정규 분포표는 어떻게 사용하나요?

1, 소위 정규 분포 테이블은 표준 정규 분포 테이블 (n(0, 1) 입니다. 실수 x 의 위치를 찾아 P (z

2. 테이블의 수직 방향은 x 의 정수 부분과 소수점 뒤 첫 번째 자리를 나타내고, 수평 방향은 x 의 소수점 뒤 두 번째 자리를 나타내고, x 의 위치를 구합니다. 예를 들어 세로 방향으로 2.0 을 찾고 가로로 0 을 찾으면 2.00 의 위치를 찾아 0.9772 를 찾을 수 있다.

둘째, 예를 들면 다음과 같습니다.

예 1: z 는 n(0, 1) 을 따르고 p(|z|≥2) 를 구합니다.

Z 가 이미 표준 정규 분포 n(0, 1) 을 따랐기 때문에 z'=z 는 변환이 필요하지 않습니다.

P (| z | ≥ 2) = p (z ≥ 2)+p (z < =-2)

=2*p(z≥2 이상)

= 2 * (1-p (z < =2))

찾기 테이블에 p 보이기 (z

예 2, z 는 n(5, 9), p (z ≥ 1 1)+p (z

Z'=(z-5)/3, z' 를 n(0, 1) 에 복종하도록 설정합니다

변환 p (z ≥ 1 1)+p (z

=p(|z'|≥2 이상)

정규 분포:

첫째, 처음에는 수학자가 N 이 무한대에 가까워졌을 때 이항 분포의 근사치에서 파생된 것이다. 나는 집주인 자신도 이 결론을 추론할 근거가 있다고 생각한다. 집주인처럼 기본면 문제를 고려하는 사람은 일반적으로 비교적 착실하게 배운다.

이항 분포의 확률 밀도는 c (m, n) * p m * (1-p) (n-m) 입니다. N 이 무한대에 가깝고 m 이 n/2 에 가까울 때 이 함수의 근사치를 고려합니다.

셋째, 근사치를 구할 때 중요한 단계는 스털링 공식 n! 근호 아래 n 의 n 제곱에 2πN 을 곱한 다음 e 의 n 제곱으로 나눈 것과 같습니다. n 이 클 때. 구체적인 유도에서 이 근사화는 N, n-m 및 M 에 적용될 수 있습니다.