正态分布及其概率计算

上一篇讲了三个典型的离散分布(离散分布概率:几何分布、二项分布和泊松分布https://blog.csdn.net/weixin_41140174/article/details/99634408),这篇开始进入连续型概率分布,最常用的“正态分布”。

1. 连续型概率分布和离散型概率分布

离散型概率分布:几何分布、二项分布、泊松分布都是离散型概率分布,一般是求事件出现次数的概率,次数是整数,其取值不是连续的。

连续性概率分布:但生活中,还有一类事件,如每个人的身高,其值是连续的,描述这种事件的概率分布就是连续性概率分布,正态分布是最基本是连续型概率分布。

2. 概率密度函数用于描述连续型概率分布

和离散型概率分布不同,连续型概率分布很难说一个确切值的概率(实际上=0),往往是求某一个数值范围的概率,概率值就是概率密度函数在某个数值范围内下方的面积。

概率密度函数下方的总面积必须等于1.

3.  正态分布是连续数据的“理想”模型

正态英文为Normal,就是常见的、典型的意思,在现实生活中,测量值之类的大量连续数据,会期望看到这种形状。

正态分布具有钟形曲线,中间概率密度大,两边概率密度小。形状通过参数μ和σ确定。一个连续随机变量符合均值为μ,标准差为σ的正态分布,记作: X~N(μ,σ^2),

性质如下:

4. 正态分布概率计算三部法

1)确定分布与范围:如果遇到的问题适用于正态分布,则看看能否求出均值和标准差,只有先得知这些信息,才能求出概率,还需要弄清楚要求的是哪一部分的面积。

2)使用标准分算法,Z=(X-μ)/σ将欲求的概率分布范围转化为标准正态分布N~(0,1)范围

3)一旦转化为标准正态分布,就可以利用概率表查找概率

问题举例:

已知男生身高X符合正态分布N(71,20.25), 求男生身高大于64英寸的概率。

1)对正态分布X~N(71,20.25),求P(X>64)

2) 转化为标准分

Z=(X-μ)/σ=(64-71)/20.25^0.5=-1.56, P(X>64)=P(Z>-1.56)

3) 查概率表,可得P(Z<-1.56)=0.0594

则P(X>64)=P(Z>-1.56)=1-P(Z<-1.56)=1-0.0594=0.9406

5. P(Z>a)和P(a<Z<b)概率求解

标准正态分布概率表能查的是P(Z<a)的概率值,如果要求P(Z>a)或者P(a<Z<b),则可以利用以下办法:

P(Z>a)=1-P(Z<a)

P(a<Z<b)=P(Z<b)-P(Z<a)

6. 下一篇继续深入讲复杂正态分布运用——独立正态分布组合概率、二项分布、泊松分布近似正态分布的运用

https://blog.csdn.net/weixin_41140174/article/details/99701299

 

  • 35
    点赞
  • 155
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
要证明一个随机变量符合正态分布,通常需要分以下几步进行: 1. 定义随机变量及其概率密度函数(PDF)。 2. 出该随机变量的期望值和方差。 3. 对该随机变量的PDF进行标准化处理,即将其转换为标准正态分布的PDF。 4. 进行正态性检验,例如使用正态概率图或者假设检验。 在 MATLAB 中,可以使用 `normpdf` 函数来计算正态分布概率密度函数,使用 `mean` 和 `std` 函数来计算随机变量的期望值和标准差(从而得到方差),使用 `zscore` 函数来进行标准化处理,使用 `normplot` 函数来画出正态概率图。 以下是一个示例代码,演示如何使用 MATLAB 来证明一个随机变量符合正态分布: ```matlab % 生成 1000 个随机数 x = randn(1000, 1); % 计算期望值和标准差 mu = mean(x); sigma = std(x); % 计算概率密度函数 pdf = normpdf(x, mu, sigma); % 标准化处理 z = zscore(x); % 绘制正态概率图 normplot(z); % 进行假设检验 [h, p] = kstest(z); if h disp('The data does not follow a normal distribution.') else disp('The data follows a normal distribution.') end ``` 在这个例子中,我们使用 `randn` 函数生成了 1000 个随机数,并通过计算期望值和标准差来得到正态分布概率密度函数。然后使用 `zscore` 函数将随机变量标准化,并使用 `normplot` 函数画出正态概率图。最后,我们进行了假设检验,判断该随机变量是否符合正态分布

“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 3
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