Files
MathNotesVersion1/公式笔记/概率论/Ch02_随机变量及其分布/题型5_正态分布的计算.md
T
2026-10-04 11:44:56 +08:00

190 lines
6.2 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 题型五:正态分布的计算 ⭐⭐⭐
## 识别特征
- 题干出现"**正态分布**"、"**高斯分布**"、$N(\mu, \sigma^2)$
- 题目要求**求概率** $P(a < X < b)$
- 题目要求**求分位数**(已知 $P(X > a) = \alpha$,求 $a$)
- 题干出现"$\Phi$"、"标准化"、"查表"
- 题目涉及"区间估计"、"假设检验"(衔接 Ch06)
## 解题流程
```mermaid
flowchart TD
A[正态分布问题] --> B{已知 N μ σ²}
B --> C[1. 标准化 Z = X-μ/σ]
C --> D[2. P a<X<b = Φ b-μ/σ - Φ a-μ/σ]
D --> E[3. Φ -x = 1 - Φ x 处理负号]
E --> F[4. 查 Φ 表得数值]
A --> G{已知 P X > a = α}
G --> H[1. P X > a = 1 - Φ a-μ/σ = α]
H --> I[2. Φ a-μ/σ = 1-α]
I --> J[3. 查 Φ 表反查分位数]
```
## 通法步骤
### 一、标准正态分布 $N(0, 1)$ 的三大性质 ⭐⭐⭐
**密度**:$\varphi(x) = \dfrac{1}{\sqrt{2\pi}} e^{-x^2/2}$
**分布**:$\Phi(x) = \displaystyle\int_{-\infty}^x \varphi(t) dt$
**性质**:
1. **$\varphi(-x) = \varphi(x)$**(**偶函数**)
2. **$\Phi(-x) = 1 - \Phi(x)$**(**反对称性**——最重要!)
3. **$\Phi(0) = 0.5$**
### 二、标准化(任何 $N(\mu, \sigma^2)$ → $N(0,1)$)
$$
X \sim N(\mu, \sigma^2) \Rightarrow Z = \frac{X - \mu}{\sigma} \sim N(0, 1)
$$
$$
P(a < X < b) = \Phi\!\left(\frac{b - \mu}{\sigma}\right) - \Phi\!\left(\frac{a - \mu}{\sigma}\right)
$$
> 🔑 **核心口诀**:"**减均值,除以标准差**"
*极简例子:* $X \sim N(10, 4)$,求 $P(8 < X < 14)$
$$
P = \Phi\!\left(\frac{14-10}{2}\right) - \Phi\!\left(\frac{8-10}{2}\right) = \Phi(2) - \Phi(-1)
$$
$$
= \Phi(2) - (1 - \Phi(1)) = \Phi(2) + \Phi(1) - 1 \approx 0.9772 + 0.8413 - 1 = 0.8185
$$
### 三、必背的 $\Phi$ 表值(速算关键)
| $x$ | $\Phi(x)$ | $1 - \Phi(x)$ | 应用 |
|-----|-----------|---------------|------|
| 0 | 0.5000 | 0.5000 | 中位数 |
| 1 | 0.8413 | 0.1587 | 68.27% 分位 |
| 1.5 | 0.9332 | 0.0668 | 86.64% 分位 |
| 1.96 | 0.9750 | 0.0250 | **95% 置信** |
| 2 | 0.9772 | 0.0228 | 95.45% 分位 |
| 2.58 | 0.9950 | 0.0050 | **99% 置信** |
| 3 | 0.9987 | 0.0013 | 99.73% 分位 |
> 口诀:"**1.96 是 95%,2.58 是 99%**"——置信区间核心点
### 四、对称区间概率速算(**重要模板**)
$$
P(|X - \mu| < k\sigma) = 2\Phi(k) - 1
$$
| $k$ | $P(\|X - \mu\| < k\sigma)$ |
|-----|---------------------------|
| 1 | $2\Phi(1) - 1 \approx 0.6826$ |
| 2 | $2\Phi(2) - 1 \approx 0.9544$ |
| 3 | $2\Phi(3) - 1 \approx 0.9974$ |
| 1.96 | $2\Phi(1.96) - 1 = 0.95$ |
> 这就是 **"68-95-99.7 法则"**(经验法则)
### 五、求分位数(已知概率反查 $x$)
**题型**:已知 $P(X > a) = \alpha$,求 $a$。
**步骤**:
1. $1 - \Phi\!\left(\dfrac{a - \mu}{\sigma}\right) = \alpha$
2. $\Phi\!\left(\dfrac{a - \mu}{\sigma}\right) = 1 - \alpha$
3. 查 $\Phi$ 表反查 $z_\alpha = \Phi^{-1}(1 - \alpha)$
4. $\dfrac{a - \mu}{\sigma} = z_\alpha \Rightarrow a = \mu + z_\alpha \sigma$
*极简例子:* $X \sim N(10, 4)$,求 $a$ 使得 $P(X > a) = 0.05$。
- $\Phi\!\left(\dfrac{a - 10}{2}\right) = 1 - 0.05 = 0.95$
- $\dfrac{a - 10}{2} = 1.645$(查表 $\Phi(1.645) = 0.95$)
- $a = 10 + 1.645 \times 2 = 13.29$
### 六、正态分布的线性变换(**重要性质**)
若 $X \sim N(\mu, \sigma^2)$,则对任意常数 $a \ne 0, b$:
$$
Y = aX + b \sim N(a\mu + b, a^2 \sigma^2)
$$
> **核心**:**正态的线性变换仍是正态**,均值和方差按线性变换规则计算。
*极简例子:* $X \sim N(2, 9)$,求 $Y = 3X + 5$ 的分布。
- $Y \sim N(3 \times 2 + 5, 3^2 \times 9) = N(11, 81)$
### 七、$3\sigma$ 原则(**应用题高频**)
> 在 $N(\mu, \sigma^2)$ 中:
> - $P(|X - \mu| < \sigma) \approx 68.27\%$
> - $P(|X - \mu| < 2\sigma) \approx 95.45\%$
> - $P(|X - \mu| < 3\sigma) \approx 99.73\%$
**应用**:产品质量控制($3\sigma$ 原则),超出 $3\sigma$ 的概率 $< 0.3\%$,视为异常。
## 常见陷阱
- **标准化忘除 $\sigma$**:必须除以 $\sigma$,不是除以 $\sigma^2$!
- **$\Phi(-x) = 1 - \Phi(x)$ 的反向误用**:$\Phi(-x) \ne \Phi(x)$!
- **方差 vs 标准差**:$N(\mu, \sigma^2)$ 中是**方差**,标准差要开方
- **查表的方向**:$\Phi$ 表是**正数表**,负数要转换为 $1 - \Phi(|x|)$
- **分位数查表反查**:要确认是 $\Phi^{-1}(\alpha)$ 还是 $\Phi^{-1}(1 - \alpha)$
- **"上 $\alpha$ 分位数" $z_\alpha$ 的定义**:$\alpha = P(X > z_\alpha)$,即 $\Phi(z_\alpha) = 1 - \alpha$
## 经典母题
> **题目 1(直接求概率)**:设 $X \sim N(10, 4)$,求 $P(|X - 10| < 4)$。
**解析**:
$$
P(|X - 10| < 4) = P(6 < X < 14) = \Phi\!\left(\frac{14-10}{2}\right) - \Phi\!\left(\frac{6-10}{2}\right)
$$
$$
= \Phi(2) - \Phi(-2) = \Phi(2) - (1 - \Phi(2)) = 2\Phi(2) - 1
$$
$$
\approx 2 \times 0.9772 - 1 = 0.9544
$$
**结论**:约 95.44% 的概率 $X$ 落在 $\mu \pm 2\sigma$ 内。
---
> **题目 2(求分位数)**:某厂生产零件长度 $X \sim N(50, 0.6^2)$。按质量标准,不合格率为 $5\%$。求合格品的下限 $L$(即 $P(X < L) = 5\%$ 时 $L$ 的值)。
**解析**:
- $P(X < L) = \Phi\!\left(\dfrac{L - 50}{0.6}\right) = 0.05$
- $\dfrac{L - 50}{0.6} = \Phi^{-1}(0.05) = -1.645$
- $L = 50 - 1.645 \times 0.6 = 50 - 0.987 = 49.013$
**结论**:长度小于 $49.013$ 的零件占 $5\%$。
---
> **题目 3(线性变换)**:设 $X \sim N(\mu, \sigma^2)$,求 $Y = \dfrac{X - \mu}{\sigma}$ 的分布。
**解析**:
- $Y = \dfrac{1}{\sigma} X - \dfrac{\mu}{\sigma}$
- $Y \sim N\!\left(\dfrac{\mu}{\sigma} - \dfrac{\mu}{\sigma}, \left(\dfrac{1}{\sigma}\right)^2 \sigma^2\right) = N(0, 1)$
**结论**:**任何正态分布都能标准化为标准正态**。
---
> **变式(混合题)**:设 $X \sim N(0, 1)$,求 $P(X > 0), P(X > 1), P(X > 2), P(X > 3)$。
**答案**:
- $P(X > 0) = 0.5$
- $P(X > 1) = 1 - \Phi(1) = 0.1587$
- $P(X > 2) = 1 - \Phi(2) = 0.0228$
- $P(X > 3) = 1 - \Phi(3) \approx 0.0013$
> **3σ 原则的应用**:超出 $\pm 3\sigma$ 的概率 $< 0.3\%$,视为小概率事件。
---
> **口诀速记**:
> - "**减均值,除标准差**" → 标准化
> - "**$\Phi(-x) = 1 - \Phi(x)$**" → 对称性
> - "**2Φ(k) - 1**" → 对称区间概率
> - "**1.96 对应 95%**" → 置信区间