🔢 高中数学选择性必修第三册第七章 随机变量及其分布正态分布正态曲线标准正态分布标准化三西格玛原则

正态分布

理解正态曲线及参数的作用,掌握对称性、标准化与常用区间概率,会在模型适用时解释标准分数和三西格玛原则。

难度:★★★★★

💡为什么许多测量值呈现钟形

同一零件的尺寸会受材料、温度、设备和读数等许多微小因素共同影响。大量数据往往集中在目标值附近,离中心越远越少,左右近似对称,形成钟形分布。身高、测量误差等在合适条件下也常用正态分布近似。

正态模型不是“看起来像钟”就自动成立。理解参数、面积概率和标准化,才能正确、可靠地使用它描述数据。

🎯学习目标与考查重点
  • 理解正态密度曲线下的面积表示区间概率。
  • 掌握均值 μ\mu 与标准差 σ\sigma 对曲线的影响。
  • 会利用关于 x=μx=\mu 的对称性计算概率。
  • 会将一般正态变量标准化为 Z=(X−μ)/σZ=(X-\mu)/\sigma。
  • 正确使用三西格玛原则,并说明其近似性质与模型前提。

一、正态密度曲线

若连续型随机变量 XX 的概率密度为

φμ,σ(x)=12πσexp⁡[−(x−μ)22σ2],x∈R,\varphi_{\mu,\sigma}(x)=\frac1{\sqrt{2\pi}\sigma} \exp\left[-\frac{(x-\mu)^2}{2\sigma^2}\right], \quad x\in\mathbb R,

其中 σ>0\sigma\gt0,则称 XX 服从正态分布,记作

X∼N(μ,σ2).X\sim N(\mu,\sigma^2).

正态曲线始终位于横轴上方,关于直线 x=μx=\mu 对称,在 x=μx=\mu 处达到最高点,曲线下总面积为 11。概率由区间下的面积表示:

P(a≤X≤b)=∫abφμ,σ(x) dx.P(a\le X\le b)=\int_a^b\varphi_{\mu,\sigma}(x)\,dx.

连续型随机变量在任何单点的概率都为零,因此 P(X=a)=0P(X=a)=0,区间端点是否取等号不影响概率。这与离散型随机变量逐点分配正概率不同。

二、两个参数的作用

均值 μ\mu 决定曲线中心,改变 μ\mu 会使整条曲线水平平移;方差 σ2\sigma^2 或标准差 σ\sigma 决定离散程度。σ\sigma 越小,数据越集中,曲线越高越窄;σ\sigma 越大,数据越分散,曲线越低越宽。无论怎样变化,总面积保持为一。

由对称性,

P(X≤μ)=P(X≥μ)=12,P(X\le\mu)=P(X\ge\mu)=\frac12,

且对任意 a>0a\gt0,

P(μ−a≤X≤μ)=P(μ≤X≤μ+a).P(\mu-a\le X\le\mu)=P(\mu\le X\le\mu+a).

若已知中心区间概率,左右两侧剩余面积相等。例如 P(∣X−μ∣≤a)=0.8P(|X-\mu|\le a)=0.8,则每侧尾部概率为 (1−0.8)/2=0.1(1-0.8)/2=0.1。

🔑

正态概率是曲线下的面积,不是曲线高度。μ\mu 控制位置,σ\sigma 控制尺度;任何比较都应先看离中心多少个标准差。

三、标准化

若 X∼N(μ,σ2)X\sim N(\mu,\sigma^2),则

Z=X−μσ∼N(0,1).Z=\frac{X-\mu}{\sigma}\sim N(0,1).

这个变换先减均值完成平移,再除以正的标准差完成尺度统一。标准分数 zz 表示原观测值比均值高或低多少个标准差。正值在均值右侧,负值在左侧。

区间也必须同步变换:

P(a≤X≤b)=P(a−μσ≤Z≤b−μσ).P(a\le X\le b)=P\left(\frac{a-\mu}{\sigma}\le Z\le\frac{b-\mu}{\sigma}\right).

查标准正态表或使用给定概率时,要确认表格给的是左侧累计概率、中心面积还是从零到 zz 的面积,不同表格口径不能混用。标准化分母是标准差 σ\sigma,不是方差 σ2\sigma^2。

四、三西格玛原则与适用条件

对正态变量,常用近似为

P(∣X−μ∣≤σ)≈0.6827,P(|X-\mu|\le\sigma)\approx0.6827, P(∣X−μ∣≤2σ)≈0.9545,P(|X-\mu|\le2\sigma)\approx0.9545, P(∣X−μ∣≤3σ)≈0.9973.P(|X-\mu|\le3\sigma)\approx0.9973.

因此落在均值三倍标准差以外的总概率约为 0.00270.0027,单侧约为 0.001350.00135。这些数值只适用于正态分布或有充分依据的正态近似,不是任意数据的通用定律。

实际数据可能偏斜、多峰或含厚尾。使用正态模型前应结合直方图、正态概率图、产生机制和异常值检查。样本均值与样本标准差只是参数估计,也带有抽样误差,不能因为计算出两个数就断言总体必然正态。

例 1原创基础例题:利用对称性求概率

设 X∼N(50,42)X\sim N(50,4^2),且已知 P(46≤X≤54)=0.6827P(46\le X\le54)=0.6827。求 P(X>54)P(X\gt54) 与 P(46≤X≤50)P(46\le X\le50)。

✏️ 查看分步解析

区间 [46,54][46,54] 即 [μ−σ,μ+σ][\mu-\sigma,\mu+\sigma],关于均值对称。区间外总概率为

1−0.6827=0.3173.1-0.6827=0.3173.

左右尾部相等,所以

P(X>54)=0.31732=0.15865.P(X\gt54)=\frac{0.3173}{2}=0.15865.

中心区间左右两半面积相等,因此

P(46≤X≤50)=0.68272=0.34135.P(46\le X\le50)=\frac{0.6827}{2}=0.34135.

连续分布中端点概率为零,所以严格或非严格不等号不改变结果。

例 2原创进阶例题:标准化比较两次成绩

甲考试成绩近似服从 N(70,102)N(70,10^2),乙考试成绩近似服从 N(80,52)N(80,5^2)。某生甲考 8585 分、乙考 8888 分。分别求标准分并比较相对位置。

✏️ 查看分步解析

甲考试标准分为

z1=85−7010=1.5.z_1=\frac{85-70}{10}=1.5.

乙考试标准分为

z2=88−805=1.6.z_2=\frac{88-80}{5}=1.6.

虽然甲比均值高 1515 分而乙只高 88 分,但乙成绩高于均值 1.61.6 个标准差,甲为 1.51.5 个标准差。因此按各自分布中的相对位置,乙考试表现略高。这个比较依赖两组成绩可用给定正态模型和参数描述。

⚠️易错点
  • N(μ,σ2)N(\mu,\sigma^2) 的第二个参数是方差,标准化时除以 σ\sigma。
  • 概率对应曲线下面积,不等于密度曲线在某点的高度。
  • 连续型变量单点概率为零,端点取不取等号不影响区间概率。
  • 用对称性时先确认区间是否关于 μ\mu 对称。
  • 三西格玛数值依赖正态模型,只能作为近似,不能套到任意分布。
🌏生活应用:过程质量监控

若稳定生产过程的测量误差近似正态,可用均值表示中心、标准差表示波动,并观察数据是否频繁超出若干标准差。但“超出三倍标准差”只是异常信号,不自动等于产品不合格;规格限来自设计要求,控制限来自过程波动,两者含义不同。若过程均值漂移或分布明显偏斜,应先修正模型再解释概率。

五、自测与解析

1. 参数含义

X∼N(12,9)X\sim N(12,9) 的均值、方差和标准差分别是什么?

✏️ 查看答案

均值为 1212,方差为 99,标准差为 33。

2. 标准化

若 X∼N(100,152)X\sim N(100,15^2),求 X=130X=130 对应的标准分。

✏️ 查看答案

z=(130−100)/15=2z=(130-100)/15=2,表示该值高于均值两个标准差。

3. 对称概率

若 P(∣X−μ∣≤2σ)=0.9545P(|X-\mu|\le2\sigma)=0.9545,求 P(X>μ+2σ)P(X\gt\mu+2\sigma)。

✏️ 查看答案

区间外总概率为 0.04550.0455,由对称性,右尾概率为 0.0455/2=0.022750.0455/2=0.02275。

📺B 站视频讲解去 B 站观看「正态分布视频讲解」优质讲解视频 →