于标准正态总体在正态总体的研究中有非常重要的地位，已专门制作了“标准正态分布表”见p58。1,0N看表：表中，相应于的值是指总体取值小于的概率，即：0x0x)(0x,00xxPx如图中，左边阴影部分：由于标准正态曲线关于轴对称，表中仅给出了对应与非负值的值。y0x0x如果，那么由下图中两个阴影部分面积相等知：00x.100xx利用这个表，可求出标准正态总体在任一区间内取值的概率。21,xx12xxp即，可用如图的蓝色阴影部分表示。公式：例1：求标准正态总体在内取值的概率。2,1解：,12xxp利用等式有：12p11211218413.09772.0.8185.0对于一般的正态总体，在任一区间内的取值概率如何进行计算呢？可否通过查正态分布表来求出它呢？2,Nba,（6）正态总体，在任一区间取值概率。2,N一般的正态总体，均可以化为标准正态总体来研究。2,N1,0N对任一正态总体来说，取值小于的概率：2,Nx.xxF例2：已知正态总体,求取值小于3的概率.)4,1(N解:.8413.012133F例3:分别求正态总体在区间:内取值的概率.2,N、,、2,2、3,31F1F所以，正态总体在区间:内取值的概率是：2,N、,11211FF;683.018413.02解：例3:分别求正态总体在区间:内取值的概率.2,N、,、2,2、3,3954.02222FF解：同理，正态总体在区间:内取值的概率是：2,N、2,2正态总体在区间:内取值的概率是：2,N、3,3.997.03333FF上述计算结果可用下表和图来表示：区间取值概率,2,23,3oo3.68oo4.95oo7.99（7）假设检验方法的基本思想；①小概率事件的含义：我们从上图看到，正态总体在以外取值的概率只有4.6％，在以外取值的概率只有0.3％。2,23,3由于这些概率值很小（一般不超过5％），通常称这些情况发生为小概率事件。即事件在一次试验中几乎不可能发生。例4：某厂生产的圆柱形零件的外直径ξ服从正态分布，质检人员从该厂生产的1000件零件中随机抽查一件，测得它的外直径为5.7cm，试问该厂生产的这批零件是否合格？25.0,4N解：25.04，服从正态分布由于N由正态分布的性质知，概率只有之外取值的在，正态分布003，.05.03×4,5.03×425.04N5.5,5.27.5而这说明在一次试验中，出现了几乎不可能发生的小概率事件.据此可认为该批零件是不合格的。