本文主要是介绍连续型概率分布——正态分布(一维),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
今天想总结一下正太分布,但是如果按照维基百科上面的讲法,就太过复杂了,所以这里着重讲正态分布在实际生活中的作用以及简单的计算方法,也就是高中所学过的关于正态分布的知识。
在正式开始之前,还是把维基百科上面的科普拎出来过一遍
正态分布又名高斯分布,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。
1. 正态分布的定义
如果对于任何实数a<b,随机变量X满足:
则称X的分布为正态分布。
正态分布由参数μ、σ唯一确定,μ、σ分别表示总体的平均数和标准差。正太分布记作N(μ, σ²). 其中图像称为正太曲线。
如果随机变量X服从正态分布,则记作:
X~N(μ, σ²)。(EX=μ DX=σ)
2. 正态曲线的性质
具有两头低、中间高、左右对称的基本特征。
(1)曲线在x轴的上方,与x轴不相交。
(2)曲线是单峰的,它关于直线x=μ对称。
(3)曲线在x=μ处达到峰值。
(4)曲线与x轴之间的面积为1.
(5)方差相等、平均数不等的正态分布图示
(6)平均数相等、方差不等的正态分布图示
σ越大,曲线越“矮胖”,表示总体的分布越分散;
σ越小,曲线越“瘦高”,表示总体的分布越集中。
(7)正态曲线下的概率规律(*)
- 对称区域面积相等
3. 特殊区间的概率:
若X~N(μ, σ²),则对于任何实数a>0, 概率
特别地有(熟记)
我们从上图看到,正态总体在(μ-2σ,μ+2σ)以外取值的概率只有4.6%,在(μ-3σ, μ+3σ)以外取值的概率只有0.3%。
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时间。
实际运用中就只考虑这个区间,称为3σ原则。
4. 应用举例
例1: 若X~N(5,1), 求P(6<X<7)。
解:μ=5,σ=1
正态总体在(3,7)的区间内取值的概率为0.954
正态总体在(4,6)区间内取值的概率为0.683
P(6<X<7) = (0.954-0.683)/2 = 0.1355
例2:在某次数学考试中,考生的成绩ξ服从一个正态分布,及ξ~N(90,100)。
(1)试求考试成绩ξ位于区间(70,110)上的概率是多少? 0.954
(2)若这次考试共有2000名考生,试估计考试成绩在(80,100)见的考生大约有多少人?
解: 0.683*2000 = 1366
这里主要讲的是一维正态分布,接下来会讲一下二维正态分布。
这篇关于连续型概率分布——正态分布(一维)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!