中心极限定理及例题解析(卡车超载问题)

辛钦中心极限定理Central Limit Theorem:设从均值为μ、方差为σ^2;(有限)的任意一个总体中抽取样本量为n的样本,当n充分大时,样本均值的抽样分布近似服从均值为μ、方差为σ^2/n的正态分布。
公式形式表达为:
这里写图片描述
由此可推导出:
这里写图片描述

例题:

每箱货物的重量服从均值为50KG,标准差为3KG的正态分布。卡车载重量为5000KG,在保证不超载概率大于0.84的前提下,最多能装多少箱 ?
已知 Φ(1)= 0.84
A. 96 B.97 C.98 D.99

答案:D

题目解析:

这里写图片描述

  • 10
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
假设我们观察到一个具有 $n$ 个观测值的样本,我们要检验这个样本是否符合一个已知方差 $\sigma^2$ 的正态分布。假设这个正态总体的均值为 $\mu$,那么我们需要进行如下的假设检验: $H_0: \mu = \mu_0$ $H_1: \mu \neq \mu_0$ 其中,$\mu_0$ 是我们要检验的均值。我们使用样本均值 $\bar{x}$ 作为 $\mu$ 的估计值,使用样本方差 $s^2$ 作为 $\sigma^2$ 的估计值。 根据中心极限定理,当 $n$ 足够大时,$\bar{x}$ 的分布近似于正态分布,且均值为 $\mu$,标准差为 $\sigma/\sqrt{n}$。因此,我们可以构造如下的检验统计量: $$ Z = \frac{\bar{x} - \mu_0}{\sigma/\sqrt{n}} $$ 当 $H_0$ 成立时,$Z$ 的分布是标准正态分布。因此,我们可以计算出 $Z$ 的值,并计算出 $Z$ 在标准正态分布中的累积概率 $p$。如果 $p$ 值小于我们预设的显著性水平 $\alpha$,则拒绝 $H_0$,认为样本不符合均值为 $\mu_0$ 的正态分布。 下面是 Python 中的算法实现: ```python import math from scipy.stats import norm def test_mean(sample, mu_0, sigma, alpha): """ 进行单个正态总体均值的假设检验 :param sample: 样本数据,为一个列表 :param mu_0: 均值的假设值 :param sigma: 标准差的真实值 :param alpha: 显著性水平 :return: 检验结果,为一个布尔值,表示是否拒绝 H0 假设 """ n = len(sample) x_bar = sum(sample) / n z = (x_bar - mu_0) / (sigma / math.sqrt(n)) p = 2 * (1 - norm.cdf(abs(z))) # 双侧检验,计算 p 值时需要乘以 2 return p < alpha ``` 这个函数接受一个样本数据的列表、均值的假设值、标准差的真实值和显著性水平,返回一个布尔值,表示是否拒绝 $H_0$ 假设。如果返回值为 True,则拒绝 $H_0$,认为样本不符合均值为 $\mu_0$ 的正态分布。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值