正态曲线下面积
第二节正态曲线下面积
直方图是以直方的面积表示数量的。直方顶端连成曲线后，整个曲线下面积就表示总频数，用1或10 0%表示。一定区间曲线下面积就是出现在此区间的频数与总频数之比，或出现在该区间的各个变量的概率之和。例如以7岁男童102人为100%，则若要知道坐高在66至68cm间的人数占总人数的百分比，只要知道曲线下横坐标为66至68cm区间内的面积就可以了。因此求出曲线下面积有其实用意义。
曲线下某区间的面积，可根据曲线方程用积分求得，但若每次应用时都要用积分计算，那是很麻烦的。前人已将标准正态曲线下0至各u值的面积计算出来的了。由于各书列的方式不完全相同，所以使用时要注意表上的图示或说明，仍用7岁男童坐高资料为例说明正态曲线下面积表（附表2）的使用方法。该表左侧及上端为u值，表中数字为横轴自0至u曲线下的面积。
例5.1根据表4.3的资料计算得坐高的X=66.72，S=2.08，试估计总体中坐高在
（1）66.72-68.80cm间。
（2）66～68cm间及（3）68～70cm间的人数各占总人数的百分比。
（1）求坐高在66.72～68.80cm 之间曲线下面积。
①求u（u=(X-μ)/σ，这里分别以X、S作为μ与σ的估计值）
（66.72-66.72）/2.08=0
（66.80-66.72）/2.80=1
标准正态曲线下面积见图5.3（a）。
②查附表2，u自0至1的面积，即查u=1.00，得α/2=0.3413。坐高在此区间内的人数占总人数的34. 13%。
（2）求坐高在66～68cm之间曲线下面积。
①求u
(66-66.72)/2.08=-0.346
(68-66.72)/2.08=0.615
标准正态曲线下面积见图5.3(b)
②查附表2u=0.346，得α/2=0.1353(经内插法求得，下同)
u=0.615，得α/2=0.2308
0.1353+0.2308=0.3661
坐高在此区间内的人数占总人数的36.61%，即102×0.3661=37.3人，与实际观察所得38人相近。
图5.3正态曲线下面积之计算
（3）求坐高在68～70cm间的人数占总人数的百分比。
①求u
(68-66.72)/2.08=0.615
(70-66.72)/2.08=1.577
标准正态曲线下面积见图5.3(c)
②查附表2，u=1.577,得α/2=0.4426
u=0.615,得α/2=0.2308
0.4426-0.2308=0.2118
坐高在此区间内的人数点总人数的21.18%，即有102×0.2118=21.6人。与实际观察所得20人相近。
从例5.1可见，因为正态曲线对称于原点，所以不论u为正还是负，绝对值相同时，自0至u的面积相同。查附表2时，若两个u值中有一个是0，按另一u值查得α/2；若两个u异号，将查出的两个α/2值相加；若两个u同号，则将大的α/2值减去小的即得。但不能将两个u值相加（或减）后再查面积。
例5.1已求得u从0-1时，α/2=0.3413,所以u从-1～1，曲线下面积为0.6827，说明有68.27%的变量值在μ±σ的范围内（见图5.2）。查附表2，当u=1.96时，α/2=0.475，因此μ±1.96σ的范围内包含有95%的变量值，只有5%的变量值在此范围外。由于曲线左右对称，因此有2.5%的变量值等于或小于μ-1.96σ;2.5%变量值等于或大于μ+1.96σ。同理，查附表2，u=2.58时,α/2=0.495,因此μ±2.58σ范围内有99%的变量值，在此范围外的仅占1%。u=1.96和u=2.58（准确说是u=2.5758）是正态分布中两个重要的界值，称5%界和1%界，今后在正常值范围估计、假设检验等中常常要用到。
如果已知资料呈正态分布，那么理论上只要知道μ和σ就可根据曲线下面积表求出任两值之间变量值的个数，也就是说能算出变量值的频数分配。但实际上μ和σ常常无法获得，因此只能用X和S作为μ和σ的估计值，来估计总
体中变量值（个体值）的分布。
正态分布z值表
正态分布z值表——见最下文 首先我们得先来了解一下什么是正态分布： 1.正态曲线(normal curve) 正态曲线是簇曲线，呈对称钟形，均数所在处最高，两侧逐渐下降，两端在无穷处与横轴无限接近。横坐标常使用观察值组段，纵坐标常使用频数、频率及概率密度（频率与组距之比）。 2.正态分布特征 曲线概率密度函数： 式中，有4个常数， μ为总体均数，σ为总体标准差，π为圆周率，е为自然对数的底数， 其中μ、σ为不确定的常数，称为正态分布的参数。 μ是位置参数，决定着正态曲线在X轴上的位置; σ是形状参数，决定着正态曲线的分布形状 由此决定的正态分布记作N(μ,σ2)。
仅X 为随机变量。 曲线位置形状与面积特征： 标准差一样规定了曲线的形状相同，而均数不同，会使得曲线在在横轴上的位置不同，并且随着均数增大，曲线逐渐向右移动。
均数不变，标准差改变，标准差小的曲线变异度小，曲线形状就高瘦一点；标准差大的变异度大，曲线形状就矮胖一点。 标准正态分布 均数为0，标准差为1的正态分布被称为标准正态分布(standard normal distribution)。 对于任意一个服从正态分布N（μ，σ2）的随机变量，可做标准化转换。 通过标准化转换后，任意一个正态分布曲线下面积求解问题都能转换成标准正态分布曲线下面积求解问题。如下所示：
2.标准正态分布的应用 当Z的取值范围为（Z1,Z2)时，概率（面积）计算公式应为： P（Z1＜Z＜Z2）=φ（Z2）﹣φ（Z1） 因为统计表中只有Z值的左侧尾部面积，所以根据上图所示，当Z＞0时应有： φ（Z）=1-φ（﹣Z） 所以对于一个一般的正态分布问题，我们可以先通过标准化转换求得Z值，然后查表找到所对应的值后代入面积公式即可进行求解。 注意： ①曲线下面积总和为1。 ②曲线下的面积是从﹣∞积分到当前Z的面积。 ③曲线下对称于0的区间，面积相等。 ④当μ，σ和X已知时，先求Z值，再用Z值查表，得到所求区
曲线型组合图形的面积计算方法
曲线型组合图形的面积计算方法姓名对于不规则图形面积的计算问题一般将它转化为若干基本规则图形的组合，分析整体与部分的和、差关系，问题便得到解决.常用的基本方法有： 一、相加法：这种方法是将不规则图形分解转化成几个基本规则图形，分别计 算它们的面积，然后相加求出整个图形的面积。例如下图中，要求整个图形的面积，只要先求出上面半圆的面积，再求出下面正方形的面积，然后把它们相加就可以了。 30厘米 二、相减法：这种方法是将所求的不规则图形的面积看成是若干个基本规则图 形的面积之差。例如下图中，若求阴影部分的面积，只需先求出正方形面积再减去里面圆的面积即可。 三、
四、 重新组合法：这种方法是将不规则图形拆开，根据具体情况和计算上的需要，重新组合成一个新的图形，设法求出这个新图形面积即可.例如，欲求下图中阴影部分面积，可以把它拆开使阴影部分分布在正方形的4个角处，这时采用相减法就可求出其面积了。 五、 辅助线法：这种方法是根据具体情况在图形中添一条或若干条辅助线，使不规则图形转化成若干个基本规则图形，然后再采用相加、相减法解决即可.如下图，求两个正方形中阴影部分的面积.此题虽然可以用相减法解决，但不如添加一条辅助线后用直接法作更简便. 六、 割补法：这种方法是把原图形的一部分切割下来补在图形中的另一部分使之成为基本规则图形，从而使问题得到解决.例如，如下图，欲求阴影部分的面积，只需把右边弓形切割下来补在左边，这样整个阴影部分面积恰是正方形面积的一半。 七、 平移法：这种方法是将图形中某一部分切割下来平行移动到一恰当位置，使之组合成一个新的基本规则图形，便于求出面积。例如下图，欲求阴影部分面积，可先沿中间切开把左边正方形内的阴影部分平行移到右边长方形内，这样整个阴影部分恰是一个长方形。 旋转法：这种方法是将图形中某一部分切割下来之后，使之沿某一点或某一轴旋转一定角度贴补在另一图形的一侧，从而组合成一个新的基本规则的图形，便于求出面积.例如，欲求下左图中阴影部分的面积，可将左半图形绕B 点逆时针方向旋转180°，使A 与C 重合，从而构成如下右图（2）的样子，此时阴影部分的面积可以看成半圆面积减去中间等腰直角三角形的面积。 九、 对称添补法：这种方法是作出原图形的对称图形，从而得到一个新的基本规则图形.原来图形面积就是这个新图形面积的一半。例如，欲求下图中阴影部分的面积，沿AB 在原图下方作关于AB 为对称轴的对称扇形ABD.弓形CBD 的面积的一半就是所求阴影部分的面积。 十、 重叠法：这种方法是将所求的图形看成是两个或两个以上图形的重叠部分，然后运用“容斥原理”（SA ∪B ＝SA ＋SB-SA ∩B ）解决。例如欲求下图中阴影部分的面积，可先求两个扇形面积的和，减去正方形面积，因为阴影部 分的面积恰好是两个扇形重叠的部分。 10厘米 6厘米 4厘米 20厘米 8厘米 10厘米 20厘米 30厘米 10厘米
标准正态分布表
标准正态分布表 集团文件发布号：（9816-UATWW-MWUB-WUNN-INNUL-DQQTY-
标准正态分布表
4432198653 1.80.964 1 0.964 8 0.965 6 0.966 4 0.967 2 0.967 8 0.968 6 0.969 3 0.970 0.970 6 1.90.971 3 0.971 9 0.972 6 0.973 2 0.973 8 0.974 4 0.975 0.975 6 0.976 2 0.976 7 20.977 2 0.977 8 0.978 3 0.978 8 0.979 3 0.979 8 0.980 3 0.980 8 0.981 2 0.981 7 2.10.982 1 0.982 6 0.983 0.983 4 0.983 8 0.984 2 0.984 6 0.985 0.985 4 0.985 7 2.20.986 1 0.986 4 0.986 8 0.987 1 0.987 4 0.987 8 0.988 1 0.988 4 0.988 7 0.989 2.30.989 3 0.989 6 0.989 8 0.990 1 0.990 4 0.990 6 0.990 9 0.991 1 0.991 3 0.991 6 2.40.991 8 0.992 0.992 2 0.992 5 0.992 7 0.992 9 0.993 1 0.993 2 0.993 4 0.993 6 2.50.993 8 0.994 0.994 1 0.994 3 0.994 5 0.994 6 0.994 8 0.994 9 0.995 1 0.995 2 2.60.995 3 0.995 5 0.995 6 0.995 7 0.995 9 0.996 0.996 1 0.996 2 0.996 3 0.996 4 2.70.996 5 0.996 6 0.996 7 0.996 8 0.996 9 0.997 0.997 1 0.997 2 0.997 3 0.997 4 2.80.997 4 0.997 5 0.997 6 0.997 7 0.997 7 0.997 8 0.997 9 0.997 9 0.998 0.998 1 2.90.998 1 0.998 2 0.998 2 0.998 3 0.998 4 0.998 4 0.998 5 0.998 5 0.998 6 0.998 6 x00.10.20.30.40.50.60.70.80.9 30.998 7 0.999 0.999 3 0.999 5 0.999 7 0.999 8 0.999 8 0.999 9 0.999 9 1.000 正态分布概率表 Φ（ u ） =
标准正态分布-Z值表
0.00 0.010.020.030.040.050.060.070.080.090.00.500000.496010.492020.488030.484050.480060.476080.472100.468120.464140.10.460170.456200.452240.448280.444330.440380.436440.432510.428580.424650.20.420740.416830.412940.409050.405170.401290.397430.393580.389740.385910.30.382090.378280.374480.370700.366930.363170.359420.355690.351970.348270.40.344580.340900.337240.333600.329970.326360.322760.319180.315610.312070.50.308540.305030.301530.298060.294600.291160.287740.284340.280960.277600.60.274250.270930.267630.264350.261090.257850.254630.251430.248250.245100.70.241960.238850.235760.232700.229650.226630.223630.220650.217700.214760.80.211860.208970.206110.203270.200450.197660.194890.192150.189430.186730.90.184060.181410.178790.176190.173610.171060.168530.166020.163540.161091.00.158660.156250.153860.151510.149170.146860.144570.142310.140070.137861.10.135670.133500.131360.129240.127140.125070.123020.121000.119000.117021.20.115070.113140.111230.109350.107490.105650.103830.102040.100270.0985251.30.0968000.0950980.0934180.0917590.0901230.0885080.0869150.0853430.0837930.0822641.4 0.0807570.0792700.0778040.0763590.0749340.0735290.0721450.0707810.0694370.0681121.50.0668070.0655220.0642550.0630080.0617800.0605710.0593800.0582080.0570530.0559171.60.0547990.0536990.0526160.0515510.0505030.0494710.0484570.0474600.0464790.0455141.70.0445650.0436330.0427160.0418150.0409300.0400590.0392040.0383640.0375380.0367271.80.0359300.0351480.0343800.0336250.0328840.0321570.0314430.0307420.0300540.0293791.90.0287170.0280670.0274290.0268030.0261900.0255880.0249980.0244190.0238520.0232952.00.0227500.0222160.0216920.0211780.0206750.0201820.0196990.0192260.0187630.0183092.10.0178640.0174290.0170030.0165860.0161770.0157780.0153860.0150030.0146290.0142622.20.0139030.0135530.0132090.0128740.0125450.0122240.0119110.0116040.0113040.0110112.30.0107240.0104440.0101709.9031E-039.6419E-039.3867E-039.1375E-038.8940E-038.6563E-038.4242E-032.48.1975E-037.9763E-037.7603E-037.5494E-037.3436E-037.1428E-03 6.9469E-03 6.7557E-03 6.5691E-03 6.3872E-032.5 6.2097E-03 6.0366E-03 5.8677E-03 5.7031E-03 5.5426E-03 5.3861E-03 5.2336E-03 5.0849E-03 4.9400E-03 4.7988E-032.6 4.6612E-03 4.5271E-03 4.3965E-03 4.2692E-03 4.1453E-03 4.0246E-03 3.9070E-03 3.7926E-03 3.6811E-03 3.5726E-032.7 3.4670E-03 3.3642E-03 3.2641E-03 3.1667E-03 3.0720E-03 2.9798E-03 2.8901E-03 2.8028E-03 2.7179E-03 2.6354E-032.8 2.5551E-03 2.4771E-03 2.4012E-03 2.3274E-03 2.2557E-03 2.1860E-03 2.1182E-03 2.0524E-03 1.9884E-03 1.9262E-032.9 1.8658E-03 1.8071E-03 1.7502E-03 1.6948E-03 1.6411E-03 1.5889E-03 1.5382E-03 1.4890E-03 1.4412E-03 1.3949E-033.0 1.3499E-03 1.3062E-03 1.2639E-03 1.2228E-03 1.1829E-03 1.1442E-03 1.1067E-03 1.0703E-03 1.0350E-03 1.0008E-033.19.6760E-049.3544E-049.0426E-048.7403E-048.4474E-048.1635E-047.8885E-047.6219E-047.3638E-047.1136E-043.2 6.8714E-04 6.6367E-04 6.4095E-04 6.1895E-04 5.9765E-04 5.7703E-04 5.5706E-04 5.3774E-04 5.1904E-04 5.0094E-043.3 4.8342E-04 4.6648E-04 4.5009E-04 4.3423E-04 4.1889E-04 4.0406E-04 3.8971E-04 3.7584E-04 3.6243E-04 3.4946E-043.4 3.3693E-04 3.2481E-04 3.1311E-04 3.0179E-04 2.9086E-04 2.8029E-04 2.7009E-04 2.6023E-04 2.5071E-04 2.4151E-043.5 2.3263E-04 2.2405E-04 2.1577E-04 2.0778E-04 2.0006E-04 1.9262E-04 1.8543E-04 1.7849E-04 1.7180E-04 1.6534E-043.6 1.5911E-04 1.5310E-04 1.4730E-04 1.4171E-04 1.3632E-04 1.3112E-04 1.2611E-04 1.2128E-04 1.1662E-04 1.1213E-043.7 1.0780E-04 1.0363E-049.9611E-059.5740E-059.2010E-058.8417E-058.4957E-058.1624E-057.8414E-057.5324E-053.87.2348E-05 6.9483E-05 6.6726E-05 6.4072E-05 6.1517E-05 5.9059E-05 5.6694E-05 5.4418E-05 5.2228E-05 5.0122E-053.9 4.8096E-05 4.6148E-05 4.4274E-05 4.2473E-05 4.0741E-05 3.9076E-05 3.7475E-05 3.5936E-05 3.4458E-05 3.3037E-05 ※ Microsoft Excel 2004 for Mac で，NORMSDIST関数を使って作成． 2005. 10. 30 浅野 晃 標準正規分布表（P (Z z )） z の小数第１位まで z の小数第２位
t分布和标准规定正态分布
数理统计实验 t分布与标准正态分布 院（系）: 班级: 成员:
成员: 成员: 指导老师: 日期:
目录 t分布与标准正态分布的关系 (1) 一、实验目的 (1) 二、实验原理 (1) 三、实验内容及步骤 (1) 四、实验器材 (6) 五、实验结果分析 (6) 六、实验结论 (6)
t分布与标准正态分布的关系 一、实验目的 正态分布是统计中一种很重要的理论分布，是许多统计方法的理论基础。正态分布有两个参数，μ和σ，决定了正态分布的本质。为了应用和计算方便，常将一般的正态变量X通过μ变换[(X-μ)/σ]转化成标准正态变量μ，以使原来各种形态的正态分布都转换为μ=0，σ=1的标准正态分布，亦称μ分布。对于标准正态分布来说，μ是数据整体的平均值，σ是整体的标准差。但实际操作过程中，人们往往难以获得μ和σ。因此人们只能通过样本对这两个参数做出估计，用样本平均值和样本标准差代替整体的平均值和标准差，从而得出了t分布。另外从图像的层面说，正态分布的位置和形态只与μ和σ有关，而t分布不只与样本平均值和样本标准差有关，还与自由度相关。通过实验了解t分布与标准正态分布之间的关系。 二、实验原理 运用EXCEL软件验证t分布与标准正态分布的关系，绘制相应的统计图表进行分析。 三、实验内容及步骤 1.打开Excel文件，将“t分布与标准正态分布N（0，1）”合并并居中，黑体，20字号，红色；
2.选中文件,选项,自定义功能区,加载开发工具.在开发工具中插入滚动条,调节滚动条大小； 3.设置A2单元格格式,数字自定义区”!n=#,##0;[红 色]￥-#,##0”.然后左对齐,设置为红色；
标准正态分布
标准正态分布 标准正态分布（英语：standard normal distribution，德语Standardnormalverteilung），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。期望值μ=0，即曲线图象对称轴为Y轴，标准差σ=1条件下的正态分布，记为N(0，1)。 定义： 标准正态分布又称为u分布，是以0为均数、以1为标准差的正态分布，记为N（0，1）。标准正态分布曲线下面积分布规律是：在-1.96～+1.96范围内曲线下的面积等于0.9500，在-2.58～+2.58范围内曲线下面积为0.9900。统计学家还制定了一张统计用表（自由度为∞时），借助该表就可以估计出某些特殊u1和u2值范围内的曲线下面积。 正态分布的概率密度函数曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是位置参数均数为0, 尺度参数：标准差为1的正态分布 特点： 密度函数关于平均值对称 平均值与它的众数（statistical mode）以及中位数（median）同一数值。 函数曲线下68.268949%的面积在平均数左右的一个标准差范围内。 95.449974%的面积在平均数左右两个标准差的范围内。 99.730020%的面积在平均数左右三个标准差的范围内。 99.993666%的面积在平均数左右四个标准差的范围内。 函数曲线的反曲点（inflection point）为离平均数一个标准差距离的位置。 标准偏差：
深蓝色区域是距平均值小于一个标准差之内的数值范围。在正态分布中，此范围所占比率为全部数值之68%，根据正态分布，两个标准差之内的比率合起来为95%；三个标准差之内的比率合起来为99%。 在实际应用上，常考虑一组数据具有近似于正态分布的概率分布。若其假设正确，则约68.3%数值分布在距离平均值有1个标准差之内的范围，约95.4%数值分布在距离平均值有2个标准差之内的范围，以及约99.7%数值分布在距离平均值有3个标准差之内的范围。称为“68-95-99.7法则”或“经验法则”
正态分布的概念和特征
第一节正态分布的概念和特征 一、正态分布的概念 由表的频数表资料所绘制的直方图，图（1）可以看出，高峰位于中部，左右两侧大致对称。我们设想，如果观察例数逐渐增多，组段不断分细，直方图顶端的连线就会逐渐形成一条高峰位于中央（均数所在处），两侧逐渐降低且左右对称，不与横轴相交的光滑曲线图（3）。这条曲线称为频数曲线或频率曲线，近似于数学上的正态分布（normal distribution）。由于频率的总和为100%或1，故该曲线下横轴上的面积为100%或1。 图频数分布逐渐接近正态分布示意图 为了应用方便，常对正态分布变量X作变量变换。 （）
该变换使原来的正态分布转化为标准正态分布 (standard normal distribution)，亦称u分布。u被称为标准正态变量或标准正态离差（standard normal deviate）。 二、正态分布的特征： 1．正态曲线（normal curve）在横轴上方均数处最高。 2．正态分布以均数为中心，左右对称。 3．正态分布有两个参数，即均数和标准差。是位置参数，当固定不变时，越大，曲线沿横轴越向右移动；反之，越小，则曲线沿横轴越向左移动。 是形状参数，当固定不变时，越大，曲线越平阔；越小，曲线越尖峭。通常用表示均数为，方差为的正态分布。用N（0，1）表示标准正态分布。 4．正态曲线下面积的分布有一定规律。 实际工作中，常需要了解正态曲线下横轴上某一区间的面积占总面积的百分数，以便估计该区间的例数占总例数的百分数（频数分布）或观察值落在该区间的概率。正态曲线下一定区间的面积可以通过附表1求得。对于正态或近似正态分布的资料，已知均数和标准差，就可对其频数分布作出概约估计。 查附表1应注意：①表中曲线下面积为-∞到u的左侧累计面积；②当已知μ、σ和X时先按式（）求得u值，再查表，当μ、σ未知且样本含量n足够大时，可用样本均数和标准差S分别代替μ和σ，按式求得u值，再查表；③曲线下对称于0的区间面积相等，如区间（-∞，）与区间（，∞）的面积相等，④曲线下横轴上的总面积为100%或1。
利用定积分求曲线围成的面积
12.9 利用定积分求曲线围成的面积 武汉外国语学校 汪家硕 一．复习回顾： 1.定积分的几何意义：当()0f x ≥时，积分()b a f x dx ?在几何上表示由()y f x =、x a =、 x b =与x 轴所围成的曲边梯形的面积。 当()0f x ≤时，由()y f x =、x a =、x b =与x 轴所围成的曲边梯形位于x 轴的下方。 2.牛顿—莱布尼茨公式 定理（微积分基本定理）如果()f x 是区间[,]a b 上的连续函数，并且'()()F x f x =，则 ()()()b a f x dx F b F a =-? 二．曲线围成的面积 1.设f 和g 是区间[,]a b 上的连续函数且对任意的[,]x a b ∈有()()f x g x ≥，则直线x a =和直线x b =以及曲线间围成的面积可以表示为： ()()()()b b b a a a f x dx g x dx f x g x dx -=-? ?? 例1.求抛物线2y x =和直线2y x =所围成的区域面积。 解：先求出P 点坐标。 解方程组22y x y x ?=?=? ? 02 x x =??=? ∴ P 点的坐标是(2,4)。 所求的面积= 2 23220 08424333x x x dx x ??-=-=-=????? 例1 ?b a f (x )dx =c a f (x )dx +b c f (x )dx 。
例2．计算曲线21y x =+和24y x =-，以及直线1x =和1x =-所围成的区域面积。 解：所求面积= 1 11322211 12144(1)32333x x x dx x dx x ---??--+=-=-=?????? 例2 2.前面的例题都是一个曲线总在另外一个曲线的上方，如果它们交叉会是什么结 果？ 考虑区间112233[,],[,],[,],[,]a c c c c c c b ，阴影部分面积可以表示为： 1 23123()()()()()()()()c c c b a c c c f x g x dx g x f x dx f x g x dx g x f x dx -+-+-+-???? 例3：求3 ()f x x =和()g x x =所围成的封闭区域面积。 解：当()()f x g x =时图像的交点， 即 3320(1)0 x x x x x x =?-=?-= 01x ∴=±或 例3
一、标准正态曲线的特点.
一、标准正态曲线的特点: 1）、曲线在z=0位最高点； 2）、曲线以z=0处为中心，双侧对称。 3）、曲线从最高点向左右缓慢下降，并无限延伸，但永不与基线相交。 4）、在正态曲线下中央位置6个标准差内，包含了99.73%的数据。 二、二项试验应当满足以下几个条件： （1） 一次试验只有两种可能结果，即成功与失败。 （2） 各次试验相互独立，几个次试验之间互不影响。 各次试验中成功的概率相等，各次试验中失败的概率自然也相等。 三、1、 解 T=10×Z+50=10×0.4+50=54 学生A 的标准T 分数为54。 四、检验 1、假设：22210:σσ=H 22211:σσ≠H 2、计算检验统计量 F=36.1) 150/(650)146/(746)1/()1/(2222221211≈-?-?=--n n n n x x σσ 3、统计决断 因为，F=1.36
标准正态分布查询表
附表1. 标准正态分布表 x0.000.010.020.030.040.050.060.070.080.09 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.90.500 0 0.539 8 0.579 3 0.617 9 0.655 4 0.691 5 0.725 7 0.758 0 0.788 1 0.815 9 0.841 3 0.864 3 0.884 9 0.903 2 0.919 2 0.933 2 0.945 2 0.955 4 0.964 1 0.971 3 0.977 2 0.982 1 0.986 1 0.989 3 0.991 8 0.993 8 0.995 3 0.996 5 0.997 4 0.998 1 0.504 0 0.543 8 0.583 2 0.621 7 0.659 1 0.695 0 0.729 1 0.761 1 0.791 0 0.818 6 0.843 8 0.866 5 0.886 9 0.904 9 0.920 7 0.934 5 0.946 3 0.956 4 0.964 8 0.971 9 0.977 8 0.982 6 0.986 4 0.989 6 0.992 0 0.994 0 0.995 5 0.996 6 0.997 5 0.998 2 0.508 0 0.547 8 0.587 1 0.625 5 0.662 8 0.698 5 0.732 4 0.764 2 0.793 9 0.821 2 0.846 1 0.868 6 0.888 8 0.906 6 0.922 2 0.935 7 0.947 4 0.957 3 0.965 6 0.972 6 0.978 3 0.983 0 0.986 8 0.989 8 0.992 2 0.994 1 0.995 6 0.996 7 0.997 6 0.998 2 0.512 0 0.551 7 0.591 0 0.629 3 0.666 4 0.701 9 0.735 7 0.767 3 0.796 7 0.823 8 0.848 5 0.870 8 0.890 7 0.908 2 0.923 6 0.937 0 0.948 4 0.958 2 0.966 4 0.973 2 0.978 8 0.983 4 0.987 1 0.990 1 0.992 5 0.994 3 0.995 7 0.996 8 0.997 7 0.998 3 0.516 0 0.555 7 0.594 8 0.633 1 0.670 0 0.705 4 0.738 9 0.770 3 0.799 5 0.826 4 0.850 8 0.872 9 0.892 5 0.909 9 0.925 1 0.938 2 0.949 5 0.959 1 0.967 2 0.973 8 0.979 3 0.983 8 0.987 4 0.990 4 0.992 7 0.994 5 0.995 9 0.996 9 0.997 7 0.998 4 0.519 9 0.559 6 0.598 7 0.636 8 0.673 6 0.708 8 0.742 2 0.773 4 0.802 3 0.828 9 0.853 1 0.874 9 0.894 4 0.911 5 0.926 5 0.939 4 0.950 5 0.959 9 0.967 8 0.974 4 0.979 8 0.984 2 0.987 8 0.990 6 0.992 9 0.994 6 0.996 0 0.997 0 0.997 8 0.998 4 0.523 9 0.563 6 0.602 6 0.640 4 0.677 2 0.712 3 0.745 4 0.776 4 0.805 1 0.835 5 0.855 4 0.877 0 0.896 2 0.913 1 0.927 9 0.940 6 0.951 5 0.960 8 0.968 6 0.975 0 0.980 3 0.984 6 0.988 1 0.990 9 0.993 1 0.994 8 0.996 1 0.997 1 0.997 9 0.998 5 0.527 9 0.567 5 0.606 4 0.644 3 0.680 8 0.715 7 0.748 6 0.779 4 0.807 8 0.834 0 0.857 7 0.879 0 0.898 0 0.914 7 0.929 2 0.941 8 0.952 5 0.961 6 0.969 3 0.975 6 0.980 8 0.985 0 0.988 4 0.991 1 0.993 2 0.994 9 0.996 2 0.997 2 0.997 9 0.998 5 0.531 9 0.571 4 0.610 3 0.648 0 0.684 4 0.719 0 0.751 7 0.782 3 0.810 6 0.836 5 0.859 9 0.881 0 0.899 7 0.916 2 0.930 6 0.943 0 0.953 5 0.962 5 0.970 0 0.976 2 0.981 2 0.985 4 0.988 7 0.991 3 0.993 4 0.995 1 0.996 3 0.997 3 0.998 0 0.998 6 0.535 9 0.575 3 0.614 1 0.651 7 0.687 9 0.722 4 0.754 9 0.785 2 0.813 3 0.838 9 0.862 1 0.883 0 0.901 5 0.917 7 0.931 9 0.944 1 0.953 5 0.963 3 0.970 6 0.976 7 0.981 7 0.985 7 0.989 0 0.991 6 0.993 6 0.995 2 0.996 4 0.997 4 0.998 1 0.998 6 x0.00.10.20.30.40.50.60.70.80.9 30.998 70.999 00.999 30.999 50.999 70.999 80.999 80.999 90.999 9 1.000 0
利用Excel的NORMSDIST计算正态分布函数表1
利用Excel的NORMSDIST计算正态分布函数表1
利用Excel的NORMSDIST函数建立正态 分布表 董大钧，乔莉 沈阳理工大学应用技术学院、信息与控制分院， 辽宁抚顺113122 摘要：利用Excel办公软件特有的NORMSDIST函数可以很准确方便的建立正态分布表、查找某分位数点的正态分布概率值,极大的提高了数理统计的效率。该函数可返回指定平均值和标准偏差的正态分布函数，将其引入到统计及数据分析处理过程中，代替原有的手工查找正态分布表，除具有直观、形象、易用等特点外,更增加了动态功能,极大提高了工作效率及准确性。 关键词：Excel；正态分布；函数；统计 引言 正态分布是应用最广泛的连续概率分布，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，某种产品的张力、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。在科学研究及数理统计计算过程中，人们往往要通过某本概率统计教材附录中的正态分布表去查找，非常麻烦。若手头有计算机，并安装有Excel软件，就可以利用Excel的NORMSDIST( x )函数进行计算某分位数点的正态分布概率值，或建立一个正态分布表，准确又方便。 1 正态分布及其应用 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。若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为N(μ，σ2)。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。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。服从正态分布的随机变量的概率规律为取与μ邻近的值的概
正态分布讲解(含标准表)
2．4正态分布 复习引入： 总体密度曲线:样本容量越大，所分组数越多，各组的频率就越接近于总体在相应各组取值的概率．设想样本容量无限增大，分组的组距无限缩小，那么频率分布直方图就会无限接近于一条光滑曲线,这条曲线叫做总体密度曲线． 总体密度曲线 b 单位 O 频率/组距 a 它反映了总体在各个范围内取值的概率．根据这条曲线，可求出总体在区间(a，b)内取值的概率等于总体密度曲线，直线x=a，x=b及x轴所围图形的面积． 观察总体密度曲线的形状，它具有“两头低，中间高，左右对称”的特征，具有这种特征的总体密度曲线一般可用下面函数的图象来表示或近似表示： 2 2 () 2 , 1 (),(,) 2 x x e x μ σ μσ ? πσ - - =∈-∞+∞ 式中的实数μ、)0 (> σ σ是参数，分别表示总体的平均数与标准差，, ()x μσ ? 的图象为正态分布密度曲线,简称正态曲线． 讲解新课：
一般地，如果对于任何实数a b <，随机变量X 满足 ,()()b a P a X B x dx μσ?<≤=?, 则称 X 的分布为正态分布（normal distribution ) ．正态分布完全由参数μ和σ确定，因此正态分布常记作),(2 σ μN ．如果随机变量 X 服从正态分布，则记为X ～),(2σμN . 经验表明，一个随机变量如果是众多的、互不相干的、不分主次的偶然因素作用结果之和，它就服从或近似服从正态分布．例如，高尔顿板试验中，小球在下落过程中要与众多小木块发生碰撞，每次碰撞的结果使得小球随机地向左或向右下落，因此小球第1次与高尔顿板底部接触时的坐标 X 是众多随机碰撞的结果，所以它近似服从正态分布．在现实生活中，很多随机变量都服从或近似地服从正态分布．例如长度测量误差；某一地区同年龄人群的身高、体重、肺活量等；一定条件下生长的小麦的株高、穗长、单位面积产量等；正常生产条件下各种产品的质量指标（如零件的尺寸、纤维的纤度、电容器的电容量、电子管的使用寿命等）；某地每年七月份的平均气温、平均湿度、降雨量等；一般都服从正态分布．因此，正态分布广泛存在于自然现象、生产和生活实际之中．正态分布在概率和统计中占有重要的地位． 说明:1参数μ是反映随机变量取值的平均水平的特征数，可以用样本均值去佑计；σ是衡量随机变量总体波动大小的特征数，可以用样本标准差去估计． 2.早在 1733 年，法国数学家棣莫弗就用n ！的近似公式得到了正态分布．之后，德国数学家高斯在研究测量误差时从另一个角度导出了它，并研究了它的性质，因此，人们也称正态分布为高斯分布． 2．正态分布),(2 σ μN ）是由均值μ和标准差σ唯一决定的分布 通过固定其中一个值，讨论均值与标准差对于正态曲线的影响
正态概率图normalprobability plot
正态概率图(normal probability plot) 方法演变：概率图，分位数-分位数图( Q- Q) 概述 正态概率图用于检查一组数据是否服从正态分布。是实数与正态分布数据之间函数关系的散点图。如果这组实数服从正态分布，正态概率图将是一条直线。通常，概率图也可以用于确定一组数据是否服从任一已知分布，如二项分布或泊松分布。 适用场合 ·当你采用的工具或方法需要使用服从正态分布的数据时； ·当有50个或更多的数据点，为了获得更好的结果时。 例如： ·确定一个样本图是否适用于该数据； ·当选择作X和R图的样本容量，以确定样本容量是否足够大到样本均值服从正态分布时； ·在计算过程能力指数Cp或者Cpk之前； ·在选择一种只对正态分布有效的假设检验之前。
实施步骤 通常，我们只需简单地把数据输入绘图的软件，就会产生需要的图。下面将详述计算过程，这样就可以知道计算机程序是怎么来编译的了，并且我们也可以自己画简单的图。 1将数据从小到大排列，并从1～n标号。 2计算每个值的分位数。i是序号： 分位数＝(i－0.5)/n 3找与每个分位数匹配的正态分布值。把分位数记到正态分布概率表下面的表A.1里面。然后在表的左边和顶部找到对应的z值。 4根据散点图中的每对数据值作图：每列数据值对应个z值。数据值对应于y轴，正态分位数z值对应于x轴。将在平面图上得到n个点。
5画一条拟合大多数点的直线。如果数据严格意义上服从正态分布，点将形或一条直线。将点形成的图形与画的直线相比较，判断数据拟合正态分布的好坏。请参阅注意事项中的典型图形。可以计算相关系数来判断这条直线和点拟合的好坏。 示例 为了便于下面的计算，我们仅采用20个数据。表5. 12中有按次序排好的20个 值，列上标明“过程数据”。 下一步将计算分位数。如第一个值9，计算如下： 分位数＝(i－0.5)/n＝(1－0.5)/20＝0.5/20＝0.025同理，第2个值，计算如下： 分位数＝(i－0.5)/n＝(2－0.5)/20＝1.5/20＝0.075可以按下面的模式去计算：第3个分位数=2.5÷20，第4个分位数＝3 5÷20 以此类推直到最后1个分位数＝19. 5÷20。 现在可以在正态分布概率表中查找z值。z的前两 个阿拉伯数字在表的最左边一列，最后1个阿拉伯数 字在表的最顶端一行。如第1个分位数＝0. 025，它 位于－1.9在行与0.06所在列的交叉处，故z＝－ 1.96。用相同的方式找到每个分位数。 如果分位数在表的两个值之间，将需要用插值法进行求解。例如：第4个分位数为0.
正态曲线
正态曲线主要内涵
主要内涵 在联系自然、社会和思维的实践背景下，我们以正态分布的本质为基础，以正态分布曲 线及面积分布图为表征 （以后谈及正态分布及正态分布论就要浮现此图） 进行抽象与提升， ， 抓住其中的主要哲学内涵，归纳正态分布论（正态哲学）的主要内涵如下： 整体论 正态分布启示我们，要用整体的观点来看事物。“系统的整体观念或总体观念是系统概 念的精髓。” 正态分布曲线及面积分布图由基区、负区、正区三个区组成，各区比重不一样。 用整体来看事物才能看清楚事物的本来面貌， 才能得出事物的根本特性。 不能只见树木不见 森林，也不能以偏概全。此外整体大于部分之和，在分析各部分、各层次的基础上，还要从 整体看事物， 这是因为整体有不同于各部分的特点。 用整体观来看世界， 就是要立足在基区， 放眼负区和正区。要看到主要方面，还要看到次要方面，既要看到积极的方面还要看到事物 消极的一面， 看到事物前进的一面还要看到落后的一面。 片面看事物必然看到的是偏态或者 是变态的事物，不是真实的事物本身。 重点论 正态分布曲线及面积分布图非常清晰的展示了重点，那就是基区占 68.27%，是主体， 要重点抓，此外 95%，99%则展示了正态的全面性。认识世界和改造世界一定要住住重点， 因为重点就是事物的主要矛盾，它对事物的发展起主要的、支配性的作用。抓住了重点才能 一举其纲，万目皆张。事物和现象纷繁复杂，在千头万绪中不抓住主要矛盾，就会陷入无限 琐碎之中。由于我们时间和精力的相对有限性，出于效率的追求，我们更应该抓住重点。在 正态分布中，基区占了主体和重点。如果我们结合 20/80 法则，我们更可以大胆的把正区也 可以看做是重点。 发展论 联系和发展是事物发展变化的基本规律。任何事物都有其产生、发展和灭亡的历史，如 果我们把正态分布看做是任何一个系统或者事物的发展过程的话， 我们明显的看到这个过程 经历着从负区到基区再到正区的过程。 无论是自然、 社会还是人类的思维都明显的遵循这这 样一个过程。准确的把握事物或者事件所处的历史过程和阶段极大的有助于掌握我们对事 物、事件的特征和性质，是我们分析问题，采取对策和解决问题的重要基础和依据。发展的 阶段不同，性质和特征也不同，分析和解决问题的办法要与此相适应，这就是具体问题具体 分析，也是解放思想、实事求是、与时俱乐进的精髓。正态发展的特点还启示我们，事物发 展大都是渐进的和累积的，走渐进发展的道路是事物发展的常态。例如，遗传是常态，变异 是非常态。 总之，正态分布论是科学的世界观，也是科学的方法论，是我们认识和改造世界的最重 要和最根本的工具之一，对我们的理论和实践有重要的指导意义。以正态哲学认识世界，能 更好的认识和把握世界的本质和规律， 以正态哲学来改造世界， 能更好的在尊重和利用客观 规律，更有效的改造世界。