第二章之 正态分布.ppt

正态分布 —密度函数 正态分布 —密度函数图 正态分布 —分布函数 标准正态分布 —N(0,1) 正态分布与标准正态分布的关系 正态分布 —有关概率的计算问题 例1 例2 例3 作业P36 12,13,14 正态随机变量的线性组合 —再生性 正态随机变量的线性组合 例4 例5 4.2 中心极限定理 依分布收敛与中心极限定理 —依分布收敛 依分布收敛与中心极限定理 —中心极限定理的内容 依分布收敛与中心极限定理 —中心极限定理的意义 依分布收敛与中心极限定理 —大数定律与中心极限定理的异同 两个常用的中心极限定理 —林德伯格—莱维定理 例6 例7 两个常用的中心极限定理 —德莫佛——拉普拉斯定理 概率计算公式 近似计算公式 近似计算公式 例8 例9 * * 性质(1)曲线关于x=?对称. (2)当x=?时取到最大值. (3)固定?,改变?，曲线沿Ox轴平移；固定?,改变?,曲线变得越尖，因而X落在?附近的概率越大. 分布函数 将一温度调节器放置在存储着某种液体的容 器内，调节器定在d℃，液体的温度X（以℃计） 是一个随机变量，且X～N(d,0.52). (1)若d=90，求X89的概率； (2)若要求保持液体的温度至少为80的概率不低于 0.99，问d至少为多少？ 设X～N(?,?2)， 由?(x)的函数表得到： P{?-? X?+?}=?(1)-?(-1)=2?(1)-1=68.26﹪， P{?-2? X?+2?}=?(2)-?(-2)=2?(2)-1=95.44﹪， P{?-3? X?+3?}=?(3)-?(-3)=2?(3)-1=99.74﹪， 可见，服从正态分布的随机变量虽然取值在 (-∞，+∞),但其值落在(?-3?，?+3?)内几乎是可以肯定的.这就是“3? ”法则. 1.282 1.645 1.960 2.326 2.576 3.090 0.10 0.05 0.025 0.01 0.005 0.001 α 依分布收敛与中心极限定 两个常用的中心极限定理 　　 正态分布是现实生活中使用最多、最广泛、最重要的一种分布. 许多随机变量本身并不服从正态分布，但在某些的条件下，这些随机变量之和的分布的极限是正态分布，即在一定的条件下，原来不服从正态分布的随机变量的和的分布渐近地服从正态分布. 中心极限定理为利用正态分布来解决这类随机变量的问题提供了理论依据. 　　 它们的相同点是，都是通过极限理论来研究概率问题，研究对象都是随机变量序列，解决的都是概率论中的基本问题，因而在概率论中有重要的意义. 所不同的是，大数定律研究当时，概率或平均值的极限，而中心极限定理则研究随机变量总和的分布的极限.