搞不定Alevel正態分布?一招教你拿下!

2020-12-16 A加未來國際教育

儘管很多考試局取消了5月的考試,但也都說明如果對自己的成績不滿意的話,等疫情結束學校開學後還可以參加考試。

而我們都知道只是單純的指望預估成績是不靠譜的,有很大風險,所以我們還得和往常一樣,繼續做好複習工作,以防預估成績達不到預期。

A-level As的備考過程中,建議以知識點為單位進行歸類,通過進行區塊整理,更容易建立知識點之間的聯繫,應對綜合性的大題。我們就正態分布Normal distribution這一個知識點,對其中常考題型跟大家分析。

首先我們要明確的一點是正態分布應用的前提是我們在分析連續的數據,比如人的身高,時間等。

在之前學過的histogram中,我們知道area=k*frequency,如果讓k為n分之一,那麼area=frequency/n,也就是probability,如果我們把數據看作一個整體,我們會得到一個曲線,我們就稱這個曲線為概率密度函數(probability density function).

如果我們要想求出一個概率P(a<X<b),那麼a與b閉合部分的面積即為所求,也就是x=a,和x=b兩條直線之間的部分。

如何快速查表得到所求概率?

解決這部分概率題我們要會看表,以下為總結的公式可以供大家參考。

For a>0

P(Z<a):查表

P(Z>a)=1-P(Z<a)

P(Z>-a)=P(Z<a)

P(P<-a)=1-P(Z<a)

P(m<Z<n)=P(Z<n)-P(Z<m)

P(-a<Z<a)=P(Z<a)-P(Z<-a)=P(Z<a)-(1-P(Z<a))=2P(Z<a)-1

接下來我們看一道真題

The random variable Z~N(0,1)

A is the event Z>1.1

B is the event Z>-1.9

C is the event -1.5<Z<1.5

Find

a) P(A) b) P(B) c) P(c) d) P(AUC)

解析:首先我們先分析題幹一共四道題,所求都是圍繞ABC三個概率題,第一個題要求的是大於1.1的概率,根據互補概率公式,我們用1-小於1.1的概率即可。第二道題要求的是大於-1.9的概率,根據概率密度曲線的對稱性,我們根據查表求出<1.9的概率即可。第三道題求的是-1.5和1.5中間部分的概率,那麼我們直接套公式就行,即P(-a<Z<a)=P(Z<a)-P(Z<-a)=P(Z<a)-(1-P(Z<a))=2P(Z<a)-1。最後一部分是併集,根據概率公式P(AUC)=A事件概率+C事件概率-A和C事件交集的概率可得。

解題步驟如下

P(A)=P(Z>1.1)=1-P(Z<1.1)=1-0.8643=0.1357

P(B)=P(Z>-1.9)=P(Z<1.9)=0.9713

P(C)=P(-1.5<Z<1.5)=2P(Z<1.5)-1=2×0.9332-1=0.8664

A和C的交集=P(1.1<Z<1.5)=P(Z<1.5)-P(Z<1.1)=0.9332-0.8643=0.0698

所以P(AUC)=0.1357+0.8664-0.0698=0.9332

以下為附贈表圖

以上就是跟大家分享的正態分布內容,希望對即將入讀A-level的學員有所幫助,有疑問歡迎隨時聯繫。

相關焦點

  • 精品圖表|Excel繪製直方圖與正態分布曲線
    今日更新:Excel繪製直方圖與正態分布曲線老樣子,還是先上幾幅不同配色的圖來看一下:作圖思路先對原始的數據進行分割(組),計算每個分組的頻數與正態分布後。原始數據原始數據源如下圖所示:操作步驟Step-01對原數據進行分組,計算頻數與正態分布。
  • 數據不滿足正態分布——如何計算中位數(四分位數間距)
    大家對於四分位數間距可能會比較陌生,一般遇到數據不符合正態分布時,手足無措。今天,我們一起來看看。四分位距(interquartile range, IQR)是描述統計學中的一種方法,但由於四分位距不受極大值或極小值的影響,常用於描述非正態分布資料的離散程度,其數值越大,變異度越大,反之,變異度越小。
  • 如何用R畫正態分布圖?
    如何產生服從正態分布的R數據如何用R畫正態分布圖正態分布曲線圖正態分布曲線+直方圖給正態分布圖填充顏色對正態分布圖的特定區域填色什麼是正態分布?圖 1.        也許你會問,curve函數和plot函數有什麼區別呢?curve函數的y值需要提供表達式(expression,簡寫為expr),如dnorm(....),而不像plot直接給出y變量,如plot(x, y, type="l")。    另外正態分布很重要,在假設、公式推導、生活中經常會用到。還記得《機器學習》中線性回歸的概率解釋嗎?
  • 「勝算」系列-趣談六西格瑪-3-t分布
    Gosset的t分布就是來幫助我們幹這個的!1. 不知道總體是否正態?沒問題!t分布檢驗不需要正態。為什麼要考慮正態?因為符合正態性的數據是最容易分析的,也是過往大量統計學家研究的對象,這樣的分布曲線可以有很多參數幫助我們認識總體。而Gosset的大量分析得出的t分布不需要這個假設前提,這解決了一大問題。 2. 不知道總體參數?沒問題!
  • 巧用excel製作t-分布和卡方分布的臨界值表
    巧用Excel製作臨界值表02:05來自LearningYard學苑本篇推送將介紹如何用Excel製作t-分布和卡方分布臨界值表A.t-分布t-分布是用於根據小樣本來估計呈正態分布且方差未知的總體的均值步驟一:打開excel,橫軸為置信水平,豎軸為自由度,填好相應的值,做一個框架步驟二:點擊菜單欄的公式,選擇插入函數
  • 白話統計學05—標準化和z分布(學習分享)
    如果整個符合正態分布的取值都經標準化後:標準化分布的平均z分數(即均值)必為0,這一分布的標準差必為1.0,形成標準化正態分布。1.判定個別取值相對於分布中其他取值的大小。例如,一個學生在一門考試中得到了-1.5的z分數,那麼這個學生的得分比考試成績均值低1.5倍標準差。
  • 徹底理解正態分布——強大的數學分析工具
    正態分布也被稱為高斯分布或鐘形曲線(因為它看起來像一個鍾),這是統計學中最重要的概率分布,就像我們在大自然中經常看到的那樣,它有點神奇。例如,身高、體重、血壓、測量誤差、智商得分等都服從正態分布。還有一個跟它相關的,並且非常重要的概念,叫中心極限定理,這將在以後的文章中討論。
  • 學生期末成績須「正態分布」?高校教師探討更科學的評分方式
    涉事教師確有對「正態分布」不滿據了解,所謂成績的正態分布,是概率分布的表現形式之一。以100分為滿分、60分及格為例,將學生的分數段製成統計圖,當90-100分人數及60-70分人數佔比較少,70-80分學生佔多數,且成績以平均成績為中軸,向兩側逐次降低時,則屬於「正態分布」。一名中南大學本科畢業生向新京報記者證實,該朋友圈確為該校教師所發。
  • 為了分數分布好看,學校要求副教授改學生考試分數很不妥
    為了分數分布好看,學校要求副教授改學生考試分數很不妥圖片來源於新聞配圖日前,一則湖南中南大學特聘副教授吳嘉怒懟教務辦要求 「改低學生分數,成績分數服從正態分布 」 的朋友圈截圖引發關注。所謂成績正態分布,是一種概率分布的特殊表現形式,在統計某次考試成績分布規律的時候,將成績按分數段製成統計圖,如果中等成績佔最多數,其餘成績以中等成績為中軸,向兩側逐次降低,則稱這次成績呈正態分布。誠然,正態分布的成績的確比較好看,但也不能為了好看而修改學生辛辛苦苦取得的分數呀!正因為如此,中南大學特聘副教授吳嘉「衝冠一怒為學生」,怒懟教務辦要求改分數的不當行為。
  • 原創 | 一文讀懂正態分布與貝塔分布
    正態分布正態分布,是一種非常常見的連續概率分布,其也叫做常態分布(normal distribution),
  • 2021考研概率與統計公式:隨機變量及其分布
    當 時, , ,這就是(0-1)分布,所以(0-1)分布是二項分布的特例。 泊松分布為二項分布的極限分布(np=λ,n→∞)。>的超幾何分布,記為H(n,N,M)。
  • [道贏·科技] | 鋰電生產製程數據不服從正態分布,正常嗎?
    在日常工作中,正態分布是我們最為常見的數據分布類型。但很多時候,我們會發現自己的數據分布樣式 」千奇百怪「 ,與正態分布相比相去甚遠。那麼,一組數據不服從正態分布,正常嗎?如果不服從正態分布的數據暗示著某些異常的話,發生的又是什麼問題呢?為了回答這些問題,先要從正態分布的產生原理說起......正態分布是如何產生的?
  • 中南大學要求老師打分服從正態分布?考試中心:沒有明確規定
    高校學生成績打分必須服從正態分布?中南大學計算機學院特聘副教授吳嘉為此在朋友圈發文怒懟教務辦,其稱:「什麼見鬼的分數要服從正態分布,抱歉,我只在意學生!」學校考試中心14日回復開屏新聞記者,學校考試中心沒有明文規定要求學生成績服從正態分布,相關媒體報導,當事人吳嘉回應,成績正態分布符合科學性,他認為是與校方溝通有誤解。1月13日晚,知乎上一篇題為《如何看待中南大學吳嘉老師怒懟教務辦規定「學生成績必須服從正態分布」》的匿名帖引發關注。題主貼出吳嘉的朋友圈截圖,在截圖中,吳嘉稱:「我是老師,不是行政辦考核的工具。
  • 2021考研概率論與數理統計衝刺:隨機變量及其分布考試要求
    隨機變量及其分布考試要求1.理解隨機變量的概念,理解分布函數的概念及性質,會計算與隨機變量相聯繫的事件的概率。2.理解離散型隨機變量及其概率分布的概念,掌握0-1分布、二項分布、幾何分布、超幾何分布、泊松(Poisson)分布及其應用。
  • graphpad 分布 - CSDN
    T檢驗T檢驗是假設檢驗的一種,又叫student t檢驗(Student’s t test),主要用於樣本含量較小(例如n<30),總體標準差σ未知的正態分布資料。 T檢驗用於檢驗兩個總體的均值差異是否顯著。
  • f分布的檢驗 r語言 - CSDN
    一、非參數檢驗1、Kolmogorov-Smirnov正態性檢驗(單樣本)檢驗單一樣本是否來自某一特定分布。比如檢驗一組數據是否為正態分布。它的檢驗方法是以樣本數據的累積頻數分布與特定理論分布比較,若兩者間的差距很小,則推論該樣本取自某特定分布族。
  • 中國農田土壤重金屬空間分布特徵及汙染評價
    總體上全國農田土壤重金屬的空間分布研究存在以個別樣點值代替區域平均值、樣點偏少或未展開有效評價等問題, 難以全面反映中國農田土壤重金屬的實際分布特徵水平。1.3 數據分析利用SPSS 19.0軟體對土壤重金屬樣本數據進行描述性分析和正態分布檢驗, 地統計分析在GS+9.0軟體中完成,克裡金插值及空間分布圖的製作在ArcGIS 10.2
  • 概率和概率分布
    有很多人經常把相互獨立事件和互斥事件搞混,事實上,這兩個概念分別是兩回事。那麼該如何判斷兩個事件是否是相互獨立事件呢?我認為主要有兩種方法。第一種是定義法,就是通過定義「兩個互不影響發生的事件」,並通過經驗來判斷。第二就是通過相互獨立事件的性質:P(A and B)=P(A)*P(B)來判斷。
  • 大學生努力考出的好成績卻要被「和諧」,分數正態分布是鬧哪樣?
    中南大學特聘副教授吳嘉在朋友圈公開曝光了學校教務辦想要幹預期末考試成績的黑幕:吳老師爆料稱,學校教務辦要求他將50名學生的成績從90分改到80分,理由是學生成績需要服從正態分布!一石激起千層浪,這件事一時間被大家傳得沸沸揚揚。按照吳老師的說法,考試成績多少是由試卷決定的,而不是由學校教務辦來操作的。學生考90分是他們學得好,為何要服從這個分數段內應該有多少人的「指標」?
  • 應用matlab實現幾種常見概率分布隨機數的產生
    二項分布隨機數的產生程序如下:clear all;clcr=binornd(10,0.5) %在二項分布中n=10,p=0.5R=binornd(10,0.5,3,4) %產生一個泊松分布隨機數的產生程序如下:clear all;clc;r=poissrnd(8) %泊松分布lamda=8R=poissrnd(8,4,4) %產生一個4*4的矩陣