当前课程知识点:概率论与数理统计 > 第八章 假设检验 > 第八章 练习题 > 2.7 常见的连续型随机变量(中)
同学们 大家好
今天我们接着介绍
概率统计中的第二章内容
随机变量及其分布
今天介绍几类常见的连续型随机变量
首先来看正态分布
如果一个连续型随机变量X的密度函数
具有这样子的形式
f(x)等于根号下2π乘1/σ
乘以e的-(x-μ)²/2σ²
这里-∞<x<+∞
参数有两个
一个是μ 一个是σ
-∞<μ<+∞
σ>0
如果随机变量X
它的密度函数是这个形式
我们就称随机变量X
服从参数为(μ,σ²)的正态分布
把它记作X~N(μ,σ²)
那么密度函数的图像大概画一下
是我们ppt上这个图像
大家来看
μ对应的这个位置还有图像的形状
这是固定的
那么 什么是标准正态分布呢
我们来看
如果在正态分布当中
参数μ=0 σ²=1
也就是σ=1
那么这个时候
我们就称这样子的正态分布
那么这个时候
为标准正态分布
为标准正态分布
那么 标准正态分布的密度函数
写起来就好看一些
大家来看
φ(x)等于根号下1/2π乘以e的-x²/2
当然 x 的取值范围是所有的实数
下面我们来验证
正态分布的密度函数确实是密度函数
我们来看
假设X服从参数(μ,σ²)的正态分布
f(x)是它的密度函数
根据定义
f(x)等于根号下2πσ分之1
乘以e的-(x-μ)²/2σ²
这个显然是大于等于零的
所以它非负性满足
唯一难验证的就是它的规范性
为了验证
这个密度函数在(-∞,+∞)上的积分等于1
我们首先考虑
标准正态分布的密度函数
它满足规范性
为了验证刚才这个密度函数
具有规范性
我们首先考虑
标准正态分布的密度函数具有规范性
也就是φ(x)在(-∞,+∞)上的积分等于1
也就是后面这个积分
根号下2π分之1
乘以(-∞,+∞)上e的-x²/2 dx 的积分等于1
那么要算这个积分
我们的方式是什么呢
我们这样来考虑
我们来证明这个积分的平方等于2π
这样一来
我们将这个定积分的问题
转化成一个二重积分来算
那么这个时候
(-∞,+∞)上e的-x²/2 dx的平方
把它写成两个积分的乘积
由于积分值与积分变量的选取无关
所以第二个积分我把积分变量换成Y
这样一来
我们这个积分
就表示成了一个二重积分
也就是(-∞,+∞)(-∞,+∞)
e的-(x²+y²/2) dxdy 这样一个积分
要计算这个积分
我们需要利用坐标变换
这里引入极坐标变换
令 x=rcosθ y=rsinθ
那么这个时候
这个积分变成什么了
我们看积分线的变化
由于xy都是从负无穷到正无穷
那么这样一来
我们这个θ的范围就0变到2π
r的范围从0变到正无穷
那么这个时候
很容易计算出这个积分值
就等于2π
所以 我们就验证了
我们的这个标准正态分布
它的密度函数满足规范性
那要验证
一般正态分布的密度函数满足规范性
这里我们采用的方法是做一个坐标变换
将它变成标准正态分布的密度函数
这里
我们令u=x-μ/σ
那么看一下微元du
du和dx的关系
du=dx/σ
因为μ是常数 所以它的微分是0
这样一来
我们这个正态分布的密度函数
就可以化成下面这个形式
根号下1/2π 负无穷到正无穷
e的-1/2乘以(x-u/σ)² dx/σ
那么这个时候我们利用我们的变换
它刚好等于根号下1/2π
负无穷到正无穷
e的-u²/2 du
而这个密度函数的积分
恰好是我们那个
标准正态分布的密度函数的积分
所以它等于1
我们就验证了一般的正态分布
它的密度函数确实满足规范性
因此正态分布的密度函数
的的确确是一个分布函数
好 下面我们来看一下
正态分布密度函数的图形性质
那么对于正态分布的密度函数
它的图像是这样子的
大家看PPT
其中 μ 代表这个位置
那么 根据高等数学的知识
我们可以发现
这条曲线关于 x=μ 这条直线
就垂直于 x 轴的这条直线是对称的
这样一来
随机变量X落在μ-h到μ
以及X落在μ到μ+h
这两个区间上的概率
一定是相等的
这反映了一种对称性
第二点 当 x=μ 的时候
这个密度函数达到最高点
这个最高点是多少呢
它的函数值是
根号下2π乘1/σ
那么 从里面可以看出
当x远离μ时 f(x)的值就越来越小
这表明
对于同样长度的区间
当区间离μ越远时
随机变量落在该区间的概率也就越小
另外 这条曲线y=f(x)
在 x=μ±σ 处有两个拐点
那么这个时候
这个曲线 y=f(x) 还以Ox轴
也就是我们这个 x 轴为渐近线
当 x 趋于正无穷时
它趋向于0
当 x 趋于负无穷时
它也趋向于0
而且如果我们固定这个 σ
改变 μ 的位置
我们会发现
f(x)的图像沿着 x 轴作平行移动
但是形状不发生改变
因此 y=f(x) 图形的位置
完全由参数 μ 所确定
所以很多教科书上
把 μ 也称为正态分布的位置参数
另一方面
如果我们固定μ 改变σ
由于 f(x) 的最大值
是根号下2π乘1/σ
我们可以发现
当 σ 越小 y=f(x) 图形就越抖
而落在 μ 附近的概率也就越大
反过来
如果 σ 越大
y=f(x) 的图形就比较平坦
这表明 x 的取值就越分散
正态分布是概率论中最重要的分布之一
下面有以下情形加以说明
第一
正态分布是自然界以及工程技术中
最常见的分布之一
那么 很多随机现象
都服从或者是近似服从正态分布
这一点在我们学习大数定律的时候
还可以进一步去理解
另外可以证明
如果一个随机指标受到许多因素的影响
但其中任何一个因素都不起决定作用
那么 这个随机指标
就一定服从或近似服从正态分布
正态分布有许多良好的性质
这些性质是其他分布所不具备的
第三点
正态分布可以作为许多分布的近似分布
正态分布可以作为许多分布的近似分布
基于这三个原因
正态分布在概率论当中
起到非常重要的作用
今天
我们主要介绍了正态分布
下一节课我们将介绍其他的分布
- 第八章 练习题