正态分布表(PZO转换表)

2．4正态分布复习引入： 总体密度曲线:样本容量越大，所分组数越多，各组的频率就越接近于总体在相应各组取值的概率．设想样本容量无限增大，分组的组距无限缩小，那么频率分布直方图就会无限接近于一条光滑曲线,这条曲线叫做总体密度曲线．它反映了总体在各个范围内取值的概率．根据这条曲线，可求出总体在区间(a ，b )内取值的概率等于总体密度曲线，直线x =a ，x =b 及x 轴所围图形的面积．观察总体密度曲线的形状，它具有“两头低，中间高，左右对称”的特征，具有这种特征的总体密度曲线一般可用下面函数的图象来表示或近似表示：式中的实数μ、)0(>σσ是参数，分别表示总体的平均数与标准差，,()x μσϕ的图象为正态分布密度曲线,简称正态曲线．讲解新课：一般地，如果对于任何实数a b <，随机变量X 满足,()()b aP a X B x dx μσϕ<≤=⎰, 则称 X 的分布为正态分布（normal distribution ) ．正态分布完全由参数μ和σ确定，因此正态分布常记作),(2σμN ．如果随机变量 X 服从正态分布，则记为X ～),(2σμN .经验表明，一个随机变量如果是众多的、互不相干的、不分主次的偶然因素作用结果之和，它就服从或近似服从正态分布．例如，高尔顿板试验中，小球在下落过程中要与众多小木块发生碰撞，每次碰撞的结果使得小球随机地向左或向右下落，因此小球第1次与高尔顿板底部接触时的坐标 X 是众多随机碰撞的结果，所以它近似服从正态分布．在现实生活中，很多随机变量都服从或近似地服从正态分布．例如长度测量误差；某一地区同年龄人群的身高、体重、肺活量等；一定条件下生长的小麦的株高、穗长、单位面积产量等；正常生产条件下各种产品的质量指标（如零件的尺寸、纤维的纤度、电容器的电容量、电子管的使用寿命等）；某地每年七月份的平均气温、平均湿度、降雨量等；一般都服从正态分布．因此，正态分布广泛存在于自然现象、生产和生活实际之中．正态分布在概率和统计中占有重要的地位．说明:1参数μ是反映随机变量取值的平均水平的特征数，可以用样本均值去佑计；σ是衡量随机变量总体波动大小的特征数，可以用样本标准差去估计．2.早在 1733 年，法国数学家棣莫弗就用n ！的近似公式得到了正态分布．之后，德国数学家高斯在研究测量误差时从另一个角度导出了它，并研究了它的性质，因此，人们也称正态分布为高斯分布．2．正态分布),(2σμN ）是由均值μ和标准差σ唯一决定的分布通过固定其中一个值，讨论均值与标准差对于正态曲线的影响3．通过对三组正态曲线分析，得出正态曲线具有的基本特征是两头底、中间高、左右对称 正态曲线的作图，书中没有做要求，教师也不必补上 讲课时教师可以应用几何画板，形象、美观地画出三条正态曲线的图形，结合前面均值与标准差对图形的影响，引导学生观察总结正态曲线的性质4．正态曲线的性质：（1）曲线在x 轴的上方，与x 轴不相交（2）曲线关于直线x=μ对称（3）当x=μ时，曲线位于最高点（4）当x ＜μ时，曲线上升（增函数）；当x ＞μ时，曲线下降（减函数） 并且当曲线向左、右两边无限延伸时，以x 轴为渐近线，向它无限靠近（5）μ一定时，曲线的形状由σ确定σ越大，曲线越“矮胖”，总体分布越分散；σ越小．曲线越“瘦高”．总体分布越集中：五条性质中前三条学生较易掌握，后两条较难理解，因此在讲授时应运用数形结合的原则，采用对比教学5．标准正态曲线:当μ=0、σ=l 时，正态总体称为标准正态总体，其相应的函数表示式是2221)(x e x f -=π，（-∞＜x ＜+∞）其相应的曲线称为标准正态曲线 标准正态总体N （0，1）在正态总体的研究中占有重要的地位 任何正态分布的概率问题均可转化成标准正态分布的概率问题讲解范例：例1．给出下列三个正态总体的函数表达式，请找出其均值μ和标准差σ （１）),(,21)(22+∞-∞∈=-x e x f x π（２）),(,221)(8)1(2+∞-∞∈=--x e x f x π （３）22(1)2(),(,)2x f x e x π-+=∈-∞+∞ 答案：(1)0，1；(2)1，2；(3)-1，0.5例2求标准正态总体在（-1，2）内取值的概率．解：利用等式)()(12x x p Φ-Φ=有=1)1()2(-Φ+Φ=0.9772＋0.8413－1=0.8151．1.标准正态总体的概率问题:对于标准正态总体N （0，1），)(0x Φ是总体取值小于0x 的概率，即 )()(00x x P x <=Φ， 其中00>x ，图中阴影部分的面积表示为概率0()P x x < 只要有标准正态分布表即可查表解决.从图中不难发现:当00<x 时，)(1)(00x x -Φ-=Φ；而当00=x 时，Φ（0）=0.52.标准正态分布表标准正态总体)1,0(N 在正态总体的研究中有非常重要的地位，为此专门制作了“标准正态分布表”．在这个表中，对应于0x 的值)(0x Φ是指总体取值小于0x 的概率，即 )()(00x x P x <=Φ，)0(0≥x ． 若00<x ，则)(1)(00x x -Φ-=Φ．利用标准正态分布表，可以求出标准正态总体在任意区间),(21x x 内取值的概率，即直线1x x =，2x x =与正态曲线、x 轴所围成的曲边梯形的面积1221()()()P x x x x x <<=Φ-Φ．3．非标准正态总体在某区间内取值的概率:可以通过)()(σμ-Φ=x x F 转化成标准正态总体，然后查标准正态分布表即可 在这里重点掌握如何转化 首先要掌握正态总体的均值和标准差，然后进行相应的转化4.小概率事件的含义发生概率一般不超过5％的事件，即事件在一次试验中几乎不可能发生假设检验方法的基本思想:首先，假设总体应是或近似为正态总体，然后，依照小概率事件几乎不可能在一次试验中发生的原理对试验结果进行分析假设检验方法的操作程序，即“三步曲”一是提出统计假设，教科书中的统计假设总体是正态总体；二是确定一次试验中的a 值是否落入(μ-3σ，μ+3σ)；三是作出判断讲解范例：例1. 若x ～N (0,1),求(l)P (-2.32<x <1.2)；(2)P (x >2).解：(1)P (-2.32<x <1.2)=?(1.2)-?(-2.32)=?(1.2)-[1-?(2.32)]=0.8849-(1-0.9898)=0.8747.(2)P (x >2)=1-P (x <2)=1-?(2)=l-0.9772=0.0228.例2．利用标准正态分布表，求标准正态总体在下面区间取值的概率：(1)在N(1,4)下，求)3(F（2）在N （μ，σ2）下，求Ｆ（μ－σ，μ＋σ）；Ｆ（μ－1.84σ，μ＋1.84σ）；Ｆ（μ－2σ，μ＋2σ）；Ｆ（μ－3σ，μ＋3σ）解：（１）)3(F ＝)213(-Φ＝Φ（1）＝0.8413 （２）Ｆ（μ＋σ）＝)(σμσμ-+Φ＝Φ（1）＝0.8413Ｆ（μ－σ）＝)(σμσμ--Φ＝Φ（－1）＝１－Φ（1）＝１－0.8413＝0.1587 Ｆ（μ－σ，μ＋σ）＝Ｆ（μ＋σ）－Ｆ（μ－σ）＝0.8413－0.1587＝0.6826Ｆ（μ－1.84σ，μ＋1.84σ）＝Ｆ（μ＋1.84σ）－Ｆ（μ－1.84σ）＝0.9342Ｆ（μ－2σ，μ＋2σ）＝Ｆ（μ＋2σ）－Ｆ（μ－2σ）＝0.954Ｆ（μ－3σ，μ＋3σ）＝Ｆ（μ＋3σ）－Ｆ（μ－3σ）＝0.997对于正态总体),(2σμN 取值的概率：在区间（μ-σ，μ+σ）、（μ-2σ，μ+2σ）、（μ-3σ，μ+3σ）内取值的概率分别为68.3%、95.4%、99.7% 因此我们时常只在区间（μ-3σ，μ+3σ）内研究正态总体分布情况，而忽略其中很小的一部分例3．某正态总体函数的概率密度函数是偶函数，而且该函数的最大值为π21，求总体落入区间（－1.2，0.2）之间的概率 解：正态分布的概率密度函数是),(,21)(222)(+∞-∞∈=--x e x f x σμσπ，它是偶函数，说明μ＝0，)(x f 的最大值为)(μf ＝σπ21，所以σ＝1，这个正态分布就是标准正态分布教学反思：1．在实际遇到的许多随机现象都服从或近似服从正态分布 在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口 正态分布在统计学中是最基本、最重要的一种分布2．正态分布是可以用函数形式来表述的 其密度函数可写成：22()21(),(,)2x f x e x μσπσ--=∈-∞+∞， （σ＞0）由此可见，正态分布是由它的平均数μ和标准差σ唯一决定的 常把它记为),(2σμN3．从形态上看，正态分布是一条单峰、对称呈钟形的曲线，其对称轴为x=μ，并在x=μ时取最大值 从x=μ点开始，曲线向正负两个方向递减延伸，不断逼近x 轴，但永不与x 轴相交，因此说曲线在正负两个方向都是以x 轴为渐近线的4．通过三组正态分布的曲线，可知正态曲线具有两头低、中间高、左右对称的基本特征。

2．4正态分布复习引入：总体密度曲线:样本容量越大，所分组数越多，各组的频率就越接近于总体在相应各组取值的概率．设想样本容量无限增大，分组的组距无限缩小，那么频率分布直方图就会无限接近于一条光滑曲线,这条曲线叫做总体密度曲线． 总体密度曲线b 单位O 频率/组距a它反映了总体在各个范围内取值的概率．根据这条曲线，可求出总体在区间(a ，b )内取值的概率等于总体密度曲线，直线x =a ，x =b 及x 轴所围图形的面积．观察总体密度曲线的形状，它具有“两头低，中间高，左右对称”的特征，具有这种特征的总体密度曲线一般可用下面函数的图象来表示或近似表示：22()2,1(),(,)2x x e x μσμσϕπσ--=∈-∞+∞ 式中的实数μ、)0(>σσ是参数，分别表示总体的平均数与标准差，,()x μσϕ的图象为正态分布密度曲线,简称正态曲线．讲解新课：一般地，如果对于任何实数a b <，随机变量X 满足,()()b aP a X B x dx μσϕ<≤=⎰, 则称 X 的分布为正态分布（normal distribution ) ．正态分布完全由参数μ和σ确定，因此正态分布常记作),(2σμN ．如果随机变量 X 服从正态分布，则记为X ～),(2σμN .经验表明，一个随机变量如果是众多的、互不相干的、不分主次的偶然因素作用结果之和，它就服从或近似服从正态分布．例如，高尔顿板试验中，小球在下落过程中要与众多小木块发生碰撞，每次碰撞的结果使得小球随机地向左或向右下落，因此小球第1次与高尔顿板底部接触时的坐标 X 是众多随机碰撞的结果，所以它近似服从正态分布．在现实生活中，很多随机变量都服从或近似地服从正态分布．例如长度测量误差；某一地区同年龄人群的身高、体重、肺活量等；一定条件下生长的小麦的株高、穗长、单位面积产量等；正常生产条件下各种产品的质量指标（如零件的尺寸、纤维的纤度、电容器的电容量、电子管的使用寿命等）；某地每年七月份的平均气温、平均湿度、降雨量等；一般都服从正态分布．因此，正态分布广泛存在于自然现象、生产和生活实际之中．正态分布在概率和统计中占有重要的地位．说明:1参数μ是反映随机变量取值的平均水平的特征数，可以用样本均值去佑计；σ是衡量随机变量总体波动大小的特征数，可以用样本标准差去估计．2.早在 1733 年，法国数学家棣莫弗就用n ！的近似公式得到了正态分布．之后，德国数学家高斯在研究测量误差时从另一个角度导出了它，并研究了它的性质，因此，人们也称正态分布为高斯分布．2．正态分布),(2σμN ）是由均值μ和标准差σ唯一决定的分布 通过固定其中一个值，讨论均值与标准差对于正态曲线的影响3．通过对三组正态曲线分析，得出正态曲线具有的基本特征是两头底、中间高、左右对称 正态曲线的作图，书中没有做要求，教师也不必补上 讲课时教师可以应用几何画板，形象、美观地画出三条正态曲线的图形，结合前面均值与标准差对图形的影响，引导学生观察总结正态曲线的性质4．正态曲线的性质：（1）曲线在x 轴的上方，与x 轴不相交（2）曲线关于直线x=μ对称（3）当x=μ时，曲线位于最高点（4）当x ＜μ时，曲线上升（增函数）；当x ＞μ时，曲线下降（减函数） 并且当曲线向左、右两边无限延伸时，以x 轴为渐近线，向它无限靠近（5）μ一定时，曲线的形状由σ确定σ越大，曲线越“矮胖”，总体分布越分散；σ越小．曲线越“瘦高”．总体分布越集中：五条性质中前三条学生较易掌握，后两条较难理解，因此在讲授时应运用数形结合的原则，采用对比教学5．标准正态曲线:当μ=0、σ=l 时，正态总体称为标准正态总体，其相应的函数表示式是2221)(x e x f -=π，（-∞＜x ＜+∞）其相应的曲线称为标准正态曲线标准正态总体N （0，1）在正态总体的研究中占有重要的地位 任何正态分布的概率问题均可转化成标准正态分布的概率问题讲解范例：例1．给出下列三个正态总体的函数表达式，请找出其均值μ和标准差σ （１）),(,21)(22+∞-∞∈=-x e x f x π（２）),(,221)(8)1(2+∞-∞∈=--x e x f x π （３）22(1)2(),(,)2x f x e x π-+=∈-∞+∞ 答案：(1)0，1；(2)1，2；(3)-1，0.5例2求标准正态总体在（-1，2）内取值的概率．解：利用等式)()(12x x p Φ-Φ=有)([]}{11)2()1()2(--Φ--Φ=-Φ-Φ=p=1)1()2(-Φ+Φ=0.9772＋0.8413－1=0.8151．1.标准正态总体的概率问题: xy对于标准正态总体N （0，1），)(0x Φ是总体取值小于0x 的概率，即 )()(00x x P x <=Φ， 其中00>x ，图中阴影部分的面积表示为概率0()P x x < 只要有标准正态分布表即可查表解决.从图中不难发现:当00<x 时，)(1)(00x x -Φ-=Φ；而当00=x 时，Φ（0）=0.5 2.标准正态分布表标准正态总体)1,0(N 在正态总体的研究中有非常重要的地位，为此专门制作了“标准正态分布表”．在这个表中，对应于0x 的值)(0x Φ是指总体取值小于0x 的概率，即)()(00x x P x <=Φ，)0(0≥x ．若00<x ，则)(1)(00x x -Φ-=Φ．利用标准正态分布表，可以求出标准正态总体在任意区间),(21x x 内取值的概率，即直线1x x =，2x x =与正态曲线、x 轴所围成的曲边梯形的面积1221()()()P x x x x x <<=Φ-Φ． 3．非标准正态总体在某区间内取值的概率:可以通过)()(σμ-Φ=x x F 转化成标准正态总体，然后查标准正态分布表即可 在这里重点掌握如何转化 首先要掌握正态总体的均值和标准差，然后进行相应的转化4.小概率事件的含义发生概率一般不超过5％的事件，即事件在一次试验中几乎不可能发生假设检验方法的基本思想:首先，假设总体应是或近似为正态总体，然后，依照小概率事件几乎不可能在一次试验中发生的原理对试验结果进行分析假设检验方法的操作程序，即“三步曲”一是提出统计假设，教科书中的统计假设总体是正态总体；二是确定一次试验中的a 值是否落入(μ-3σ，μ+3σ)；三是作出判断讲解范例：例1. 若x ～N (0,1),求(l)P (-2.32<x <1.2)；(2)P (x >2).解：(1)P (-2.32<x <1.2)=Φ(1.2)-Φ(-2.32)=Φ(1.2)-[1-Φ(2.32)]=0.8849-(1-0.9898)=0.8747.(2)P (x >2)=1-P (x <2)=1-Φ(2)=l-0.9772=0.0228.例2．利用标准正态分布表，求标准正态总体在下面区间取值的概率：(1)在N(1,4)下，求)3(F（2）在N （μ，σ2）下，求Ｆ（μ－σ，μ＋σ）；Ｆ（μ－1.84σ，μ＋1.84σ）；Ｆ（μ－2σ，μ＋2σ）；Ｆ（μ－3σ，μ＋3σ） 解：（１）)3(F ＝)213(-Φ＝Φ（1）＝0.8413 （２）Ｆ（μ＋σ）＝)(σμσμ-+Φ＝Φ（1）＝0.8413 Ｆ（μ－σ）＝)(σμσμ--Φ＝Φ（－1）＝１－Φ（1）＝１－0.8413＝0.1587 Ｆ（μ－σ，μ＋σ）＝Ｆ（μ＋σ）－Ｆ（μ－σ）＝0.8413－0.1587＝0.6826Ｆ（μ－1.84σ，μ＋1.84σ）＝Ｆ（μ＋1.84σ）－Ｆ（μ－1.84σ）＝0.9342Ｆ（μ－2σ，μ＋2σ）＝Ｆ（μ＋2σ）－Ｆ（μ－2σ）＝0.954Ｆ（μ－3σ，μ＋3σ）＝Ｆ（μ＋3σ）－Ｆ（μ－3σ）＝0.997对于正态总体),(2σμN 取值的概率：68.3%2σx 95.4%4σx 99.7%6σx在区间（μ-σ，μ+σ）、（μ-2σ，μ+2σ）、（μ-3σ，μ+3σ）内取值的概率分别为68.3%、95.4%、99.7% 因此我们时常只在区间（μ-3σ，μ+3σ）内研究正态总体分布情况，而忽略其中很小的一部分 例3．某正态总体函数的概率密度函数是偶函数，而且该函数的最大值为π21，求总体落入区间（－1.2，0.2）之间的概率解：正态分布的概率密度函数是),(,21)(222)(+∞-∞∈=--x e x f x σμσπ，它是偶函数，说明μ＝0，)(x f 的最大值为)(μf ＝σπ21，所以σ＝1，这个正态分布就是标准正态分布( 1.20.2)(0.2)( 1.2)(0.2)[1(1.2)](0.2)(1.2)1P x -<<=Φ-Φ-=Φ--Φ=Φ+Φ- 教学反思：1．在实际遇到的许多随机现象都服从或近似服从正态分布 在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口 正态分布在统计学中是最基本、最重要的一种分布 2．正态分布是可以用函数形式来表述的 其密度函数可写成：22()21(),(,)2x f x e x μσπσ--=∈-∞+∞， （σ＞0）由此可见，正态分布是由它的平均数μ和标准差σ唯一决定的 常把它记为),(2σμN 3．从形态上看，正态分布是一条单峰、对称呈钟形的曲线，其对称轴为x=μ，并在x=μ时取最大值 从x=μ点开始，曲线向正负两个方向递减延伸，不断逼近x 轴，但永不与x 轴相交，因此说曲线在正负两个方向都是以x 轴为渐近线的4．通过三组正态分布的曲线，可知正态曲线具有两头低、中间高、左右对称的基本特征。

标准正态分布对照表
标准正态分布对照表是一种用于表示标准正态分布的表格，其中列出了不同z分数（标准正态分布下的离差分数）对应的概率密度函数值。

以下是标准正态分布对照表的一部分：
以上表格中，Z分数表示标准正态分布下的离差分数，即某个数值与平均数的离差与标准差的比值。

概率密度函数值表示该离差分数的概率密度，即在标准正态分布下该数值出现的概率。

通过查找对应的Z分数和概率密度函数值，可以了解标准正态分布的特性以及某个数值在分布中的位置和概率。

附 录附表一：随机数表_________________________________________________________________________2 附表二：标准正态分布表___________________________________________________________________3 附表三：t 分布临界值表____________________________________________________________________4附表四：分布临界值表__________________________________________________________________5 2χ附表五：F 分布临界值表（α=0.05）_________________________________________________________7 附表六：单样本K-S 检验统计量表____________________________________________________________9 附表七：符号检验界域表__________________________________________________________________10 附表八：游程检验临界值表_________________________________________________________________11 附表九：相关系数临界值表________________________________________________________________12 附表十：Spearman 等级相关系数临界值表___________________________________________________13 附表十一：Kendall τ等级相关系数临界值表__________________________________________________14 附表十二：控制图系数表__________________________________________________________________15 附表十三 威尔克逊秩和检验临界表（01.0＝α）____________________________________________16 附表十四 威尔克逊秩和检验临界表（025.0＝α）___________________________________________17 附表十五 威尔克逊秩和检验临界表（05.0＝α）____________________________________________18 附表十六 威尔克逊符号秩和检验临界表____________________________________________________19 附表十七 Durbin Watson 序列相关检验表(05.0=α)_________________________________________20附表一：随机数表（查表时注意：v是指自由度，并分单侧和双侧两种类型）（左侧的示意图是单侧检验的情形）附表四：分布临界值表 2χ附表五：F分布临界值表（α=0.05）F分布临界值表（α=0.01）附表六：单样本K-S 检验统计量表[])(1)()(sup 0d D P x F x F D n n x n ≤−=−=α附表七：符号检验界域表附表十：Spearman等级相关系数临界值表附表十一：Kendallτ等级相关系数临界值表附表十二：控制图系数表附表十三威尔克逊秩和检验临界表（01.0α）＝附表十四威尔克逊秩和检验临界表（025α）＝.0附表十五威尔克逊秩和检验临界表（05.0α）＝附表十六威尔克逊符号秩和检验临界表m α=0.05α=0.025α=0.01α=0.0055 0 156 2 19 0 217 3 25 2 26 0 288 5 31 3 33 1 35 0 369 8 37 5 40 3 42 1 4410 10 45 8 47 5 50 3 5211 13 53 10 56 7 59 5 6112 17 61 13 65 9 69 7 7113 21 70 17 74 12 79 9 8214 25 80 21 84 15 90 12 9315 30 90 25 95 19 101 15 10516 35 101 29 107 23 113 19 11717 41 112 34 119 28 125 23 13018 47 124 40 131 32 139 27 14419 53 137 46 144 37 153 32 15820 60 150 52 158 43 167 37 17321 67 164 58 173 49 182 42 18922 75 178 66 187 55 198 48 20523 83 193 73 203 62 214 54 22224 91 209 81 219 69 231 61 23925 100 225 89 236 76 249 68 257附表十七 Durbin Watson 序列相关检验表(05.0=α)检验正序列相关：如果，拒绝 如果，接受 如果L d d <0H U d d >0H U L d d d <<，没有结论 检验序列相关时，把上述的改为d d U − P=2P=3P=4P=5P=6n L d U d L d U d L d U d L d U d L dU d 15 1.08 1.36 0.95 1.54 0.82 1.75 0.69 1.97 0.56 2.21 16 1.10 1.37 0.98 1.54 0.86 1.73 0.74 1.93 0.62 2.15 17 1.13 1.38 1.02 1.54 0.90 1.71 0.78 1.90 0.67 2.10 18 1.16 1.39 1.05 1.53 0.93 1.69 0.82 1.87 0.71 2.06 19 1.18 1.40 1.08 1.53 0.97 1.68 0.86 1.85 0.75 2.0220 1.20 1.41 1.10 1.54 1.00 1.68 0.90 1.83 0.79 1.99 21 1.22 1.42 1.13 1.54 1.03 1.67 0.93 1 81 0.83 1.96 22 1.24 1.43 1.15 1.54 1.05 1.66 0.96 1.80 0.86 1.94 23 1.26 1.44 1.17 1.54 1.08 1.66 0.99 1.79 0.90 1.92 24 1.27 1.45 1.19 1.55 1.10 1.66 1.01 1.78 0.93 1.9025 1.29 1.45 1.21 1.55 1.12 1.66 1.04 1.77 0.95 1.89 26 1.30 1.46 1.22 1.55 1.14 1.65 1.06 1.76 0.98 1.88 27 1.32 1.47 1.24 1.56 1.16 1.65 1.08 1.76 1.01 1.86 28 1.33 1.48 1.26 1.56 1.18 1.65 1.10 1.75 1.03 1.85 29 1.34 1.48 1.27 1.56 1.20 1.65 1.12 1.74 1.05 1.8430 1.35 1.49 1.28 1.57 1.21 1.65 1.14 1.74 1 07 1.83 31 1.36 1.50 1.30 1.57 1.23 1.65 1.16 1.74 1.09 1.83 32 1.37 1.50 1.31 1.57 1.24 1.65 1.18 1.73 1.11 1.82 33 1.38 1.51 1.32 1.58 1.26 1.65 1.19 1 73 1.13 1.81 34 1.39 1.51 1.33 1.58 1.27 1.65 1.21 1.73 1.15 1.8135 1.40 1.52 1.34 1.58 1.28 1.65 1.22 1 73 1.16 1.80 36 1.41 1.52 1.35 1.59 1.29 1.65 1.24 1.73 1.18 1.80 37 1.42 1.53 1.36 1.59 1.31 1.66 1.25 1.72 1.19 1.80 38 1.43 1.54 1.37 1.59 1.32 1.66 1.26 1.72 1.21 1.7940 1.44 1.54 1.39 1.60 1.34 1.66 1.29 1.72 1.23 1.79 45 1.48 1.57 1.43 1.62 1.38 1.67 1.34 1.72 1.29 1.78 50 1.50 1.59 1.46 1.63 1.42 1.67 1.38 1.72 1.34 1.77 55 1.53 1.60 1.49 1.64 1.45 1.68 0.07 1.72 1.38 1.77 60 1.55 1.62 1.51 1.65 1.48 1.69 1.44 1.73 1.41 1.7765 1.57 1.63 1.54 1.66 1.50 1.70 1.47 1.73 1.44 1.77 70 1.58 1.64 1.55 1.67 1.52 1.70 1.49 1.74 1.46 1.77 75 1.60 1.64 1.57 1.68 1.54 1.71 1.51 1.74 149 1.77 80 1.61 1.66 1.59 1.69 1.56 1.72 1.53 1.74 1.51 1.77 85 1.62 1.67 1.60 1.70 1.57 1.72 1.55 1.75 1.52 1.7790 1.63 1.68 1.61 1.70 1.59 1.73 1.57 1.75 1.54 1.78 95 1.64 1.69 1.62 1.71 1.60 1.73 1.58 1.75 1.56 1.78 100 1.65 1.69 1.63 1.72 1.61 1.74 1.59 1.76 1.57 1.78。