连续型概率分布,正态分布
2018-02-21 22:51
148 查看
一。一维连续型随机变量
P(a<X<b)=P(a⩽X⩽b)P(a<X<b)=P(a⩽X⩽b)=F(b)−F(a)=∫baf(x)dx=F(b)−F(a)=∫abf(x)dx
F(x)=∫x−∞f(t)dtF(x)=∫−∞xf(t)dt
称F(x)是随机变量X的分布函数,f(x)为X的概率密度
二。性质:
1)f(x)⩾0;f(x)⩾0;2)∫+∞−∞f(x)dx=1∫−∞+∞f(x)dx=1
3) P{X=a} = 0,
三。重要分布
1).均匀分布
{1b−a,a⩽x⩽b0,others{1b−a,a⩽x⩽b0,others2).指数分布
3).正态分布
f(x)=12π√σe(x−μ)22σ2(−∞<x<+∞)f(x)=12πσe(x−μ)22σ2(−∞<x<+∞)μμ 为期望值,σσ 为方差。称X为服从参数为μμ 和σσ的正态分布,简记为
X ~ N(μ,σ2)N(μ,σ2)
4).标准正态分布
当μμ=0时,σσ =1时,称为正态分布。简记为 X ~ N(0,1)。将一般正态分布做标准化转换
Y=X−μσY=X−μσ ~ N(0,1)
F(x)=Φ(x−μσ)F(x)=Φ(x−μσ)
四。示例
【例1】设随机变量X服从正态分布N(0,1),对给定的αα,数μαμα满足P(X>μα)P(X>μα),若P(|X|<x)=αP(|X|<x)=α,则 x 等于()。(A)μα2μα2
(B)μ1−α2μ1−α2
(C)μ1−α2μ1−α2
(D)μ1−αμ1−α
解:设置信区间分割点为 μαμα
P(|X|<x)=αP(|X|<x)=α
⇒⇒
P(|X|<μα)=αP(|X|<μα)=α
1−2Φ(x)⩽α1−2Φ(x)⩽α
Φ(x)⩾1−α2Φ(x)⩾1−α2
Φ(μα)⩾1−α2Φ(μα)⩾1−α2
所以,μα⩾1−α2μα⩾1−α2
所以,选择(C)
【例2】设电源电压 U ~ N(220,25^2) (单位:V),通常有3种状态:
(1)不超过200V;
(2)在200V~240V之间;
(3)超过240V。
在上述三种状态下,某电子元件损坏的概率分别为0.1;0.001;0.2;
(1)求电子元件损坏的概率αα
(2)在电子元件已损坏的情况下,试分析电压所处的状态。
【解】:
(1)求电子元件损坏的概率αα
由前面博客:条件概率,乘法定理 (概统1)
全概率公式:
P(A)=∑nj=1P(A|Bj)P(Bj)P(A)=∑j=1nP(A|Bj)P(Bj)
B1B1 = 电压小于等于200V, U⩽200VU⩽200V
B2B2 = 电压大于200V,小于等于240 ; 200V<U⩽240V200V<U⩽240V
B3B3 = 电压大于240V, 240V<U240V<U
P(A)=∑3j=1P(A|Bj)P(Bj)P(A)=∑j=13P(A|Bj)P(Bj)
P(A|B1)=P(U⩽200V)P(A|B1)=P(U⩽200V)
标准化迁移:
F(x)=Φ(x−μσ)F(x)=Φ(x−μσ)
标准化迁移:μ=220,α=25μ=220,α=25
U∗=U−22025U∗=U−22025
1.1) P(A|B1)P(A|B1)
P(U⩽200V)==>P(U−22025<|200−22025|)P(U⩽200V)==>P(U−22025<|200−22025|)
Ulow=|200−22025|Ulow=|200−22025| = |0.8|
P(UlowUlow)= 0.7881
P(U^*<|-0.8|) , 查标准正态分布表 0.8
0.800 对应 0.7881
P(U^*<|-0.8|) = 1−Φ(0.8)1−Φ(0.8)=1-0.7881 = 0.2119
P(A|B1)=P(U∗⩽Ulow)P(A|B1)=P(U∗⩽Ulow) = 0.2119
1.2) P(A|B2)P(A|B2)
B2B2 = 电压大于200V,小于等于240 ; 200V<U⩽240V200V<U⩽240V
U∗=U−22025U∗=U−22025
Ulow=|200−22025|Ulow=|200−22025| = |0.8| = 0.7881
Uhigh=|240−22025|Uhigh=|240−22025| = |0.8| = 0.7881
查正态分布表:
0.800 对应 0.7881
Φ(0.8)=0.7881Φ(0.8)=0.7881
P(Ulow⩽U∗<Uhigh)=1−P(α1)−P(α2)P(Ulow⩽U∗<Uhigh)=1−P(α1)−P(α2)
P(α1)=1−0.7881=0.2119P(α1)=1−0.7881=0.2119
P(α2)=1−0.7881=0.2119P(α2)=1−0.7881=0.2119
P(Ulow⩽U∗<Uhigh)=1−P(α1)−P(α2)P(Ulow⩽U∗<Uhigh)=1−P(α1)−P(α2)
=1-0.2119-0.2119 = 0.5762
P(A|B2)=P(Ulow⩽U∗<Uhigh)=0.5762P(A|B2)=P(Ulow⩽U∗<Uhigh)=0.5762
1.3) P(A|B3)P(A|B3)
B3B3 = 电压大于240V, 240V<U240V<U
U∗=U−22025U∗=U−22025
Uhigh=|240−22025|Uhigh=|240−22025| = |0.8| = 0.7881
P(A|B3)=P(U∗>Uhigh)P(A|B3)=P(U∗>Uhigh) = P(α2)=1−0.7881=0.2119P(α2)=1−0.7881=0.2119
所以,电子元件损坏的概率
α=P(A)=∑nj=1P(A|Bj)P(Bj)α=P(A)=∑j=1nP(A|Bj)P(Bj)
=P(A|B1)∗P(B1)+P(A|B2)∗P(B2)+P(A|B3)∗P(B3)=P(A|B1)∗P(B1)+P(A|B2)∗P(B2)+P(A|B3)∗P(B3)
=0.2119*0.1 + 0.5762*0.001 +0.2119*0.2
≈0.0624≈0.0624
(2)在电子元件已损坏的情况下,试分析电压所处的状态。
根据题意,元件损坏的条件分三种电压状态
如果所求元件损坏的概率是P(A), 那么,元件损坏时,电压所处有3种状态,所以,就是求
P(B1|A)
P(B2|A)
P(B3|A)
P(B1|A)=P(A|B1)P(B1)P(A)=0.2119∗0.10.0624=0.34P(B1|A)=P(A|B1)P(B1)P(A)=0.2119∗0.10.0624=0.34
P(B2|A)=P(A|B2)P(B2)P(A)=0.5162∗0.0010.0624=0.0083P(B2|A)=P(A|B2)P(B2)P(A)=0.5162∗0.0010.0624=0.0083
P(B3|A)=P(A|B3)P(B3)P(A)=0.2119∗0.20.0624=0.68P(B3|A)=P(A|B3)P(B3)P(A)=0.2119∗0.20.0624=0.68
【例3】 某单位招聘155人,按考试成绩录用,共有526人报名,假设报名者的考试成绩 X∼N(μ,σ2)X∼N(μ,σ2)。已知90分以上的12人,60分以下的83人,若从高分到低分依次录取,某人成绩为78分,问此人是否能被录取。
【解】分析,若已知正态分布,则只需知道分布函数上面两个点,就可以求出正态分布的μμ和σσ,已知μμ和σσ,又知道录取率,就可以求得
XhXh,看看某人成绩是否大于 XhXh
Φ(x1−μσ)=p1Φ(x1−μσ)=p1
Φ(x2−μσ)=p2Φ(x2−μσ)=p2
Φ(90−μσ)=12526=0.0228Φ(90−μσ)=12526=0.0228
Φ(60−μσ)=83526=0.158Φ(60−μσ)=83526=0.158
Φ(X>X90+)=0.0228Φ(X>X90+)=0.0228
Φ(X⩽X90+)=1−0.0228=0.9772Φ(X⩽X90+)=1−0.0228=0.9772
反查表,0.0228,得正态分布随机表量
Φ(X⩽X90+)=0.9772Φ(X⩽X90+)=0.9772 ,
X_{90+}= 2.0
x1−μσ=2.0x1−μσ=2.0
90−μσ=2.090−μσ=2.0 (1)
注意:依题意,μμ会介于90分和60分之间
Φ(X⩽X60−)=0.158Φ(X⩽X60−)=0.158
Φ(X>X60−)=1−0.158=0.8412Φ(X>X60−)=1−0.158=0.8412
反查表,0.8412对应
X_{60-} = 1.0
−(x2−μ)σ=1.0−(x2−μ)σ=1.0
−(60−μ)σ=1.0−(60−μ)σ=1.0 (2)
(1)和(2)解联立方程,得
μ=70,σ=10μ=70,σ=10
设录取分数线为 XhXh
Φ(Xh−μσ)=155526Φ(Xh−μσ)=155526 = 0.295
P(X<Xh∗)=1−Φ(Xh∗)=1−0.295=0.705P(X<Xh∗)=1−Φ(Xh∗)=1−0.295=0.705
反查表,得
X_h*=0.54
Xh∗=Xh−μσXh∗=Xh−μσ =0.54
X_h=75.4
所以,得到分数线为X_h=75分
回答问题,某人78分,大于分数线75分,可以被录取。
相关文章推荐
- Excel在统计分析中的应用—第五章—概率分布及概率分布图-Part8-连续型概率分布(正态分布的标准化)
- Excel在统计分析中的应用—第五章—概率分布及概率分布图-Part7-连续型概率分布(标准正态分布函数的应用)
- Excel在统计分析中的应用—第五章—概率分布及概率分布图-Part6-连续型概率分布(正态分布函数的应用)
- Excel在统计分析中的应用—第五章—概率分布及概率分布图-Part9-连续型概率分布(对数正态分布)
- 多元正态分布的条件概率分布(一)
- 模式识别之概率分布---平均分布,正态分布,一阶滑动和,一阶线性回归 C语言编程
- 概率,随机变量,离散型连续型,边缘分布
- 贝叶斯、概率分布与机器学习
- 伯努利分布、二项分布、多项分布、Beta分布、Dirichlet分布、连续分布(正态分布)、大数定理、中心极限定理、贝叶斯理论
- 概率分布-泊松分布
- 常见的几种概率分布
- Excel在统计分析中的应用—第六章—概率分布及概率分布图-Part5-泊松分布函数POISSON.DIST()的应用
- scipy.stats —— 概率、随机变量与分布
- 每个数据科学专家都应该知道的六个概率分布
- 常见概率分布
- 概率统计分布模型
- 贝叶斯概率推断:概率分布
- 常用连续型分布介绍及R语言实现
- 高斯分布 正态分布
- hdu 5035 指数概率分布+积分