background image

dr Tomasz Walczyński – 

Statystyka 

(I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 4. (12.03.2014 r.) 

 

 

Dokończenie Wykładu 3. Podstawowe rozkłady zmiennych losowych (str. 12 – 15) 

 

Dokończenie Wykładu 2. Zmienna losowa i jej charakterystyki (str. 15, zad. 2) 

 

4. Charakterystyka rozkładu normalnego  

 

Rozkład  normalny  odgrywa  bardzo  ważną  rolę  w  statystycznym  opisie  zagadnień 

przyrodniczych, przemysłowych, medycznych, chemicznych, socjalnych itp. 

Przypomnijmy,  że  zmienna  losowa  X  ma  rozkład  normalny  z  parametrami  𝜇, 𝜎  

 (𝜇 ∈ ℝ, 𝜎 > 0), oznaczany przez 𝑁(𝜇, 𝜎), jeżeli jej gęstość ma postać 

𝑓(𝑥) =

1

√2𝜋𝜎

𝑒

− 

(𝑥−𝜇)2

2𝜎2

𝑥 ∈ ℝ. 

Wartość oczekiwana i wariancja: 𝐸𝑋 = 𝜇, 𝑉𝑎𝑟𝑋 = 𝜎

2

. Ponadto 𝑀𝑒𝑋 = 𝑀𝑜𝑋 = 𝜇. 

 

background image

dr Tomasz Walczyński – 

Statystyka 

(I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 4. (12.03.2014 r.) 

 

Można pokazać, że momenty centralne nieparzystego rzędu są równe zero, czyli 

𝜇

2𝑘−1

= 𝐸(𝑋 − 𝐸𝑋)

2𝑘−1

= 0, 𝑘 = 1,2,3, … 

Natomiast momenty centralne parzystego rzędu wynoszą: 

𝜇

2𝑘

= 𝐸(𝑋 − 𝐸𝑋)

2𝑘

= 1 ∙ 3 ∙ 5 ∙ … ∙ (2𝑘 − 1)𝜎

2𝑘

= (2𝑘 − 1)‼ 𝜎

2𝑘

, 𝑘 = 1,2,3, … 

W szczególności 

𝐷

2

𝑋 = 𝜇

2

= 𝐸(𝑋 − 𝐸𝑋)

2

= 𝜎

2

 

𝜇

3

= 𝐸(𝑋 − 𝐸𝑋)

3

= 0,    𝜇

4

= 𝐸(𝑋 − 𝐸𝑋)

4

= 3𝜎

4

 

Zatem współczynnik asymetrii (skośności) jest równy: 

𝐴 =

𝜇

3

(𝜎𝑋)

3

=

𝐸(𝑋−𝐸𝑋)

3

(𝜎𝑋)

3

=

0

𝜎

3

= 0. 

Współczynnik skupienia (kurtoza) wynosi: 

𝐾 =

𝜇

4

(𝜎𝑋)

4

− 3 =

𝐸(𝑋−𝐸𝑋)

4

(𝜎𝑋)

4

− 3 =

3𝜎

4

𝜎

4

− 3 = 0. 

 

background image

dr Tomasz Walczyński – 

Statystyka 

(I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 4. (12.03.2014 r.) 

 

Wykresem gęstości rozkładu normalnego jest tzw. krzywa Gaussa (krzywa w kształcie 

dzwonu). Np. 

 

 

background image

dr Tomasz Walczyński – 

Statystyka 

(I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 4. (12.03.2014 r.) 

 

Jeżeli  zmienna  losowa  X  ma  rozkład  𝑁(𝜇, 𝜎),  to  zmienna  losowa  𝑌 =

𝑋−𝜇

𝜎

  ma 

standardowy rozkład normalny 𝑁(0,1) o dystrybuancie  

Φ(𝑥) =

1

√2𝜋

𝑒

− 

𝑡2

2

𝑥

−∞

𝑑𝑡, 

której wartości są stablicowane dla 𝑥 ≥ 0.  

Dla 

𝑥 < 0 korzystamy ze wzoru  

Φ(−𝑥) = 1 − Φ(𝑥). 

Jeżeli  zmienna  losowa  Y  ma  rozkład  𝑁(0,1),  to  zmienna  losowa  𝑋 = 𝜎𝑌 + 𝜇  ma 

rozkład 𝑁(𝜇, 𝜎). 

Jeżeli  zmienna  losowa  𝑋

1

  ma  rozkład 

𝑁(𝜇

1

, 𝜎

1

),  zmienna  losowa  𝑋

2

  ma  rozkład 

𝑁(𝜇

2

, 𝜎

2

) oraz zmienne losowe 𝑋

1

 i 

𝑋

2

 są niezależne, to: 

  zmienna losowa 

𝑋

1

+ 𝑋

2

 ma rozkład 

𝑁 (𝜇

1

+ 𝜇

2

, √𝜎

1

2

+ 𝜎

2

2

),  

  a zmienna losowa 

𝑋

1

− 𝑋

2

 ma rozkład 

𝑁 (𝜇

1

− 𝜇

2

, √𝜎

1

2

+ 𝜎

2

2

). 

background image

dr Tomasz Walczyński – 

Statystyka 

(I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 4. (12.03.2014 r.) 

 

Jeżeli zmienne losowe 𝑋

1

, 𝑋

2

, … , 𝑋

𝑛

, są niezależne oraz zmienna losowa

, 𝑋

𝑘

 ma rozkład 

𝑁(𝜇

𝑘

, 𝜎

𝑘

), 𝑘 = 1, 2, … , 𝑛, to: 

  zmienna losowa 

𝑆

𝑛

= 𝑋

1

+ 𝑋

2

+. . . +𝑋

𝑛

 ma rozkład 

𝑁 (𝜇

1

+ 𝜇

2

+. . . +𝜇

𝑛

, √𝜎

1

2

+ 𝜎

2

2

+. . . +𝜎

𝑛

2

), 

  zmienna losowa 

𝑋̅

𝑛

=

𝑆

𝑛

𝑛

=

𝑋

1

+𝑋

2

+...+𝑋

𝑛

𝑛

 ma rozkład 

𝑁 (

𝜇

1

+𝜇

2

+...+𝜇

𝑛

𝑛

, √

𝜎

1

2

+𝜎

2

2

+...+𝜎

𝑛

2

𝑛

2

). 

 
Jeżeli zmienne losowe 𝑋

1

, 𝑋

2

, … , 𝑋

𝑛

, są niezależne i wszystkie mają jednakowy rozkład 

𝑁(𝜇, 𝜎), to: 

  zmienna losowa 

𝑆

𝑛

= 𝑋

1

+ 𝑋

2

+. . . +𝑋

𝑛

 ma rozkład 

𝑁(𝑛𝜇, 𝜎√𝑛), 

  zmienna losowa 

𝑋̅

𝑛

=

𝑆

𝑛

𝑛

=

𝑋

1

+𝑋

2

+...+𝑋

𝑛

𝑛

 ma rozkład 

𝑁 (𝜇,

𝜎

√𝑛

). 

Zatem zmienna losowa 

𝑋̅

𝑛

−𝜇

𝜎

√𝑛

 ma standardowy rozkład normalny 

𝑁(0,1). 

 

 

background image

dr Tomasz Walczyński – 

Statystyka 

(I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 4. (12.03.2014 r.) 

 

Tablica dystrybuanty standardowego rozkładu normalnego 

Φ(𝑥) =

1

√2𝜋

𝑒

− 

𝑡2

2

𝑥

−∞

𝑑𝑡 

 

 

background image

dr Tomasz Walczyński – 

Statystyka 

(I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 4. (12.03.2014 r.) 

 

Niech  zmienna  losowa  X  ma  rozkład 

𝑁(𝜇, 𝜎).  Wtedy  zmienna  losowa  𝑌 =

𝑋−𝜇

𝜎

  ma 

standardowy rozkład normalny 𝑁(0,1) o dystrybuancie Φ(𝑥). Wówczas, dla 𝑘 > 0: 

𝑃(𝜇 − 𝑘𝜎 < 𝑋 < 𝜇 + 𝑘𝜎) = 𝑃 (

𝜇 − 𝑘𝜎 − 𝜇

𝜎

<

𝑋 − 𝜇

𝜎

<

𝜇 + 𝑘𝜎 − 𝜇

𝜎

) = 

= 𝑃(−𝑘 < 𝑌 < 𝑘) = Φ(𝑘) −  Φ(−𝑘) =  Φ(𝑘) −   [1 − Φ(𝑘)] = 2Φ(𝑘) − 1. 

W szczególności 

𝑃(𝜇 − 𝜎 < 𝑋 < 𝜇 + 𝜎) = 2Φ(1) − 1 = 2 ∙ 0,84134 − 1 = 0,68268 

𝑃(𝜇 − 2𝜎 < 𝑋 < 𝜇 + 2𝜎) = 2Φ(2) − 1 = 2 ∙ 0,97725 − 1 = 0,9545 

𝑃(𝜇 − 3𝜎 < 𝑋 < 𝜇 + 3𝜎) = 2Φ(3) − 1 = 2 ∙ 0,99865 − 1 = 0,9973 

W  praktyce  stosuje  się  tzw.  regułę  trzysigmową,  w  myśl  której  przyjmuje  się,  że 

praktycznie  wszystkie  wartości  zmiennej  losowej  o  rozkładzie  𝑁(𝜇, 𝜎)  są  zawarte 
w przedziale (

𝜇 − 3𝜎, 𝜇 + 3𝜎). 

 

 

background image

dr Tomasz Walczyński – 

Statystyka 

(I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 4. (12.03.2014 r.) 

 

Ponadto dla 

𝑘 > 0: 

𝑃(𝜇 < 𝑋 < 𝜇 + 𝑘𝜎) = 𝑃 (

𝜇−𝜇

𝜎

<

𝑋−𝜇

𝜎

<

𝜇+𝑘𝜎−𝜇

𝜎

) = 𝑃 (0 <

𝑋−𝜇

𝜎

< 𝑘) = Φ(𝑘) −  Φ(0) =  Φ(𝑘) −  0,5  

𝑃(𝜇 + (𝑘 − 1)𝜎 < 𝑋 < 𝜇 + 𝑘𝜎) = 𝑃 (𝑘 − 1 <

𝑋 − 𝜇

𝜎

< 𝑘) = Φ(𝑘) −  Φ(𝑘 − 1) 

 

background image

dr Tomasz Walczyński – 

Statystyka 

(I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 4. (12.03.2014 r.) 

 

Przykład 4.1. 

Niech zmienna losowa X ma rozkład 

𝑁(0,1), a zmienna losowa Y ma rozkład 𝑁(1,2). 

Obliczyć 𝑃(𝑋 > 2), 𝑃(−1 < 𝑋 < 2), 𝑃(|𝑋| < 0,5), 𝑃(𝑌 > 2), 𝑃(−1 < 𝑌 < 2), 
𝑃(|𝑌| < 0,5) oraz wyznaczyć kwantyle rzędu 0,95 i 0,05 zmiennych losowych X i Y

 
𝑃(𝑋 > 2) = 1 − 𝑃(𝑋 ≤ 2) = 1 − Φ(2) = 1 − 0,97725 = 0,02275 

𝑃(−1 < 𝑋 < 2) =  Φ(2) − Φ(−1) =  Φ(2) −   [1 − Φ(1)] = Φ(2) + Φ(1) − 1 = 

 

= 0,97725 + 0,84134 − 1 = 0,81859 

𝑃(|𝑋| < 0,5) =  𝑃(−0,5 < 𝑋 < 0,5) =  Φ(0,5) − Φ(−0,5) = 2 Φ(0,5) −  1 = 

= 2 ∙ 0,69146 − 1 = 0,38292 

Φ(𝑥

0,95

) = 0,95, czyli 𝑥

0,95

= 1,64 

Φ(𝑥

0,05

) = 0,05; 1 − Φ(−𝑥

0,05

) = 0,05; Φ(−𝑥

0,05

) = 0,95; −𝑥

0,05

= 𝑥

0,95

𝑥

0,05

= −1,64 

 

background image

dr Tomasz Walczyński – 

Statystyka 

(I rok Chemii, specjalności ChK, ChPiS, ACh) - Wykład 4. (12.03.2014 r.) 

10 

 

𝑃(𝑌 > 2) = 1 − 𝑃(𝑌 ≤ 2) = 1 − 𝑃 (

𝑌 − 1

2

<

2 − 1

2

) = 1 − Φ(0,5) = 1 − 0,69146 = 0,30854 

𝑃(−1 < 𝑌 < 2) = 𝑃 (

−1 − 1

2

<

𝑌 − 1

2

<

2 − 1

2

) = Φ(0,5) − Φ(−1) =  Φ(0,5) + Φ(1) − 1 

 

= 0,69146 + 0,84134 − 1 = 0,5328 

𝑃(|𝑌| < 0,5) =  𝑃(−0,5 < 𝑌 < 0,5) =  𝑃 (

−0,5 − 1

2

<

𝑌 − 1

2

<

0,5 − 1

2

) = 

=  Φ(−0,25) − Φ(−0,75) = 1 − Φ(0,25) − 1 + Φ(0,75) = 

= Φ(0,75) − Φ(0,25) = 0,77337 − 0,59871 = 0,17466 

0,95 = F

𝑌

(𝑦

0,95

) = 𝑃(𝑌 ≤ 𝑦

0,95

) = 𝑃 (

𝑌 − 1

2

𝑦

0,95

− 1

2

) = Φ (

𝑦

0,95

− 1

2

czyli 

𝑦

0,95

−1

2

= 1,64 i 𝑦

0,95

= 4,28. 

0,05 = F

𝑌

(𝑦

0,05

) = 𝑃(𝑌 ≤ 𝑦

0,05

) = 𝑃 (

𝑌 − 1

2

𝑦

0,05

− 1

2

) = Φ (

𝑦

0,05

− 1

2

czyli 

𝑦

0,05

−1

2

= −1,64 i 𝑦

0,05

= −2,28.