正态分布知识点
正态分布是统计学中最为重要的概率分布之一，也被称为高斯分布。它在自然界、人类社会和经济现象中都有着广泛的应用。正态分布是一种连续型概率分布，其概率密度函数呈钟形曲线，呈现出对称性和集中性。
正态分布的形状可以通过其期望值（均值）和标准差来描述。期望值表示数据的中心位置，标准差表示数据的离散程度。通常情况下，正态分布的均值、中值和众数（最常出现的值）是相等的，呈现出对称性。
正态分布的曲线在均值附近最高，在离均值越远的位置，曲线越低。正态分布的曲线在均值两侧对称，这意味着大约68%的数据位于均值的一个标准差范围内，大约95%的数据位于均值的两个标准差范围内，大约99.7%的数据位于均值的三个标准差范围内。这种统计规律被称为“68-95-99.7法则”。
正态分布可以用来描述许多自然现象，例如身高、体重、智力水平等。在这些现象中，大多数个体集中在均值附近，而离均值越远的个体越少。这也解释了为什么大多数人的身高在平均身高附近，而极矮或极高的个体数量较少。
正态分布在统计学中有许多应用。首先，它可以用来进行数据分析和假设检验。通过分析数据的分布情况，可以判断某个变量是否服从正态分布。在假设检验中，可以利用正态分布假设来进行参数估计和推断。 其次，正态分布可以用来进行抽样推断。根据中心极限定理，当样本容量足够大时，样本均值的分布接近于正态分布。这意味着我们可以通过对样本数据进行统计分析，来推断总体的性质和特征。
正态分布还可以用于建立概率模型和预测。在金融领域，股票价格的波动、汇率变动等都可以用正态分布进行建模。在质量控制中，正态分布被用来评估生产过程的稳定性和规范性。
此外，正态分布的特点也对科学研究和实践有着重要意义。在实验设计中，可以通过对因素的测量，了解数据是否服从正态分布，从而选择适当的统计方法和模型。
总之，正态分布作为统计学中的重要概率分布，具有许多重要的应用。其形状对称、集中性强的特点，使得它成为了许多自然现象和实际问题的理想模型。通过了解和应用正态分布的知识，我们可以更好地理解和解释数据，从而做出准确的统计推断和科学预测。
正态分布3σ原则
1正态分布3σ原则
正态分布3σ原则是指极端值（离群值）是按照一定概率发生的。
它遵循三项原理，即：
1.大约有68％的数据在平均值的1σ之内，即（平均值±
1σ）；
2.大约有95％的数据在平均值的2σ之内，即（平均值±
2σ）；
3.大约有99％的数据在平均值的3σ之内，即（平均值±
3σ）。
如此，数据分别在平均值的3σ以内外区域分为四部分，从而使
得数据有所控制，以便有助于对数据进行研究分析，比如统计学检
验，校正数据等。
2应用
正态分布3σ原则也可用于制定一些准则，例如：
1.检测机械容许误差的工程设计和数学计算，将有效控制误差率
不大于3σ，以确保其在实际运行中的精度；
2.生产商品的质量控制，也可以采用正态分布的3σ原则，确保
商品的质量出货标准；3.对生产能力的要求，如可靠性，耐用性和安全性做出限制，以
保证它们达到足够的水平，而不会偏离正态分布3σ标准。
3结论
正态分布3σ原则是一种有效的检测数据，制定准则的方法。它可
以有效控制极端值的出现，将数据的变化范围控制在一定的范围之
内，从而确保数据在研究或分析统计时能达到一定的准确性和合理
性，为科学研究提供了便利。但是此外，要有意识控制原有数据和极
端值，并以此为依据进行研究，否则会造成不确定结论或者错误结
论。
1 正态分布
教学目标
（一）知识目标
1. 了解正态分布的意义.
2. 了解正态分布和正态曲线的主要性质.
3. 会使用标准正态分布表求得标准正态总体在某一区间内取值的概率.
（二）能力目标
1． 能用正态分布，正态曲线研究有关随机变量分布的规律.
2． 能应用函数的概念、性质解决有关正态曲线性质的问题.
3． 培养学生分析能力、概括归纳能力及自觉运用数学方法解决问题的能力.
（三）德育目标
渗透数形结合，分类讨论，等价转化等数学思想；培养应用意识；树立辨证唯物主义正确人生观.
教学重点
本节课的教学重点是正态分布的意义，正态曲线的主要性质.
教学难点
本节课的教学难点是正态分布的意义、概念及性质.
教学方法
启发探究法. 在学生已经掌握总体密度曲线的基础上，通过具体实例，启发学生运用函数观点主动建构出正态分布，正态曲线 .利用函数的性质（定义域，值域，对称轴，单调性等等）研究正态曲线的性质，说明正态分布的特点 .
教学工具
多媒体
内容分析
1．在实际生活中，我们遇到的许多随机现象都服从或近似服从正态分布.上一节课，我们研究了当样本容量无限增大时，频率分布直方图就无限接近于一条总体密度曲线 .
总体密度曲线较科学地反映了总体分布.但总体密度曲线的相关知识较为抽象，学生不易理解，因此在总体分布研究中我们选择正态分布作为研究的突破,正态分布在概率统计中是最基本、最重要的一种分布.
2．正态分布是概率论与数理统计学中最重要的分布之一，其密度函数可写成：
222)(21)(xexf， x∈(-∞,+∞) 式中的实数μ,σ（σ＞0）是参数.
正态分布由总体平均数μ和标准差σ唯一确定的. 记作),(2N.
3. 从形态上看，正态曲线是一条呈对称的钟形曲线，其对称轴为x=μ，并在
x=μ时取最大值.从x=μ开始，曲线向正负两个方向无限延伸，不断逼近x轴，但永不与x轴相交，因此说正态曲线以x轴为渐近线.
第２１卷第４期 ２０１８年７月 高等数学研究 ＳＴＵＤＩＥＳ ＩＮ ＣＯＬＬＥＧＥ ＭＡＴＨＥＭＡＴＩＣＳ ＶＯ１．２１，Ｎｏ．４ Ｊｕｌｙ，２０１８ ｄｏｉ：１０。３９６９／Ｊ．ｉｓｓｎ，１００８—１３９９．２０１８．０４．０２０ 多元正态分布二次型分布的推广 李 斐，吕 文，李 琴 （烟台大学数学与信息科学学院，山东烟台２６４００５） 摘 要 通过利用矩阵广义逆和多元正态分布的相关性质，给出并证明了Ｐ维正态向量Ｘ的二次型Ｘ ＢＸ的分布 的一般结果，即ｘ～Ｎｐ（Ｊｌｌ， ）（ 为奇异矩阵）时，Ｘ ＢＸ的分布．最后将线性模型中感兴趣的一个结果推广到了奇 异正态分布的情况． 关键词 多元正态分布；二次型；非中心卡方分布 中图分类号０２９ 文献标识码 Ａ 文章编号 １００８—１３９９（２０１８）０４—００６５—０２ Ｏｎ Ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ Ｑｕａｄｒａｔｉｃ Ｆｏｒｍ ｏｆ Ｎｏｒｍａｌ Ｖａｒｉａｂｌｅ ＬＩ Ｆｅｉ，ＬＶ Ｗｅｎ，ａｎｄ ＬＩ Ｑｉｎ （Ｓｃｈｏｏｌ ｏｆ Ｍａｔｈｅｍａｔｉｃｓ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅｓ，Ｙａｎｔａｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｙａｎｔａｉ ２６４００５，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ Ｂｙ ｕｓｉｎｇ ｔｈｅ ｐｒｏｐｅｒｔｉｅｓ ｏｆ ｔｈｅ ｑｅｎｅｒａｌｉｚｅｄ ｉｎｖｅｒｓｅ ｏｆ ｍａｔｒｉｘ ａｎｄ ｍｕｌｔｉｖａｒｉａｔｅ ｎｏｒｍａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ， ｗｅ ｄｅｄｕｃｅ ａ ｒｅｓｕｌｔ ｆｏｒ ｔｈｅ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｔｈｅ ｑｕａｄｒａｔｉｃ ｆｏｒｍ ｏｆ ｍｕｌｔｉｖａｒｉａｔｅ ｎｏｒｍａｌ ｖａｒｉａｂｌｅ ｗｈｉｃｈ ｉｓ ａ ｓｉｎ— ｇｕｌａｒ ｍａｔｒｉｘ．Ａ ｒｅｓｕｌｔ ｏｆ ｉｎｔｅｒｅｓｔ ｉｎ ｌｉｎｅａｒ ｍｏｄｅｌｓ ｉｓ ａｌｓｏ ｅｘｔｅｎｄｅｄ ｔｏ ｓｉｎｇｕｌａｒ ｃｏｖａｒｉａｎｃｅ ｍａｔｒｉｘ． Ｋｅｙｗｏｒｄｓ ｍｕｌｔｉｖａｒｉａｔｅ ｎｏｒｍａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ，ｑｕａｄｒａｔｉｃ ｆｏｒｍ，ｎｏｎ—ｃｅｎｔｒａｌ Ｃｈｉ Ｓｑｕａｒｅ ｄｉｓｔｒｉｂｕｔｉｏｎ １ 引言 多元正态分布的性质是统计学中的重要教授 内容，多元正态随机向量的二次型分布是其中的一 个重要性质，在后续的多元正态分布均值检验中有 重要的应用． 在多数教材（３ｃ献［１，２］）中该性质表述为：ｘ～ Ｎｐ（ ，三）， 为Ｐ×Ｐ阶的非奇异矩阵，则有 （ｘ－ｐ） 一。（ｘ－ｐ）～ （ ）． 即相当于若ｙ～Ｎｐ（０， ），则ｙ ｌ，～ 。（ｐ）． 该结果要求协方差矩阵 是非奇异的，文献 ［３，４，５］均定义了奇异的多维正态分布，文献Ｅ３－１还 收稿日期：２０１７—１０—１１ 修改日期：２０１７—１１—２５ 基金项目：国家自然科学基金（６１５０３３１８），山东省高校科研计划项 目（Ｊ１３Ｌ１０６）． 作者简介：李斐（１９８２一），女，山东烟台，博士，讲师，研究方向为多 元统计分析，Ｅｍａｉｌ：ｆｅｉｌｉ＠ｙｔｕ．ｅｄｕ．ｅｎ 给出了奇异Ｗｉｓｈａｒｔ分布的定义，文献［４３将上述二 次型结果推广到了非中心的情况，即 ≠０．但对当 协方差矩阵三是奇异的情况，并未多做研究（仅给 出了ｐ＝０时的结果）．我们希望借助一个基本定 理，将其它现有结论作为该定理的推论，系统地梳 理现有结论之间的关系，统一证明方法．并在此基 础上，给出最一般情况即ｙ～Ｎｐ（ｐ， ），ｒａｎｋ（２Ｄ— ｒ≤Ｐ时二次型ｌ， 一ｌ，的分布． ２ 主要结果 我们采用文献［４３中的结果作为出发点，定理 如下， 定理１ 若ｘ～Ｎｐ（ｐ，Ｉｐ），Ｂ为Ｐ×Ｐ阶对称 矩阵，则ｘ Ｂｘ服从非中心的 。分布的充分必要条 件为Ｂ为幂等矩阵（Ｂ。：曰），其中 。分布的自由度 为ｋ—ｒａｎｋ（Ｂ）＝ｔｒＢ，非中心参数 一ＩＩＩ ．
