正态分布 1．正态曲线及其性质 对于正态分布函数： ，x∈（-∞，+∞） 由于中学知识范围的限制，不必去深究它的来龙去脉，但对其函数图像即正态曲线可通过描点（或计算机中的绘图工具）画出课本图 1-4 中的图（1）、（2）、（3），由此，我们不难自己总结出正态曲线的性质。 2．标准正态曲线 标准正态曲线 N（0，1）是一种特殊的正态分布曲线，它是本小节的重点。由于它具有非常重要的地位，已专门制作了“标准正态分布表”。对于抽像函数，课本中没有给出具体的表达式，但其几何意义非常明显，即由正态曲线 N（0，1）、x 轴、直线所围成的图形的面积。再由N（0，1）的曲线关于 y 轴对称，可以得出等式，以及标准正态总体在任一区间(a，b)内取值概率。 3．一般正态分布与标准正态分布的转化 由于一般的正态总体其图像不一定关于 y 轴对称，所以，研究其在某个区间的概率时，无法利用标准正态分布表进行计算。这时我们自然会思考：能否将一般的正态总体转化成标准的正态总体 N（0，1）进行研究。人们经过探究发现：对于任一正态总体，其取值小于x 的概率。对于这个公式，课本中不加证明地给出，只用了“事实上，可以证明”这几个字说明。这表明，对等式的来由不作要求，只要会用它求正态总体在某个特定区间的概率即可。 4．“小概率事件”和假设检验的基本思想 “小概率事件”通常指发生的概率小于 5%的事件，因为对于这类事件来说，在大量重复试验中，平均每试验 20 次，才能发生 1 次，所以认为在一次试验中该事件是几乎不可能发生的。这种认识便是进行推断的出发点。关于这一点我们要有以下两个方面的认识：一是这里的“几乎不可能发生”是针对“一次试验”来说的，因为试验次数多了，该事件当然是很可能发生的；二是当我们运用“小概率事件几乎不可能发生的原理”进行推断时，我们也有 5%的犯错误的可能。就是说，这里在概率的意义上所作的推理与过去确定性数学中的“若 a 则 b”式的推理有所不同. 课本是借助于服从正态分布的有关零件尺寸的例子来介绍假设检验的基本思想.进行假设检验一般分三步： 第一步，提出统计假设。课本例子里的统计假设是这个工人制造的零件尺寸服从正态分布. 第二步，确定一次试验中的取值 a 是否落入范围（μ-3σ，μ+3σ）. 第三步，作出推断.如果 a∈（μ-3σ，μ+3σ），接受统计假设；如果，由于这是小概率事件，就拒绝统计假设.上面这种拒绝统计假设的推理，与我们过去学...
