当前课程知识点:概率论与数理统计 > 第十一周 正态分布专题 > 正态近似计算实例 > 11.4 正态近似计算实例
本节我们看几个利用
正态分布近似计算
二项分布概率的实例
先计算上一节课讨论过的例子
随机地抛掷一枚均匀的硬币100次
求正面恰好出现50次的概率
以及正面出现次数
在40至60次之间的概率
以及正面出现次数
超过80次的概率
设随机地抛掷硬币100次
得到正面的次数为随机变量X
则X服从参数为100
1/2的二项分布
X近似服从
期望为100乘以1/2等于50
方差为100乘以1/2
再乘以(1-1/2)等于25
也就是5的平方的正态分布
令随机变量为参数为50
5的平方的正态分布随机变量
则5分之Y减50
服从标准正态分布
X等于50的概率
约等于Y大于等于49.5
小于等于50.5的概率
变换为标准正态分布
所求概率为
标准正态分布的分布函数
在0.1和负0.1两点取值的差
等于0.0797
X小于等于60
大于等于40的概率
约等于Y小于等于60.5
大于等于39.5的概率
变换为标准正态分布
再通过查表
得到所求概率为0.9643
最后 X大于等于80的概率
约等于Y大于等于79.5的概率
等于1减去
标准正态分布分布函数
在5.9点的取值
这个值已经非常接近于0
通过计算软件
计算得到所求概率
大约为1.82
乘以10的负9次方
设系统由100个
相互独立的部件组成
运行时每个部件
损坏的概率为0.1
至少有85个部件完好时
系统才能正常工作
求系统正常工作的概率
设正常工作部件的数目为随机变量X
则X服从参数为100
0.9的二项分布
系统正常工作的概率
等于X大于等于85的概率
下面用正态近似来简化计算
X近似服从期望为90
方差为9的正态分布
令Y为期望90
方差为3的平方的
正态分布随机变量
则3分之Y减去90
服从标准正态分布
系统正常工作的概率
约等于Y大于等于84.5的概率
转化为标准正态分布
得到所求概率为phi(3分之5.5)
等于0.967
设系统由一些相互独立的部件组成
运行时每个部件损坏的概率为0.1
若至少有80%个部件完好时
系统能够正常工作
问部件数n
至少为多少时
才能使系统正常工作的概率
不小于0.95
这里给定标准正态分布随机变量
分布函数在Φ(1.645)=0.95
设正常工作部件的数目为
随机变量X
则X服从参数为n,0.9的二项分布
n为待定参数
X近似服从期望为0.9n
方差为0.09n的正态分布
所以0.3根号
n分之X减去0.9n
近似服从标准正态分布
系统正常工作
要求X大于等于0.8n
X大于等于0.8n的概率
等于0.3
根号n分之X减去0.9n
大于等于0.3根号n分之0.8n
减去0.9n的概率
约等于1减去phi
负的0.3根号n分之0.1n
等于phi(3分之根号n)
要求此概率值大于等于0.95
因为Φ(1.645)=0.95
所以3分之根号n
大于等于1.645
推出n大于等于25
部件数达到25
即可使系统正常工作的概率
不小于0.95
-随机试验与随机事件
-古典概型
--1.2 古典概型
--第一周:古典概型
-事件间的关系与事件的运算
--第一周:事件间的关系与事件的运算
-两个著名的例子
--第一周:两个著名的例子
-讲义
-条件概率
--2.1 条件概率
--第二周:条件概率
-有关条件概率的三个重要计算公式
--第二周:有关条件概率的三个重要计算公式
-事件的独立性
--第二周:事件的独立性
-应用实例
--2.4 应用实例
--第二周:应用实例
-网球比赛胜率的计算
--Video
-讲义
-随机变量及分布函数
--第三周:随机变量及分布函数
-离散型与连续型随机变量
--第三周:离散型与连续型随机变量
-分布函数的性质与特殊的例子
--第三周:分布函数的性质与特殊的例子
-概率论所需微积分要点回顾
--第三周:概率论所需微积分要点回顾
-讲义
-二项分布与负二项分布
--第四周:二项分布与负二项分布
-泊松分布
--4.2 泊松分布
--第四周:泊松分布
-几何分布与指数分布
--第四周:几何分布与指数分布
-正态分布
--4.4 正态分布
--第四周:正态分布
-讲义
-随机变量函数的分布
--第五周:随机变量函数的分布
-随机变量的数学期望
--第五周:随机变量的数学期望
-随机变量的方差
--第五周:随机变量的方差
-原点矩与中心矩
--第五周:原点矩与中心矩
-期望和方差的一些补充性质
--第五周:期望和方差的一些补充性质
-讲义
-二项分布与泊松分布的期望与方差
--第六周:二项分布与泊松分布的期望与方差
-几何分布的期望与方差
--第六周:几何分布的期望与方差
-均匀、指数和正态分布的期望与方差
--第六周:均匀、指数和正态分布的期望与方差
-随机变量数学期望的应用实例
--第六周:随机变量数学期望的应用实例
-快速排序算法的平均计算量分析
--Video
-讲义
-多维随机变量
-第七周:多维随机变量
-常见多维随机变量举例
--第七周:常见多维随机变量举例
-随机变量的独立性
--第七周:随机变量的独立性
-独立随机变量期望和方差的性质
--第七周:独立随机变量期望和方差的性质
-讲义
-条件分布
--8.1条件分布
--第八周:条件分布
-条件期望
--8.2 条件期望
--第八周:条件期望
-全期望公式(上)
--第八周:全期望公式(上)
-全期望公式(下)
--第八周:全期望公式(下)
-讲义
-随机变量函数的期望
--第九周:随机变量函数的期望
-协方差
--9.2 协方差
--第九周:协方差
-相关系数
-- 9.3 相关系数
--第九周:相关系数
-相关与独立
--第九周:相关与独立
-讲义
-独立随机变量和的分布
--第十周:独立随机变量和的分布
-独立正态分布和的分布
--第十周:独立正态分布和的分布
-最大值、最小值分布
--第十周:最大值、最小值分布
-顺序统计量
--第十周:顺序统计量
-讲义
-正态分布的相关与独立
--第十一周:正态分布的相关与独立
-边缘密度均为正态,联合分布不是二元正态的例子
--第十一周:边缘密度均为正态,联合分布不是二元正态的例子
-二项分布的正态近似
--第十一周:二项分布的正态近似
-正态近似计算实例
--第十一周:正态近似计算实例
-讲义
-大数定律
--12.1大数定律
--第十二周:大数定律
-中心极限定理
--第十二周:中心极限定理
-蒙特卡洛(Monte Carlo)算法
-伪随机数和随机模拟
-讲义
-统计学实例
-总体与样本
-常用统计量
--第十三周:常用统计量
-三种重要的统计分布和分位数
--第十三周:三种重要的统计分布和分位数
-讲义
-参数的矩估计
--第十四周:参数的矩估计
-参数的极大似然估计
--第十四周:参数的极大似然估计
-参数点估计的无偏性和有效性
--第十四周:参数点估计的无偏性和有效性
-参数点估计应用实例
--第十四周:参数点估计应用实例
-讲义
-区间估计的基本思想
--第十五周:区间估计的基本思想
-区间估计的构造方法
--第十五周:区间估计的构造方法
-两个正态总体的区间估计
--第十五周:两个正态总体的区间估计
-大样本置信区间
--第十五周:大样本置信区间
-讲义
-假设检验问题的提示和标准步骤
--第十六周:假设检验问题的提示和标准步骤
-假设检验问题的两类错误和P值
--第十六周:假设检验问题的两类错误和P值
-单个正态总体参数的假设检验
--第十六周:单个正态总体参数的假设检验
-拟合优度检验
--第十六周:拟合优度检验
-讲义
-利用条件概率计算网球比赛胜率
-利用期望的计算性质分析快速排序算法的平均计算量
-讲义
-事件
--事件
-分布函数
--分布函数
-正态
--正态
-指数与二项
--指数与二项
-随机变量函数的分布
-指数分布期望
--指数分布期望
-切比雪夫不等式
--切比雪夫
-二元离散
--二元离散
-协方差
--协方差
-二元特征
--二元特征
-统计量
--统计量
-无偏估计
--无偏估计
-点估计
--点估计
-假设检验
--假设检验
-选择
--选择
-填空
--填空
-大题
--大题