论正态分布的重要地位和应用2要点
学部：工学部
学生姓名：王梅影
学号：2011070102021
年级：2011级
专业班级：信息与计算科学
指导教师：赵姣珍职称：讲师完成时间：2015/5/15
中国·贵州·贵阳
成果声明
本人的毕业论文是在贵州民族大学人文科技学院赵姣珍老师的指导下独立撰写并完成的。毕业论文没有剽窃、抄袭、造假等违反学术道德、学术规范和侵权行为，除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律结果由本人承担。
论文作者签名：
日期年月日
目录
摘要 (1)
Abstract (2)
1绪论 (3)
1.1研究背景 (3)
1.2研究目的 (3)
1.3研究现状 (4)
1.4研究意义 (4)
2 正态分布相关知识介绍 (5)
2.1正态分布的概念 (5)
2.2正态分布曲线特性 (5)
2.3 标准正态分布 (8)
3 正态分布的应用 (9)
3.1 正态分布应用实例 (9)
3.1.1 正态分布在生产中的应用 (9)
3.1.2正态分布在日常生活中的应用 (10)
3.1.3正态分布在销售分类中的应用 (11)
3.1.4正态分布在工作学习中的应用 (12)
3.1.5 正态分布在仪器测量中的应用 (12)
3.2 正态分布的应用价值 (14)
总结 (15)
参考文献 (16)
致谢 (17)
摘要：正态分布是一种最常见的连续型随机变量的分布,是概率论中最重要的一中分布.在理论上和实际生活中正态分布具有重要地位，数理统计中的正态分布是很多重要问题的解决的基础，在理论研究中占有举足轻重的地位.本文首先针对正态分布这一理论研究与实际应用都占有重要地位的概率分布展开分析研究，从其基本概念出发，然后分析其特性以及各种应用价值，最后通过一系列研究给出正态分布具有重大作用的理论依据.
关键词：正态分布标准正态分布方差标准差
Abstract: The normal distribution is the most common distribution of a continuous random variable whether in theoretical research or practical application. It occupies pride of place in that it has a wide application in the field . It can solve many important problems in the mathematical statistics which based on the normal distribution for the normal distribution, so in theory to study the normal distribution.This paper analysis the normal probability distribution according to the theoretical research and practical application which occupy an important position in many science fields from the basic concept, analysis and application value of its characteristics. The theoretical basis is given through a series of studies on the normal distribution has a significant role.
Key words: The normal distribution Standard distribution The curve Standard deviation
1绪论
1.1研究背景
随机现象存在于自然界和人类生活中的每一个角落，因此概率论在现实中的应用非常之广泛，而在概率论中的最主要的一个分支就是正态分布（Normal distribution），正态分布不仅在金融、精算以及保险等新型领域中占有重要地位，而且对于医学、物理学、生物学等领域的影响也是不可忽略的.
正态分布又被称为高斯分布，正态分布在统计学科、数学领域、自然生物领域都有着极其关键作用的概率分布.我们假设连续性随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2).μ决定了正态分布的期望值，其标准差σ决定了分布的幅度.由于正态分布的曲线也称为钟形曲线.在日常的学习研究之中，标准正态分布，它是μ =0,σ = 1的正态分布.
正态分布是我们生活中不可或缺的一部分，如果能够充分理解它，它能够带来的利益也是无法估量的.作为新时代的大学生，很好地掌握正态分布的原理并能够将其运用于社会生活中，是我们的一个任务，为此对正态分布进行系统的学习和研究.
1.2研究目的
正态分布是统计方法的理论中最为基础的部分，是不以人类的意志而转移的统计规律，具有统一的函数表达式.
正态分布在实际生活中，存在着很多服从正态分布的例子,.比如测量产品的误差、产品质量的测量，农业作物的产量等.
服从正态分布的随机变量应用非常之广.没有任何一种随机变量可以相比较.所以，我们需要对正态分布进行深入广泛的研究.为了能够更好地掌握正态分布，让其能够更好地被应用生活之中，为人类谋取更多的福利，对其在理论和应用方面进行了系统的研究以求进一步的了解正态分布的奥秘.
1.3研究现状
正态分布概念首先由数学家De Moivre发现引入并提出，然后直到1809年，德国数学家Gauss将其应用于自然科学的广泛研究，因此又被称作高斯分布.正态分布最早是通过进行误差分析而发现的.进入近代统计时代，拉普拉斯首次提出了概率论的古典定义，把概率论的理论作为基本理论，再次进行了中心极限定理的证明，进一步完善了观测误差论，在前人的基础上进行了一次伟大的改革.19世纪50年代凯特莱运用大量的概率论原理对自然和社会现象进行测量，然后统计出大数据，这些数据反映出来的规律可以体现事物的变化，甚至可以预测未来事件发生的可能性.随后凯特莱有对正态曲线进行了拓展，高尔顿对正态分布进行了创新.
19世纪起，以马尔可夫和切比雪夫为代表的数学家通过引入随机变量的盖帘，建立了随机变量的独立性和非独立性的标准，提出了收敛到正态分布的充要条件.到达20世纪，通过哥赛特，费歇尔等人的努力，小样本理论诞生了，正态分布的地位得到了进一步的巩固.20世纪后，统计学家在实验中获得的数据越来越精确，由统计分析得到的结论得到了普遍认可.
1.4研究意义
正态分布具有极其广泛的实际应用背景，在人们的各种生产生活以及科学实验当中，有大量的随机变量的概率分布特性都可以近似的用正态分布来描述.当我们描述某一件事或者某一个要达到的目标时，大部分的个体所发挥出来的特性都能够很好地服从正态分布.这也就是说，对于大量的个体的特性统计分析，可以尝试利用正态分布来估量.
除此之外，正态分布也可应用到解决现实生活问题，产品质量管理、人体生理的特征及学生的综合素质等多领域都可以用正态分布进行研究.
因此，正态分布作为一种最常见的连续型随机变量的分布，不仅在概率论和数理统计的理论研究中有重要地位，而且在实际应用上也有着重要研究价值.充分研究正态分布在理论和应用中的重要定位，可以让我们充分学习到正态分布的理论知识，站在前人的肩膀上获得最好的研究成果.有利于在今后的研究中少走弯路，为今后研究打好基石.
2 正态分布相关知识介绍
2.1正态分布的概念
正态分布又被称作高斯（Gauss ）分布或常态分布.正态分布曲线的两边低，中央是高峰，逐渐下降至两侧，左右呈现对称的，曲线不与横轴相交.
设连续型随机变量ξ的密度函数为:
()()22
221
σμπσ?--=x e x ()x -∞<<+∞ (2.1)
(其中μσ、是常数,且 0σ>,μ为所研究的正太总体平均值,σ为标准差,x 为随机抽
取得正态分布中的样本值).则称随机变量ξ服从参数为μσ、的正态分布,记作()2,~σμξN ，正态分布密度函数的图形如下图所示，这条曲线应称作“正态分布曲线”.
图2-1 正态密度曲线分布图
2.2正态分布曲线特性
对上式（2.1）进行一定的数学计算处理：
对式（2.1）求导，可得：
)(21
)(22
2)(3μπσ?σμ-?-='--x e x x （2.2）
令()0='x ?,则有x μ=,即当x μ=时, ()x ?有极大值
max ()x ?=
对式（2.2）求导有: ()()()[]22252221σμπσ?σμ--?=
''--x e x x (2.3) 令()0=''x ?,则有()22x μσ-= ,即曲线在:x μσ=±可以看到拐点，而且有两个.
表2-1 正态曲线的特性表
)对正态分布整体特性做了一定的介绍之后，下面对参数当μ和σ的意义进行阐释，当它们确定后，正态曲线就几乎能够得到了完全的确定.μ和σ 不同，μ的大小决定曲线的“高”、“矮”、“胖”、“瘦”，如果μ不变，改变σ，则曲线在x 轴上的位置不变，形状会变化，σ愈小，曲线愈“高瘦”；σ越大，曲线越“矮胖”，如图2-3所示； 如果σ不变，改变μ，那么曲线形状不变，只在x 轴上平行移动如图2-2所示：
图2-2 正态曲线的特性图
图2-3 正态曲线的密度函数图
我们从几何的角度对上图进行分析，在上图中，μ是高斯曲线取得极大值的横坐标、σ是曲线中拐点横坐标与极大值坐标μ间的距离，也能够说σ是凸、凹曲线的连接点在横坐标轴的位置；
从物理的角度对上图进行分析，在上图中，μ是正态曲线与x轴之间所构成的平面图形重心的横坐标.在计量学科中，μ是被测量的随机变量的真值，σ是表征随机变量对象测量值分散特性的一个评价尺度因素.在数理统计学科中，μ被称为数学期望也就是平均值，σ是随机变量的标准偏差.当σ的值越小，说明观测值落在μ所在横坐标左右范围的概率越大，观测值较集中，测量精度相对较高；σ的值越大，说明观测值落在μ所在横坐标左右范围内的概率越小，观测值较分散，测量精度偏低.
综上所述，正态分布的参数μ代表着随机变量样本观测值的集中的趋势,参数σ反映了随机变量样本观测值的分散程度.
2.3 标准正态分布
称1,0==σμ的正态分布为标准正态分布，将1,0==σμ代入(2.1)式可以得到：
()22
21
x e x -=π? ()x -∞<<+∞
(2.4) 式(2.4)为标准正态分布的密度函数，服从标准正态分布的随机变量()2,~σμξN
通过对概率论的学习告诉我们，标准正态分布的分布函数(也叫概率分布函数)为：
()()()()dt e dt t x P x P x F t x x 22
21-∞-∞-??==<<∞-=<=π?ξξ (2.5)
通常用()x Φ表示标准正态分布的分布函数，即：
()()()()dt e dt t x P x P x t x x 2221-∞-∞-??==<<∞-=<=Φπ?ξξ (2.6)
取不同的x 的值，式(2.6)的几何意义是在区间(),x -∞内正态曲线与x 轴之间所围曲边梯形的面积,如图所示,
图2-4 标准正态分布的分布函数图
这也是将“正态分布表”称作“正态概率曲线下的面积”的道理.
由于密度函数()x ?可以在整个x 轴上取值，密度函数性质得:
12122
=-∞
+∞-?dt e t π
即迎合了正态曲线的一个性质：线与x 轴所围面积为l.
3 正态分布的应用
3.1 正态分布应用实例
3.1.1 正态分布在生产中的应用
正态分布实际应用很广，在很多产品生产及科学实验中，随机变量的概率分布特性都可以近似的用正态分布来描述.对于大量的个体的特性统计分析，可以尝试利用正态分布来估量.
例3.1 有一种螺纹量规平均可使用5年,其标准差为0.8年.假设螺纹量规的使用寿命服从正态分布,试求以下概率:1)使用期不到4年;2)使用期超过6年.
解 设量规使用期为随机变量ξ,由题意知()28.0,5~N ξ,本题求()()46P P ξξ<>和
1) 根据公式有:
()()()44544 1.250.10560.8P P μξξσ--????<=-∞<<=Φ=Φ=Φ-= ? ?????
, 或由公式可得
()()()()4045054040.80.81.25 6.250.105600.1056
P P μμξξσσ----????????<=<<=Φ-Φ=Φ-Φ ? ? ? ?????????=Φ--Φ-=-=,
2) 根据公式有
()()()6561611 1.2510.89440.10560.8P P ξξ-??>=-≤=-Φ=-Φ=-= ???
. 例3.2 某车间加工一批轴,其直径服从正态分布,平均直径μ=l0mm ,标准差
σ=0.015mm .规定直径在(10±
0.03)mm 范围内为合格品.求:1)不合格品的概率;2)合格品的概率.
解 设这批轴的直径为随机变量ξ,由题意知()015.0,10~N ξ.03.10>ξ和97.9<ξ为不合格品.
1) ()()()9.97109.9710.03110
.030.015不合格P P P P ξξξ-??=<+>=Φ+-≤?? ????? ()()()()()()10.031021212[12]12
0.015222220.977250.0455-??=Φ-+-Φ=Φ-+-Φ=-Φ+-Φ ???
=-Φ=-
?= 2) ()10.03109.97109.9710.030.0150.015合格P P ξ--????=<<=Φ-Φ ? ????? ()()()2222120.9772510.9545=Φ-Φ-=Φ-=?-=,
或 110.04550.9
P P =-=-=合格不合格. 即
975.002.0=??
? ??Φd .
3.1.2正态分布在日常生活中的应用
在自然界以及人类自然生活中,很多的实践经验证实，正态分布这种随机变量的概率分布的应用是十分广泛的，十分常见.例如：人的身高、体重、生物的生理尺寸等外观评估指标.随机测量误差指标等，都能够看作是近似服从的正态分布.
（1）已知某条件下的概率,求参数μ 和σ
例3.3 有一群男子,4％的身高在m 608.1以下,有52％在m 608.1到m 753.1之间.若身高成正态分布,求这一分布的平均值和标准差.
解 由题意得:
()()???
????=+=??? ??-Φ=<=??? ??-Φ=<56.052.004.0753.1753.104.0608..1608.1σμξσμξP P ,
由概率值0.04和0.56反查正态分布表得: ??
???=--=-15.0753.175.1608.1σμσμ, 化为:
???=--=+-0
15.0753.1075.1608.1σμσμ, 解得:
()()?
??==m m 742.1076.0μσ, 即这群男子平均身高为m 742.1,标准差为mm 076.0.
(2)已知 μ,σ 和区问(a,b)内的变量数,求总变量数
例3.4 某天中午一餐厅所有顾客吃饭用的钱服从正态分布,平均数为8.74元,标准差为1.2元.这天中午有420人吃午饭用了8.5元或更多,问一共来了多少顾客？
解 ()()()5793.04207.012.012.174.85.815.815.8=-=-Φ-=??
? ??-Φ-=≤-=>ξξP P 故总顾客数为: 7255793.0420=÷=ξ(人).
3.1.3正态分布在销售分类中的应用
例3.5 某水果重量成正态分布,现进行分级,20％为小的,55％为中等,15％为大，10％为特大.所有水果平均重量为241.5g ,标准差为60g ,求中等水果的下限与上限的重量.
解 由题意知,中等水果下限下x 以下的概率为0.20,上限为上x 以下的概率为
(0.20+0.55)=0.75,于是有:
()75.0605.241=???
? ??-Φ=???? ??-Φ=<下下下x x x P σμξ
()75.0605.241=???
? ??-Φ=???? ??-Φ=<上上上x x x P σμξ 84.0605.241-=-下x 675.060
5.241=-上x 反查正态分布表得:
g x 1.19184.0605.241=?-=下 g x 282675.0605.241=?+=上
即中等水果下限重量为191g ,上限为282g .
3.1.4正态分布在工作学习中的应用
正态分布不仅是概率论与数理统计的一种基本研究工具，也可以将它应用到解决考试成绩与学生综合素质研究的现实生活问题当中.
例3.6 某公司对职工进行基本理论考试,决定给14％ 的人以优.由以往经验知考试成绩成正态分布,平均分数为80分,标准差为14分,问职工至少考多少分方能得优?
解 设至少考x 分方能得优,由题意:
()()14.0148011=??
? ??-Φ-=<-=≥x x P x P ξξ， 86.014.011480=-=??
? ??-Φx . 反查正态分布表得:
08.114
80=-x ， 故
9508.11780=?+=x (分)
即考生至少得95分方能得优.
3.1.5 正态分布在仪器测量中的应用
正常情况下测量（或实验）误差服从正态分布（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. 可以制定参考值范围.
（1）已知μ ,σ及各范围内的概率,求某范围的上、下限
例3.7 用某量具测量(5.26±d)mm 这一尺寸.已知测量值平均数为5.26mm ,标准差为0.02mm ,测量值服从正态分布.要使测量值的95％都在公差范围内,问d 值应定为多少?
解 本题是求概率为0.95的尺寸范围.设测得的值为随机变量ξ,则()202.0,26.5~N ξ.由题意得
() 5.26 5.26 5.26 5.265.26 5.260.020.02210.950.020.020.02d d P d d d d d ξ+---????-<<+=Φ-Φ ? ???????????=Φ-Φ-=Φ-= ? ? ???????
， 反查正态分布表得:
96.102
.0=d ， 故有
mm 0392.002.096.1=?=σ.
（2）用标堆差确定所需测量次教
例3.8 用某仪器测一尺寸L,已知该仪器标准差 m μδ1=,尺寸允许的测量极限误差m μδ4.1±=,问测量一次能否达到要求？
解 因δ=1.4<3σ=3,故测量一次达不到精度要求,应进行多次测量,
由式
2
3??
? ??>δσn 得 559.44.1332
2≈=??
? ??=??? ??≥δσn ， 可见,至少要测量5次.
3.2 正态分布的应用价值
正态分布理论有很多重要的理论和应用价值：
（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.
（3）质量控制.
（4）制定医学参考值范围:医学现象中，如同质群体的身高、红细胞数，及实验中的随机误差，呈现为正态或近似正态分布；有些指标虽服从偏态分布，但经数据转换后的新变量可服从正态或近似正态分布，可按正态分布规律处理.
总结
正态分布不仅是概率论与数理统计的一种基本研究工具，也可以将它应用到解决一些现实生活问题当中.医学遗传分析、考试成绩与学生综合素质研究以及质量管理和控制等诸多领域都可以利用正态分布进行研究.
正态分布是统计方法的理论中最为基础的部分，具有统一的函数表达式.正态分布在实际应用中也扮演着不可或缺的角色.在自然界和社会中，存在着很多服从或近似服从正态分布的例子，如测量产品的误差、各类质量指标的测量，经济学中的股票价格走向的估计，生物学中农业作物收获量的猜测等等.
服从正态分布的随机变量应用之广是任何一种随机变量不可比拟的.为此，对正态分布进行更深入更广泛的研究也是必不可少的.为了能够更好地掌握正态分布，让其能够更好地被应用生活之中，为人类谋取更多的福利，对其在理论和应用方面进行了系统的研究以求进一步的了解正态分布的奥秘.
参考文献
[1] 概率论与数理统计（第三版）高等教育出版社.
[2] 龚光鲁.概率论与数理统计.清华大学出版社.
[3] 胡细宝.概率论与数理统计与随机过程.北京邮电大学出版社.
[4] 上海交大应用数学系.概率论与数理统计初步.上海交太出版社,1989.1.
[5] 沈恒范.概率论讲义[M].第2版.人民教育出版社,1983.4.
[6] 盛骤等.概率论与数理统计[M].第3版.高等教育出版社,2001.12.
[7] 范金城等.概率论与数理统计[M].西安交大出版社,2001.10月.
[8] 周富臣等.机械制造计量检测技术手册[J].机槭工业出版社. 2000.10.
[9] 王梓坤著.概率论基础及其应用[M].北京师范大学出版社，1996.
[10] 李逢高著.概率统计应用与提高[M].科学出版社，2005.
[11] 朱燕堂等著.应用概率统计方法[M].西北工业大学出版社，1997.
致谢
在历时三个月时间的努力下，我终于顺利写完了毕业论文.在这篇充满奋斗的历程中，带给我的学习生涯无限的激情和收获.
在我的论文的写作的过程中，虽然遇到了一些困难和阻碍，不过感谢在同学和老师的帮助下我都度过了.不管是在图书馆收集查找资料还是借阅书籍文献的时候，图书馆的老师都给了我许许多多的帮助.
在此，我要特别感谢我的论文指导老师——赵姣珍老师，感谢她在论文写作这三个月期间对我进行了无微不至的帮助，一次一次不厌其烦的为我进行论文的修正与改进，如果没有赵老师的悉心指导，我想我也将不会顺利的完成我的论文.同样我向所有指导过以及帮助过我的老师们表示最由衷的感谢！同时，我也要感谢本论文所引用的众多学者的著作，若没有这些学者的研究成果的启发和引导帮助，我也将无法完成我的论文.我还要感谢我的同学和朋友们，是你们给我打气给我鼓励，还给予我有价值的论文相关资料，在论文的排版及撰写过程中给予我的支持与热情的帮助！最后，由于我的专业学术水平有限，所写论文也许有些许不足，诚恳殷切地希望老师们和同学们能够给予我批评与指正！谢谢！
正态分布的性质及实际应用举例
华北水利水电学院 正态分布的性质及实际应用举例 课程名称：概率论与数理统计 专业班级：电气工程及其自动化091班 成员组成：姓名：邓旗学号： 2 姓名：王宇翔学号：1 姓名：陈涵学号：2 联系方式： 2012年5月24日
1 引言：正态分布（normal distribution）又名高斯分布（Gaussian distribution），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。本文就从正态分布的实际性质应用举例等各个方面进行简单阐述并进行探讨，使同学们能够对所掌握的知识有更清楚地认识。 2 研究问题及成果： 正态分布性质； 3原则及标准正态分布； 实际应用举例说明 摘要：正态分布是最重要的一种概率分布。正态分布概念是由德国数学家与天文学家Moivre于1733年首次提出的，但由于德国数学家Gauss率先将其应用于天文学研究，故此正态分布又称高斯分布。在许多实际问题中遇到的随机变量都服从或近似服从正态分布：在生产中，产品的质量指标，如电子管的使用寿命，电容器的电容量，零件的尺寸。铁水含磷量，纺织品的纤度和强度等一般都服从正态分布。在测量中，如大地测量，天平称量物体，化学分析某物之中某元素的含量等，测量结果一般服从正态分布。在生物学中，同一群体的某种特性指标，如某地同龄儿童的身高，体重，肺活量，在一定条件下生长的农作物的产量等一般服从正态分布。在气象学中，某地每年7月份的平均气温，平均温度以及降水量等一般也服从正态分布。总之。正态分布广泛存在于自然现象，社会现象以及生产，科学技术的各个领域中。本文就从正态分布的实际性质应用举例等各个方面进行简单阐述并进行探讨，使同学们能够对所掌握的知识有更清楚地认识。 关键词：正态分布 The nature of the normal distribution and the example of practical application
正态分布在实际生活中的应用
《概率论与数理统计》 论文 正态分布在实际生活中的应用
正态分布在实际生活中的应用 摘要： 正态分布是一个在数学、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。其密度函数为：)2/()(2221)(σμπ σ--=x e x f ，由μ、σ决定其性质。生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布来描述。例如，在生产条件不变的情况下，产品的强力、抗压强度、口径、长度等指标；还有智力测试、填报志愿等问题。 关键词：正态分布 实际应用 预测 正文： 正态分布（normal distribution ）又名高斯分布（Gaussian distribution ），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。则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。 正态分布的密度函数 ：)2/()(2221)(σμπσ--= x e x f ? f(x)为与x 对应的正态曲线的纵坐标高度； ? μ为总体均数即数学期望决定了其图像位置 ? σ为总体标准差决定了分布的幅度； ? π为圆周率，即； ? e 为自然对数的底，即。 我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。 服从正态分布的变量的频数分布由μ、σ完全决定，他还具有如下特征： 1、集中性：正态曲线的高峰位于正中央，即均数所在的位置。 2、对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。
3、均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。 4、正态分布有两个参数，即均数μ和标准差σ，可记作N（μ，σ）：均数μ决定正态曲线的中心位置；标准差σ决定正态曲线的陡峭或扁平程度。σ越小，曲线越陡峭；σ越大，曲线越扁平。 5、u变换：为了便于描述和应用，常将正态变量作数据转换。μ是正态分布的位置参数，描述正态分布的集中趋势位置。正态分布以X=μ为对称轴，左右完全对称。正态分布的均数、中位数、众数相同，均等于μ。 6、σ描述正态分布资料数据分布的离散程度，σ越大，数据分布越分散，σ越小，数据分布越集中。也称为是正态分布的形状参数，σ越大，曲线越扁平，反之，σ越小，曲线越瘦高。 7、3σ原则：P（μ-σ 2.2.3 独立重复试验与二项分布 一、教学目标 知识与技能：理解n次独立重复试验的模型及二项分布，并能解答一些简单的实际问题。 过程与方法：能进行一些与n次独立重复试验的模型及二项分布有关的概率的计算。 情感、态度与价值观：承前启后，感悟数学与生活的和谐之美，体现数学的文化功能与人文价值。 二、重难点 教学重点：理解n次独立重复试验的模型及二项分布，并能解答一些简单的实际问题 教学难点：能进行一些与n次独立重复试验的模型及二项分布有关的概率的计算 三、教学过程 复习引入： 1. 事件的定义： 随机事件：在一定条件下可能发生也可能不发生的事件； 必然事件：在一定条件下必然发生的事件； 不可能事件：在一定条件下不可能发生的事件。 2.随机事件的概率：一般地，在大量重复进行同一试验时，事件A发生的频率m n 总是接近某个常数，在它附近摆动，这时就把这个常数叫做事件A的概率，记 作()P A 。 3. 概率的确定方法：通过进行大量的重复试验，用这个事件发生的频率近似地作为它的概率。 4．概率的性质：必然事件的概率为1 ，不可能事件的概率为0 ，随机事件的概率为0()1P A ≤≤，必然事件和不可能事件看作随机事件的两个极端情形。 5 基本事件：一次试验连同其中可能出现的每一个结果称为一个基本事件。 讲授新课： 1 独立重复试验的定义： 指在同样条件下进行的，各次之间相互独立的一种试验。 2 独立重复试验的概率公式： 一般地，如果在1次试验中某事件发生的概率是P ，那么在n 次独立重复试验中 这个事件恰好发生k 次的概率k n k k n n P P C k P --=)1()(。 它是 [](1)n P P -+展开式的第1k +项。 3离散型随机变量的二项分布:在一次随机试验中，某事件可能发生也可能不发生，在n 次独立重复试验中这个事件发生的次数ξ是一个随机变量．如果在一次试验中某事件发生的概率是P ，那么在n 次独立重复试验中这个事件恰好发生k 次的概率是 k n k k n n q p C k P -==)(ξ，（k ＝0，1，2，…，n ，p q -=1）． 于是得到随机变量ξ的概率分布如下： 二项分布知识在日常生活中的应用分析 二项分布是在n 次独立重复试验中引入的一个概念，它是一种常见的、重要的离散型随机变量的概率分布，引入他们实际上是对独立重复试验从概率分布角度的进一步研究。然而我们在利用二项分布原理解决实际问题时只注意到两点，即解释为什么可以看成二项分布模型，其次是考虑到它的计算，却往往忽视对计算结果进行解释，造成初学者无法摆脱知识上的种种困惑。鉴于此，我们选取几个典型案例进行剖析，供参考。 例1. 将一枚均匀硬币随机掷100次，相当于重复做了100次试验，每次有两个可能的结果（出现正面，不出现正面），出现正面的概率为1/2。 分析：如果令X 为硬币正面出现的次数，则X 服从2 1,100==p n 的二项分布，那么100100100100)2 1(C )211()21(C )(k k k k k X =-==-P 。 由此可以得到：“随机掷100次硬币正好出现50次正面”的概率为 080)2 1(C )50(10050100?≈==X P 。 在学习概率时我们会有一种误解，认为既然出现正面的概率为1/2，那么掷100次硬币出现50次正面是必然的，或者这个事件发生的概率应该很大。但计算表明这概率只有8%左右。 它说的是，许多人都投100次均匀硬币，其中大约有8%的人恰投出50次正面。另外有些人投出的正面次数可能是47次、48次、51次、52次等。总起来看，正面出现的次数约占二分之一，这和均匀硬币出现正面的概率是二分之一是一致的。 例2. 设某保险公司有10000人参加人身意外保险。该公司规定:每人每年付公司120元，若逢意外死亡，公司将赔偿10000元。若每人每年死亡率为0.006，试讨论该公司是否会赔本，其利润状况如何。 分析：在这个问题中，公司的收入是完全确定的，10000个投保人每人付给公司120元，公司的年收入为120万元。公司的支出取决于投保人中意外死亡的人数（这里略去有关公司日常性开支的讨论，如公司职工工资，行政开支等等），而这是完全随机的，公司无法在事前知道其确切人数。但公司可以知道死亡人数的分布。设X 表示这10000人中意外死亡的人数，由于每个人的死亡率为0.006，则X 服从n=10000，p=0.006的二项分布: k k k C k X P --==1000010000)006.01(006.0)( 死亡X 人时，公司要赔偿X 万元，此时公司的利润为（120-X ）万元。尽管我们无法 二项分布应用举例 二项分布及其应用 知识归纳 1．条件概率及其性质 (1)对于任何两个事件A和B，在已知事件A发生的条件下，事件B发生的概率叫做，用符号来表 示，其公式为P(B|A)＝ . 在古典概型中，若用n(A)表示事件A中基本事件的个 数，则P(B|A)＝ . (2)条件概率具有性质： ①； ②如果B和C是两互斥事件，则P(B＋C|A)＝． 2．相互独立事件 (1)对于事件A、B，若A的发生与B的发生互不影响，则称A、B是相互独立事件． (2)若A与B相互独立，则P(B|A)＝， P(AB)＝P(B|A)·P(A)＝． (3)若A与B相互独立，则，，也都相互独立． (4)若P(AB)＝P(A)P(B)，则． 3．二项分布 (1)独立重复试验是指在相同条件下可重复进行的，各次之间相互独立的一种试验，在这种试验中每一次试验只有两种相互对立的结果，即要么发生，要么不发生，且任何一次试验中发生的概率都是一样的． (2)在n 次独立重复试验中，事件A 发生k 次的概率为 (p 为事件A 发生的概率)，若一个随机变量X 的分布列如上所述，称X 服从参数为n ，p 的 二项分布，简记为 ． 自我检测 1．(2011·辽宁高考，5)从1,2,3,4,5中任取2个不同的数，事件A ＝“取到的2个数之和为偶 数”，事件B ＝“取到的2个数均为偶数”，则P (B |A )＝( ) A.18 B.14 C.25 D.12 解析：条件概率P (B |A )＝P AB P A P (A )＝C 23＋1C 25＝410＝25，P (AB )＝1C 25＝110，∴P (B |A )＝11025＝1 4. 2．一袋中有5个白球，3个红球，现从袋中往外取球，每次任取一个记下颜色后放回，直 到红球出现10次时停止，设停止时共取了ξ次球，则P (ξ＝12)等于( ) A ．C 1012? ????3810? ????582 B ． C 911? ????389? ????58238 C ．C 911? ????589? ????382 D ．C 911? ????389? ?? ??582 解：事件{ξ＝12}表示第12次取到红球，前11次取到9个红球，故P (ξ＝12)＝C 911? ????389·? ?? ??582·38. 3．(2011·广东高考)甲、乙两队进行排球决赛，现在的情形是甲队只要再赢一局就获冠军， 乙队需要再赢两局才能得冠军，若两队胜每局的概率相同，则甲队获得冠军的概率为( ) A.12 B.35 C.23 D.34 解析：∵甲、乙两队决赛时每队赢的概率相等，∴每场比赛甲、乙赢的概率均为12. 记甲获冠军为事件A ，则P (A )＝12＋12×12＝34 4．(2010·福建高考，13)某次知识竞赛规则如下：在主办方预设的5个问题中，选手若能连 续正确回答出两个问题，即停止答题，晋级下一轮．假设某选手正确回答每个问题的概率 二项分布及其应用 知识归纳 1．条件概率及其性质 (1)对于任何两个事件A 和B ，在已知事件A 发生的条件下，事件B 发生的概率叫做 ，用符号 来表 示，其公式为P (B |A )＝ . 在古典概型中，若用n (A )表示事件A 中基本事件的个 数，则P (B |A )＝ . (2)条件概率具有性质： ① ； ②如果B 和C 是两互斥事件，则P (B ＋C |A )＝ ． 2．相互独立事件 (1)对于事件A 、B ，若A 的发生与B 的发生互不影响，则称A 、B 是相互独立事件． (2)若A 与B 相互独立，则P (B |A )＝ ， P (AB )＝P (B |A )·P (A )＝ ． (3)若A 与B 相互独立，则 ， ， 也都相互独立． (4)若P (AB )＝P (A )P (B )，则 ． 3．二项分布 (1)独立重复试验是指在相同条件下可重复进行的，各次之间相互独立的一种试验，在这种试验中每一次试验只有两种相互对立的结果，即要么发生，要么不发生，且任何一次试验中发生的概率都是一样的． (2)在n 次独立重复试验中，事件A 发生k 次的概率为 (p 为事件A 发生的概率)，若一个随机变量X 的分布列如上所述，称X 服从参数为n ，p 的二项分布，简记为 ． 自我检测 1．(2011·辽宁高考，5)从1,2,3,4,5中任取2个不同的数，事件A ＝“取到的2个数之和为偶数”，事件B ＝“取到的2个数均为偶数”，则P (B |A )＝( ) A.18 B.14 C.25 D.12 解析：条件概率P (B |A )＝ PAB PA P (A )＝C 23＋1 C 25＝410＝25，P (AB )＝1C 25＝110，∴P (B |A )＝1 1025 ＝14 . 2．一袋中有5个白球，3个红球，现从袋中往外取球，每次任取一个记下颜色后放回，直到红球出现10 次时停止，设停止时共取了ξ次球，则P (ξ＝12)等于( ) A ．C 1012????3810????582 B ． C 911????389????58238 C ．C 911 ????589????382 D ．C 911????389??? ?582 解：事件{ξ＝12}表示第12次取到红球，前11次取到9个红球，故P (ξ＝12)＝C 911????389·????582·38 . 3．(2011·广东高考)甲、乙两队进行排球决赛，现在的情形是甲队只要再赢一局就获冠军，乙队需要再赢 两局才能得冠军，若两队胜每局的概率相同，则甲队获得冠军的概率为( ) 论正态分布的重要地位 和应用 Company number：【0089WT-8898YT-W8CCB-BUUT-202108】 本科毕业论文（设Array计） 题目：论正态分布的重要地位和应用 学部：工学部 学生姓名：王梅影 年级：2011级 专业班级：信息与计算科学 指导教师：赵姣珍职称：讲师 完成时间：2015/5/15 中国·贵州·贵阳 成果声明 本人的毕业论文是在贵州民族大学人文科技学院赵姣珍老师的指导下独立撰写并完成的。毕业论文没有剽窃、抄袭、造假等违反学术道德、学术规范和侵权行为，除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律结果由本人承担。 论文作者签名： 日期年月日 目录 摘要：正态分布是一种最常见的连续型随机变量的分布,是概率论中最重要的一中分布.在理论上和实际生活中正态分布具有重要地位，数理统计中的正态分布是很多重要问题的解决的基础，在理论研究中占有举足轻重的地位.本文首先针对正态分布这一理论研究与实际应用都占有重要地位的概率分布展开分析研究，从其基本概念出发，然后分析其特性以及各种应用价值，最后通过一系列研究给出正态分布具有重大作用的理论依据. 关键词：正态分布标准正态分布方差标准差 Abstract: The normal distributionis the most common distribution of acontinuous random variablewhether in theoretical research orpractical application. It occupiespride of placein that ithas awideapplication in the field . It cansolve many important problemsin the mathematical statisticswhich based on the normal distribution forthe normal distribution,soin theory to studythe normal paper analysis the normal probability distributionaccording to thetheoretical research and practical application which occupy an important position in many science fields from the basicconcept,analysis andapplication value of itscharacteristics.The theoretical basisis giventhrough a series ofstudies onthe normal distributionhas a significant role. Key words: The normal distribution Standard distribution Thecurve Standard deviation 高考数学 二项分布及其应用 1.已知盒中装有3着，现需要一只卡口灯泡，电工师傅每次从中任取一只并不放回，则在他第1次抽到的是螺口灯泡的条件下，第2次抽到的是卡口灯泡的概率为 ( ) A.310 B.29 C.78 D.79 解析：设事件A 为“第1次抽到是螺口灯泡”，事件B 为“第2次抽到是卡口灯泡”，则P (A )＝310，P (AB )＝310×79＝2190＝7 30.在已知第1次抽到螺口灯泡的条件下，第2次抽 到卡口灯泡的概率为P (B |A )＝P (AB )P (A )＝7 30310＝7 9 . 答案：D 2．设A 、B 为两个事件，若事件A 和B 同时发生的概率为3 10，在事件A 发生的条件下， 事件B 发生的概率为1 2，则事件A 发生的概率为________________． 解析：由题意知，P (AB )＝310，P (B |A )＝1 2， ∴P (A )＝P (AB )P (B |A )＝3 1012＝3 5 . 答案：35 3．有一批种子的发芽率为0.9，出芽后的幼苗成活率为0.8，在这批种子中，随机抽取一粒，则这粒种子能成长为幼苗的概率为________． 解析：设种子发芽为事件A ，种子成长为幼苗为事件AB (发芽，又成活为幼苗)，出芽后的幼苗成活率为： P (B |A )＝0.8，P (A )＝0.9. 根据条件概率公式P (AB )＝P (B |A )·P (A )＝0.9×0.8＝0.72，即这粒种子能成长为幼苗的概率为0.72. 答案：0.72 题组二 相互独立事件 4.(2010·抚顺模拟)国庆节放假，甲去北京旅游的概率为1 3，乙、丙去北京旅游的概率分别 为14，1 5 .假定三人的行动相互之间没有影响，那么这段时间内至少有1人去北京旅游的概率为 ( ) A.5960 B.35 C.12 D.160 解析：因甲、乙、丙去北京旅游的概率分别为13，14，1 5.因此，他们不去北京旅游的概 率分别为23，34，45，所以，至少有1人去北京旅游的概率为P ＝1－23×34×45＝3 5. 答案：B 5．如图所示的电路，有a ，b ，c 三个开关，每个开关开或关的概率 都是1 2 ，且是相互独立的，则灯泡甲亮的概率为 ( ) A.18 B.14 C.12 D.116 解析：理解事件之间的关系，设“a 闭合”为事件A ，“b 闭合”为事件B ，“c 闭合”为事件C ，则灯亮应为事件ACB － ，且A ，C ，B 之间彼此独立，且P (A )＝P (B )＝P (C ) ＝12，所以P (AB － C )＝P (A )·P (B )·P (C )＝18 . 答案：A 6．甲、乙两人参加一次英语口语考试，已知在备选的10道试题中，甲能答对其中的6题，乙能答对其中的8题，规定每次考试都从备选题中随机抽出3题进行测试，至少答对2题才算合格． (1)分别求甲、乙两人考试合格的概率； (2)求甲、乙两人至少有一人考试合格的概率． 解：(1)设甲、乙两人考试合格的事件分别为A 、B ，则 P (A )＝413428310C C C C +213 646 310C C C C +＝23. P (B )＝213 828310 C C C C +＝14 15. (2)因为事件A 、B 相互独立，所以甲、乙两人考试均不合格的概率为 二项分布知识在日常生活中的应用分析 山东黄丽生 二项分布是在n次独立重复试验中引入的一个概念，它是一种常见的、重要的离散型随 机变量的概率分布，引入他们实际上是对独立重复试验从概率分布角度的进一步研究。然而我们在利用二项分布原理解决实际问题时只注意到两点，即解释为什么可以看成二项分布模 型，其次是考虑到它的计算，却往往忽视对计算结果进行解释，造成初学者无法摆脱知识上 的种种困惑。鉴于此，我们选取几个典型案例进行剖析，供参考。 例1.将一枚均匀硬币随机掷100次，相当于重复做了100次试验，每次有两个可能的结果 (出现正面，不出现正面)，出现正面的概率为1/2。 1 分析：如果令X为硬币正面出现的次数，则X服从n 100 p -的二项分布，那么 2 P(X k) C k00(^k(1 1)100k Cw0(l)100。 由此可以得到：“随机掷100次硬币正好出现50次正面”的概率为 1 P(X 50) C；00(3)1000 08。 在学习概率时我们会有一种误解，认为既然出现正面的概率为1/2，那么掷100次硬 币出现50次正面是必然的，或者这个事件发生的概率应该很大。但计算表明这概率只有8% 左右。 它说的是，许多人都投100次均匀硬币，其中大约有8%的人恰投出50次正面。另外 有些人投出的正面次数可能是47次、48次、51次、52次等。总起来看，正面出现的次数 约占二分之一，这和均匀硬币出现正面的概率是二分之一是一致的。 例2.设某保险公司有10000人参加人身意外保险。该公司规定：每人每年付公司120元， 若逢意外死亡，公司将赔偿10000元。若每人每年死亡率为0.006，试讨论该公司是否会赔本，其利润状况如何。 分析：在这个问题中，公司的收入是完全确定的，10000个投保人每人付给公司120元，公司的年收入为120万元。公司的支出取决于投保人中意外死亡的人数(这里略去有关公司日 常性开支的讨论，如公司职工工资，行政开支等等) ，而这是完全随机的，公司无法在事前 知道其确切人数。但公司可以知道死亡人数的分布。设X表示这10000人中意外死亡的人数，由于每个人的死亡率为0.006，贝U X服从n=10000，p=0.006的二项分布： 正态分布的现实应用 摘要：连续型随机变量中，最重要的分布就是正态分布。本文将就正态分布在教育、医学、气象、林分等几个不同领域中的应用展开探讨，并得出正态分布在生活中广泛存在的结果。并且，根据得到的一些现象，我们可以知道理应服从正态分布的现象分布会不一定符合正态分布，这其中有很多的影响因素。 关键词：正态分布教育医学降雨林分 正态分布是最重要的一种概率分布。德国数学家高斯率先将其应用于天文学家研究，故正态分布又叫高斯分布，高斯这项工作对后世的影响极大，他使正态分布同时有了“高斯分布”的名称。这要到20世纪正态小样本理论充分发展起来以后。拉普拉斯很快得知高斯的工作，并马上将其与他发现的中心极限定理联系起来，为此，他在即将发表的一篇文章上加上了一点补充，指出如若误差可看成许多量的叠加，根据他的中心极限定理，误差理应有高斯分布。正态分布有极其广泛的实际背景，生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布来描述。例如，在生产条件不变的情况下，产品的强力、抗压强度、口径、长度等指标；同一种生物体的身长、体重等指标；同一种种子的重量；测量同一物体的误差；弹着点沿某一方向的偏差；某个地区的年降水量；以及理想气体分子的速度分量，等等。一般来说，如果一个量是由许多微小的独立随机因素影响的结果，那么就可以认为这个量具有正态分布。从理论上看，正态分布具有很多良好的性质，许多概率分布可以用它来近似；还有一些常用的概率分布是由它直接导出的，例如对数正态分布、t分布、F分布等。 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。适用于服从正态分布指标以及可以通过转换后服从正态分布的指标。为了控制实验中的测量误差，常以作为上、下警戒值，以作为上、下控制值。这样做的依据是：正常情况下测量误差服从正态分布。正态分布是许多统计方法的理论基础。检验、方差分析、相关和线性回归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 教育统计学统计规律表明，学生的智力水平，包括学习能力，实际动手能力等呈正态分布。因而正常的考试成绩分布应基本服从正态分布。考试分析要求绘制出学生成绩分布的直方图，以“中间高、两头低”来衡量成绩符合正态分布的程度。其评价标准认为：考生成绩分布情况直方图，基本呈正态曲线状，属于好，如果略呈正或负的态状，属于中等，如果呈严重偏态或无规律，就是差的。生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布来描述。从概率统计规律看，“正常的考试成绩分布应基本服从正态分布”是正确的。但是必须考虑人与物的本质不同，以及教育的有所作为可以使“随机”受到干预，用曲线或直方图的形状来评价考试成绩就有失偏颇。现在许多教育专家已经通过实践论证，教育是可以大有作为的，可以做到大多数学生及格，而且多数学生可以得高分，考试成绩曲线是偏正态分布的。但是长期受到“中间高、两头低”标准的影响，限制了教师的作为，抑制了多数学生能够学好的信心。这是很大的误会。通常正态曲线有一条对称轴。当某个分数或分数段的考生人数最多时，对应曲线的最高点，是曲线的顶点。该分数值在横轴上的对应点与顶点连接的线段就是该正态曲线的对称轴。考生人数最多的值是峰值。我们注意到，成绩曲线或直方图实际上很少对称的，称之为峰线更合适。 某些医学现象，如同质群体的身高、红细胞数、血红蛋白量，以及实验中的随机误差，呈现为正态或近似正态分布；有些指标虽服从偏态分布，但经数据转换后的新变量可服从正态或 正态分布在实际生活中 的应用 Document number：NOCG-YUNOO-BUYTT-UU986-1986UT 《概率论与数理统计》 论文 正态分布在实际生活中的应用 正态分布在实际生活中的应用 摘要： 正态分布是一个在数学、物理及工程等领域都非常重要的分布，在的许多方面有着重大的影响力。其密度函数为：)2/()(2221)(σμπ σ--=x e x f ，由μ、σ决定其性质。生产与实验中很多的概率分布都可以近似地用正态分布来描述。例如，在生产条件不变的情况下，产品的强力、抗度、口径、长度等指标；还有智力测试、填报志愿等问题。 关键词：正态分布 实际应用 预测 正文： 正态分布（normal distribution ）又名（Gaussian distribution ），是一个在数学、物理及工程等领域都非常重要的分布，在的许多方面有着重大的影响力。则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。因其呈钟形，因此人们又经常称之为钟形曲线。 正态分布的密度函数 ：)2/()(2221)(σμπ σ--=x e x f ? f(x)为与x 对应的正态曲线的纵坐标高度； ? μ为总体均数即数学期望决定了其图像位置 ? σ为总体标准差决定了分布的幅度； ? π为圆周率，即； ? e 为自然对数的底，即。 我们通常所说的是μ = 0,σ = 1的正态分布。 服从正态分布的变量的频数分布由μ、σ完全决定，他还具有如下特征： 1、集中性：正态曲线的高峰位于正中央，即均数所在的位置。 2、对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。 3、均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。 4、正态分布有两个参数，即均数μ和标准差σ，可记作N（μ，σ）：均数μ决定正态曲线的中心位置；标准差σ决定正态曲线的陡峭或扁平程度。σ越小，曲线越陡峭；σ越大，曲线越扁平。 5、u变换：为了便于描述和应用，常将正态变量作数据转换。μ是正态分布的位置参数，描述正态分布的集中趋势位置。正态分布以X=μ为，左右完全对称。正态分布的均数、、相同，均等于μ。 6、σ描述正态分布资料数据分布的离散程度，σ越大，数据分布越分散，σ越小，数据分布越集中。也称为是正态分布的形状参数，σ越大，曲线越扁平，反之，σ越小，曲线越瘦高。 7、3σ原则：P（μ-σ 正态分布的实际应用问题 例5 (2019·黄冈模拟)某市高中某学科竞赛中，某区4000名考生的竞赛成绩的 频率分布直方图如图所示． (1)求这4 000名考生的平均成绩x (同一组中数据用该组区间中点值作代表)； (2)认为考生竞赛成绩z 服从正态分布N (μ，σ2)，其中μ，σ2分别取考生的平均成绩x 和考生成绩的方差s 2，那么该区4000名考生成绩超过84.81分(含84.81分)的人数大约为多少？ (3)如果用该区参赛考生成绩的情况来估计全市参赛考生成绩的情况，现从全市参赛考生中随机抽取4名考生，记成绩不超过．．．84.81分的考生人数为ξ，求P (ξ≤3)．(精确到0.001) 附：①s 2＝204.75，204.75＝14.31； ②z ～N (μ，σ2)，则P (μ－σ 作业： 一．选择题 1．甲、乙两人独立地解同一问题，甲能解决这个问题的概率是1p ，乙能解决这个问题的概率是2p ，那么其中至少有1人能解决这个问题的概率是 （ D ） A ．21p p +； B ．21p p ?； C ．211p p ?-； D ．121(1)(1)p p ---. 2．在一个盒子中有大小相同的10个球，其中6个红球，4个白球，两人无放回地各取一个球，则在第一个人摸出红球的条件下，第二个人也摸出红球的概率是 （ A ） A ．13； B ．23； C ．49； D ．59 . 【解析】设“第一个人摸出红球”为事件A ，“第二个人摸出红球”为事件B ，则()11692105490 C C P A A ?==，()11652103090C C P AB A ?==，则()()()5|9 P AB P B A P A ==。 3．两个独立事件1A 和2A 发生的概率分别为1p 和2p ，则有且只有一个发生的概率为 .()()122111p p p p -+- 4． (04年重庆) 甲、乙、丙三人每次射击命中目标的概率分别为0.7、0.6和0.5，计算： ⑴三人各向目标射击一次，求恰有两人命中目标及至少有一人命中目标的概率； ⑵若甲连续射击三次，求他恰好一次命中的概率. 解：⑴设i A (3,2,1=i )表示事件“第i 人命中目标”，显然1A 、2A 、3A 相互独立，且7.0)(1=A P ，6.0)(2=A P ，5.0)(3=A P . 三人中恰有两人命中目标的概率为 44.0)(321321321=??+??+??A A A A A A A A A P . 三人中恰有至少有一人命中目标的概率为 94.0)(1321=??-A A A P . ⑵设k A 表示“甲在第k 次命中目标”，3,2,1=k .显然1A 、2A 、3A 相互独立，且7.0)()()(321===A P A P A P . 甲连续射击三次，恰好一次命中的概率为 203.0)(321321321=??+??+??A A A A A A A A A P . 二项分布专题训练 一。选择题 1.甲、乙两人独立地解同一问题,甲能解决这个问题得概率就是,乙能解决这个问题得概率就是,那么其中至少有1人能解决这个问题得概率就是( D ) A.; Ｂ.; C.;D、. 2.在一个盒子中有大小相同得10个球,其中６个红球,４个白球,两人无放回地各取一个球,则在第一个人摸出红球得条件下,第二个人也摸出红球得概率就是( A) A.; Ｂ.; C.; D。。 【解析】设“第一个人摸出红球”为事件A,“第二个人摸出红球"为事件Ｂ,则,,则。 3.两个独立事件与发生得概率分别为与,则有且只有一个发生得概率为。 4.(０4年重庆) 甲、乙、丙三人每次射击命中目标得概率分别为０、7、0.6与０.5,计算: ⑴三人各向目标射击一次,求恰有两人命中目标及至少有一人命中目标得概率; ⑵若甲连续射击三次,求她恰好一次命中得概率、 解:⑴设()表示事件“第人命中目标”,显然、、相互独立,且,,。 三人中恰有两人命中目标得概率为 。 三人中恰有至少有一人命中目标得概率为 . ⑵设表示“甲在第次命中目标",、显然、、相互独立,且. 甲连续射击三次,恰好一次命中得概率为 . 5、已知在10只晶体管中有２只次品,从中连续抽取两件,且取出得产品不再放回,求下列事件得概率。 ⑴两只都就是正品; ⑵两只都就是次品、 解:设事件()表示第次取到正品,则表示第次取到次品、 依题意,,,,. ⑴表示第１次,第２次都取到正品,即表示两只都就是正品,根据乘法公式 、 ⑵。 另解:本题也可利用古典概型来解决。 点评:本题中由于就是两个都就是正(次)品,由于就是连续抽取且抽后不放回,故与条件概率有关。 ６、(04年福建·理)甲、乙两人参加一次英语口试,已知在备选得10道题中,甲能答对其中得6道,乙能答对其中得８道,规定每次考试都从备选题中随机地抽出3道,至少答对2道才算合格。 ⑴求甲答对试题数得概率分布分布; ⑵求甲、乙两人至少有一人考试合格得概率。 解:⑴依题意,甲答对题数得概率分布如下: ⑵方法1:甲、乙两人至少有一人考试合格得概率为 、 方法2:∵甲、乙两人考试均不合格得概率为, ∴甲、乙两人至少有一人考试合格得概率为、 7。(0７年天津·文科)已知甲盒内有大小相同得3个红球与4个黑球,乙盒内有大小相同得5个红球与４个黑球,现从甲、乙两个盒内各任取2个球。 (Ⅰ)求取出得4个球均为红球得概率; (Ⅱ)求取出得４个球中恰有1个红球得概率; 解:(Ⅰ)设“从甲盒内取出得2个球均为红球”为事件,“从乙盒内取出得２个球均为红球”为事件.由于事件相互独立,且 ,, 故取出得4个球均为红球得概率就是 。 (Ⅱ)设“从甲盒内取出得2个球中,1个就是红球,1个就是黑球;从乙盒内取出得２个红球为黑球"为事件,“从甲盒内取出得2个球均为黑球;从乙盒内取出得2个球中,1个就是红球,1个就是黑球”为事件、由于事件互斥,且 ,。 故取出得4个红球中恰有4个红球得概率为 。 8.(01年天津)如图,用、、三个不同得元件联结成两个电子系统(Ⅰ)、(Ⅱ)。当元件、、都正常工作时,系统(Ⅰ)正常工作;当元件正常工作且、至少有一个正常工作时,系统(Ⅱ)正常工作。已知元件、、正常工件得概率依次为、、,分别求系统(Ⅰ)、(Ⅱ)正常工作概率、,并说明哪个系统得稳定性好. 正态分布在生活中的应用 摘要：正态分布和概率论在统计学中占有非常重要的地位，它广泛存在于自然现象、生产、生活以及科技领域，本文运用正态分布理论对现实生活中的一些问题进行详细解答。 在概率论与数理统计中，最重要的分布就是正态分布。正态分布的重要性在于：实际生活中有许多随机变量服从或近似服从正太分布（如一个人群中成年男子的身高、体重，工件的测量误差，气象学中的温度、湿度等）；正态分布的密度函数与分布函数具有许多良好的性质；正态分布是许多分布的极限分布；正态分布在数理统计中的基础作用等。所以，许多实际问题与理论问题的解决，都离不开正态分布。 一、安排座位数量问题 某学院有学生1600人，午餐时间到学院食堂就餐人数最多，约占学生人数的3/4，问学院食堂最多安排多少座位，使空座位超过100个的概率不超过 解：设X表示午餐时就餐人数，则X～B(1600,3/4)，np=1200，npq=300，近似地有X～ N(1200,300).设应安排N个座位，因为(N-100-1200)/ √300～N(0,1)，则 P(X≤N-100)≈Φ[(N-100-1200)/√300]≤ 查表得Φ（）=，故有（N-1300）/√300 ≤ 从而有N≤，即最多安排1259个座位。 二、学生考试问题 某专业招收研究生20名，其中有10名免费，报考人数为1000人，考试满分为500分。经过考试后才知道此专业考试总平均成绩为μ=300分，如果招收研究生的分数线确定为350分，试问，现在某人考360分，他有没有可能被录取为免费生 解：研究生考试成绩X～N(μ,σ2)，由已知μ=300，而σ未知。研究生考试分数超过350分的考生频率应该近似等于事件(X≥350)的概率， 所以有P(X≥350)=20/1000=，即P(X<350)=，即Φ（（350-300）/σ）= 查标准正态分布表Φ=≈ 所以取50/σ = ，解得σ=50/ 此人能否被录取为免费生，需估计一下他的排名，也就是算一下分数高于360分的概率， §12.5二项分布及其应用 会这样考 1.考查条件概率和两个事件相互独立的概念；2.考查n次独立重复试验及二项分布的概念；3.考查利用二项分布解决一些简单的实际问题． 1．条件概率及其性质 (1)对于任何两个事件A和B，在已知事件A发生的条件下，事件B发生的概率叫作条件概率，用符号 P(B|A)来表示，其公式为P(B|A)＝P(AB) P(A) (P(A)>0)． 在古典概型中，若用n(A)表示事件A中基本事件的个数，则P(B|A)＝n(AB) n(A) . (2)条件概率具有的性质： ①0≤P(B|A)≤1； ②如果B和C是两个互斥事件，则P(B∪C|A)＝P(B|A)＋P(C|A)． 2．相互独立事件 (1)对于事件A、B，若A的发生与B的发生互不影响，则称A、B是相互独立事件． (2)若A与B相互独立，则P(B|A)＝P(B)， P(AB)＝P(B|A)P(A)＝P(A)P(B)． (3)若A与B相互独立，则A与B，A与B，A与B也都相互独立． (4)若P(AB)＝P(A)P(B)，则A与B相互独立． 3．二项分布 (1)独立重复试验是指在相同条件下可重复进行的，各次之间相互独立的一种试验，在这种试验中每一 次试验只有__两__种相互对立的结果，即要么发生，要么不发生，且任何一次试验中发生的概率都是一样的． (2)在n次独立重复试验中，事件A发生k次的概率为C k n p k(1－p)n－k(k＝0,1,2，…，n)(p为事件A发生的 概率)，若一个随机变量X的分布列如上所述，称X服从参数为n，p的二项分布，简记为X～B(n，p)．期望：EX=n p 方差：DX=n p（1-p） [难点正本疑点清源] 1．“互斥事件”与“相互独立事件”的区别与联系 (1)“互斥”与“相互独立”都是描述的两个事件间的关系． (2)“互斥”强调不可能同时发生，“相互独立”强调一个事件 的发生与否对另一个事件发生的概率没有影响． (3)“互斥”的两个事件可以独立，“独立”的两个事件也可以互斥． 2．计算条件概率有两种方法 (1)利用定义P(B|A)＝P(AB) P(A) ；二项分布及其应用教案定稿
二项分布知识在日常生活中的应用分析
二项分布应用举例说课讲解
二项分布应用举例
论正态分布的重要地位和应用
高考数学 二项分布及其应用
二项分布知识在日常生活中的应用分析
正态分布的现实应用
正态分布在实际生活中的应用
正态分布的实际应用问题
2.2 二项分布及其应用(2)
二项分布及其应用题型总结
正态分布在生活中的应用
二项分布及其应用教案(绝对经典)