Math ClubMath Club
v1 · padrão canônico

Lição 76 — Distribuição normal

Curva de sino: densidade, padronização Z, regra 68-95-99,7, intervalos de confiança e testes Z. A distribuição central da estatística e das ciências aplicadas.

Used in: Stochastik — Leistungskurs alemão · H2 Math — Singapura · AP Statistics — EUA · Math B — Japão

f(x)=1σ2πe(xμ)22σ2,Z=Xμσf(x) = \frac{1}{\sigma\sqrt{2\pi}}\,e^{-\frac{(x-\mu)^2}{2\sigma^2}}, \quad Z = \frac{X-\mu}{\sigma}
Choose your door

Rigorous notation, full derivation, hypotheses

Definicja rygorystyczna

Gęstość i parametry

"If XX is a random variable and XX has a normal distribution with mean μ\mu and standard deviation σ\sigma, we write XN(μ,σ)X \sim N(\mu, \sigma). The mean μ\mu is the center of the symmetric curve, and the standard deviation σ\sigma gives the spread." — OpenStax Statistics §6.1

"Normal distributions are symmetric around their mean... The area under a normal distribution curve within one standard deviation of the mean is approximately 68%, within two standard deviations is approximately 95%, and within three standard deviations is approximately 99.7%." — OpenIntro Statistics §3.5

μμ−σμ+σμ−2σμ+2σ68%13,6%13,6%

Krzywa normalna: 68% danych między μ ± σ (ciemny region centralny), 27,2% między μ ± 2σ (regiony boczne), 0,3% w ogonach poza μ ± 3σ.

Przykłady rozwiązane

Exercise list

42 exercises · 10 with worked solution (25%)

Application 23Understanding 2Modeling 12Challenge 1Proof 3 1
  1. Ex. 76.1Application

    XN(70,102)X \sim \mathcal N(70, 10^2). Oblicz z-score dla X=85X = 85.

  2. Ex. 76.2Application

    XN(100,152)X \sim \mathcal N(100, 15^2). Oblicz z-score dla X=80X = 80.

  3. Ex. 76.3ApplicationAnswer key

    Oblicz P(Z1,96)P(Z \leq 1{,}96).

  4. Ex. 76.4Application

    Oblicz P(Z1,96)P(Z \geq 1{,}96).

  5. Ex. 76.5Application

    Oblicz P(1,96Z1,96)P(-1{,}96 \leq Z \leq 1{,}96).

  6. Ex. 76.6Application

    Oblicz P(Z1,5)P(Z \leq -1{,}5).

  7. Ex. 76.7Application

    Oblicz P(0Z2)P(0 \leq Z \leq 2).

  8. Ex. 76.8Application

    XN(50,102)X \sim \mathcal N(50, 10^2). Oblicz P(X>65)P(X > 65).

  9. Ex. 76.9Application

    XN(50,102)X \sim \mathcal N(50, 10^2). Oblicz P(40<X<60)P(40 < X < 60).

  10. Ex. 76.10Application

    XN(0,4)X \sim \mathcal N(0, 4) (wariancja = 4). Oblicz P(X>3)P(X > 3).

  11. Ex. 76.11ApplicationAnswer key

    Oblicz kwantyl 90% dla N(100,152)\mathcal N(100, 15^2).

  12. Ex. 76.12Application

    Oblicz Q1Q_1 (kwantyl 25%) dla N(100,152)\mathcal N(100, 15^2).

  13. Ex. 76.13Application

    IQ N(100,152)\sim \mathcal N(100, 15^2). Jaki % populacji ma IQ między 85 a 115?

  14. Ex. 76.14Application

    IQ N(100,152)\sim \mathcal N(100, 15^2). Jaki % ma IQ powyżej 130?

  15. Ex. 76.15Application

    IQ N(100,152)\sim \mathcal N(100, 15^2). Jaki % ma IQ powyżej 145?

  16. Ex. 76.16Application

    Wzrost N(170,82)\sim \mathcal N(170, 8^2) cm. Jaki % ma wzrost powyżej 186 cm?

  17. Ex. 76.17ApplicationAnswer key

    Oceny N(70,102)\sim \mathcal N(70, 10^2). Od której oceny zaczyna się top 5%?

  18. Ex. 76.18Application

    XN(0,1)X \sim \mathcal N(0, 1). Oblicz P(X>3)P(|X| > 3).

  19. Ex. 76.19ApplicationAnswer key

    Dla XN(μ,σ2)X \sim \mathcal N(\mu, \sigma^2), jaki jest związek między medianą, modą a μ\mu?

  20. Ex. 76.20Application

    XN(20,42)X \sim \mathcal N(20, 4^2) i YN(10,32)Y \sim \mathcal N(10, 3^2) niezależne. Jaki jest rozkład X+YX + Y?

  21. Ex. 76.21Application

    Pensja miesięczna N(5000,15002)\sim \mathcal N(5000, 1500^2) reali. Jaka jest pensja minimalnego wynagrodzenia top 10%?

  22. Ex. 76.22ApplicationAnswer key

    Czas lotu N(120,102)\sim \mathcal N(120, 10^2) min. Ile czasu zarezerwować, aby mieć 99% pewność przybycia na czas?

  23. Ex. 76.23

    Dzienny zwrot akcji N(0,001,  0,012)\sim \mathcal N(0{,}001,\; 0{,}01^2). Oblicz P(strata>2%)P(\text{strata} > 2\%).

  24. Ex. 76.24Application

    Napięcie N(220,52)\sim \mathcal N(220, 5^2). Urządzenie zawodzi jeśli V>235V > 235 V. Oblicz prawdopodobieństwo awarii.

  25. Ex. 76.25Modeling

    Części ze średnicą N(10,00;  0,022)\mathcal N(10{,}00;\; 0{,}02^2) mm. Tolerancja 10,00±0,0510{,}00 \pm 0{,}05 mm. Jaki ułamek zostanie odrzucony?

  26. Ex. 76.26Modeling

    Ankieta z 1000 respondentami szacuje rzeczywisty odsetek p=0,50p = 0{,}50. Skonstruuj 95% PU dla pp.

  27. Ex. 76.27ModelingAnswer key

    Xˉ=105\bar X = 105, n=25n = 25, σ=10\sigma = 10 (znane). Skonstruuj 95% PU dla μ\mu.

  28. Ex. 76.28Modeling

    Test H0:μ=100H_0: \mu = 100 vs. H1:μ100H_1: \mu \neq 100. Xˉ=105\bar X = 105, n=25n = 25, σ=10\sigma = 10. Oblicz p-wartość i podejmij decyzję.

  29. Ex. 76.29ModelingAnswer key

    Czas wykonania N(50,52)\sim \mathcal N(50, 5^2) ms. Aby zagwarantować SLA z 95% żądań poniżej limitu, jaki próg zdefiniować?

  30. Ex. 76.30Modeling

    Six Sigma: specyfikacja μ±6σ\mu \pm 6\sigma. Z dostosowaniem 1,5σ na drift procesu, oblicz defekty na milion. Dlaczego wynik to 3,4 ppm a nie praktycznie zero?

  31. Ex. 76.31Modeling

    Wykres X-bar z n=5n = 5, σ=2\sigma = 2 (znane), Xˉˉ=100\bar{\bar{X}} = 100. Oblicz UCL i LCL na ±3σ\pm 3\sigma.

  32. Ex. 76.32Modeling

    Wyniki modelu ML N(0,80,  0,052)\sim \mathcal N(0{,}80,\; 0{,}05^2). Jaki to próg dla wybrania top 20% modeli?

  33. Ex. 76.33Modeling

    Rezystor 100Ω z tolerancją ±5%\pm 5\%. Zakładając σ=5/3\sigma = 5/3 ohm (3σ\sigma = tolerancja), oblicz ułamek w granicach specyfikacji.

  34. Ex. 76.34Modeling

    Roczny zwrot portfela N(5%,20%2)\sim \mathcal N(5\%, 20\%^2). Oblicz prawdopodobieństwo ujemnego zwrotu w ciągu roku.

  35. Ex. 76.35Modeling

    Wyniki ENEM (Matematyka) N(520,1102)\sim \mathcal N(520, 110^2). Oblicz P(wynik>700)P(\text{wynik} > 700).

  36. Ex. 76.36ModelingAnswer key

    IPCA roczny modelowany jako N(4,5%,  1,5%2)\mathcal N(4{,}5\%,\; 1{,}5\%^2). Cel inflacji: do 6,5%. Jakie jest prawdopodobieństwo przekroczenia celu?

  37. Ex. 76.37Understanding

    Dlaczego standaryzujemy do rozkładu normalnego standardowego? Co uzasadnia istnienie jednej tablicy Φ(z)\Phi(z)?

  38. Ex. 76.38Understanding

    Ogon rozkładu normalnego jest "cienki" czy "ciężki"? Dlaczego to ma znaczenie w modelowaniu ryzyka finansowego?

  39. Ex. 76.39Challenge

    Wykaż, że jeśli XN(0,1)X \sim \mathcal N(0, 1), to Y=X2Y = X^2 ma rozkład chi-kwadrat z 1 stopniem swobody.

  40. Ex. 76.40Proof

    Wykaż, że jeśli XN(μ,σ2)X \sim \mathcal N(\mu, \sigma^2) i Y=aX+bY = aX + b (z a>0a > 0), to YN(aμ+b,  a2σ2)Y \sim \mathcal N(a\mu + b,\; a^2\sigma^2).

  41. Ex. 76.41ProofAnswer key

    Wykaż, że +ex2/2dx=2π\int_{-\infty}^{+\infty} e^{-x^2/2}\,dx = \sqrt{2\pi} używając sztuczki współrzędnych biegunowych.

  42. Ex. 76.42ProofAnswer key

    Wykaż (szkic), że rozkład normalny maksymalizuje entropię różniczkową spośród wszystkich rozkładów ciągłych ze stałą średnią μ\mu i stałą wariancją σ2\sigma^2.

Źródła

  • OpenIntro Statistics (4. wyd.) — Diez, Çetinkaya-Rundel, Barr · 2019 · EN · CC-BY-SA. Źródło pierwsze — §3.5 (standaryzacja, reguła 68-95-99,7, Q-Q plot, aplikacje).
  • Statistics (OpenStax) — Illowsky, Dean · 2022 · EN · CC-BY. §6.1–6.4 — gęstość, CDF, PU, CTG, ćwiczenia na poziomie AP.
  • Introduction to Probability (Grinstead-Snell) — Grinstead, Snell · 1997 · EN · GNU FDL. §5.2 — całka Gaussa, MGF, maksymalna entropia, limit De Moivre-Laplace; ćwiczenia demonstracyjne.

Updated on 2026-05-06 · Author(s): Clube da Matemática

Found an error? Open an issue on GitHub or submit a PR — open source forever.