Задачи, приводящие к нормальному распределению — теория и тренажёры

На этой странице представлен исчерпывающий теоретический и практический материал по теме «Задачи, приводящие к нормальному распределению», разработанный специально для учащихся 11 класса в рамках углублённого курса предмета «Вероятность и статистика». Материал составлен ведущими методистами и экспертами по теории вероятностей, чтобы показать, как фундаментальные математические законы описывают хаос окружающего мира.

Нормальное распределение (закон Гаусса) — это «король» всех вероятностных распределений. Вы узнаете, почему суммирование множества случайных факторов неизбежно приводит к колоколообразной кривой, как работает Центральная предельная теорема, где гауссовское распределение встречается в природе, технике и социологии, и как без труда решать задачи с помощью правила трёх сигм!

Теория: Почему большинство случайных величин «нормальны»?

Центральная предельная теорема — секрет Гаусса

Нормальное распределение (распределение Гаусса) — это непрерывное распределение вероятностей, описываемое колоколообразной кривой плотности $f(x)$ , симметричной относительно математического ожидания $\mu$ .

Главная причина колоссальной популярности нормального распределения в реальной жизни кроется в Центральной предельной теореме (ЦПТ). Она гласит: если непрерывная величина образуется под суммарным воздействием большого числа независимых мелких случайных факторов, ни один из которых не является доминирующим, то распределение такой величины приближается к нормальному, независимо от законов распределения отдельных слагаемых!

Плотность нормального распределения

Функция плотности вероятности нормального распределения $N(\mu, \sigma^2)$ задаётся формулой:

f(x) = \frac{1}{\sigma \sqrt{2\pi}} \cdot e^{-\frac{(x - \mu)^2}{2\sigma^2}}

Где:

• $\mu$ (Математическое ожидание) — центр симметрии кривой (пик колокола);

• $\sigma$ (Среднеквадратическое отклонение) — параметр «размаха» или ширины колокола.

Где в реальной жизни возникают задачи на нормальное распределение?

Благодаря действию Центральной предельной теоремы нормальное распределение описывает огромное число процессов в физике, биологии, социологии и инженерии.

🎯 Измерительные приборы и погрешности

Любая ошибка измерения складывается из десятков мелких помех (колебания температуры, люфты прибора, дрожание рук). Поэтому суммарная погрешность измерения всегда распределена нормально вокруг истинного значения.

🧬 Антропометрия и биология

Рост, вес, размер стопы человека или масса семян пшеницы формируются под влиянием тысяч генов и внешних условий. Большинство людей имеют средний рост, а экстремально низкие или высокие встречаются крайне редко.

⚙️ Производство и допуски деталей

При фасовке сахара по $1 \text{ кг}$ или производстве подшипников диаметр шариков отклоняется от стандарта из-за износа резца, вибраций станков и состава сырья, образуя нормальное распределение вокруг нормы.

📊 Социология и тестирование (IQ, ЕГЭ)

Результаты массовых экзаменов и тестов на интеллект проектируются так, чтобы баллы распределялись по нормальному закону со средним значением $\mu = 100$ (для IQ) или $\mu = 60–70$ (для тестовых баллов).

Инструмент решения задач: Правило трёх сигм

Для решения большинства школьных задач по теме нормального распределения без использования тяжелых таблиц интегралов применяется практическое правило трёх сигм ( $1\sigma, 2\sigma, 3\sigma$ ).

Оно определяет процент вероятности попадания случайной величины в интервалы вокруг среднего значения $\mu$ :

📐 Три волшебных интервала правила 3-х сигм

1) В интервал $[\mu - \sigma; \mu + \sigma]$ попадает ровно $68.26\%$ всех значений случайной величины.

2) В интервал $[\mu - 2\sigma; \mu + 2\sigma]$ попадает ровно $95.44\%$ всех значений.

3) В интервал $[\mu - 3\sigma; \mu + 3\sigma]$ попадает ровно $99.73\%$ всех значений!

Вероятность того, что нормальная величина выскочит за пределы $3\sigma$ , составляет всего $0.27\%$ (практически невозможное событие в практических задачах).

Алгоритм решения задач на нормальное распределение

Чтобы без ошибок решать задачи на оценку доли элементов или вероятности в 11 классе, пользуйтесь следующей инструкцией:

Порядок действий

Выпишите параметры распределения: математическое ожидание $\mu$ (норма/среднее) и среднеквадратическое отклонение $\sigma$ (СКО).

Вычислите границы интервала из условия задачи ( $[\mu - k\sigma; \mu + k\sigma]$ ).

Определите коэффициент $k$ (сколько сигм $\sigma$ помещается в отклонение: $1$ , $2$ или $3$ ).

Примените проценты правила трёх сигм ( $68.3\%$ , $95.4\%$ или $99.7\%$ ). Если требуется найти половинную область (например, «больше среднего»), учтите симметрию графика относительно $\mu$ ( $50\%$ ).

Переведите вероятность в количество элементов (если в задаче спрашивается число предметов/человек): умножьте общий объём выборки на найденную вероятность.

Подробный разбор практических задач

Рассмотрим типовые прикладные задачи из учебников по вероятности и статистике за 11 класс.

Пример 1: Задача на контроль качества на фасованном производстве

Условие: Масса пакета сахара, фасуемого автоматом, является нормально распределённой случайной величиной со средним значением $\mu = 1000 \text{ г}$ и среднеквадратическим отклонением $\sigma = 5 \text{ г}$ . Какая доля пакетов будет иметь массу от $990 \text{ г}$ до $1010 \text{ г}$ ?

Подробное решение:

1) Определяем границы интервала из условия: $990 \text{ г}$ и $1010 \text{ г}$ .

2) Находим отклонения от среднего $\mu = 1000$ :

• Нижняя граница: $1000 - 990 = 10 \text{ г}$ .

• Верхняя граница: $1010 - 1000 = 10 \text{ г}$ .

3) Выразим отклонение через $\sigma = 5 \text{ г}$ :

$$10 \text{ г} = 2 \cdot 5 \text{ г} = 2\sigma$$

4) Наш интервал имеет вид $[\mu - 2\sigma; \mu + 2\sigma]$ . По правилу двух сигм доля таких пакетов составляет около $95.44\%$ (или $0.9544$ ).

Ответ: Доля пакетов составляет $95.44\%$ (или $0.9544$ ).

Пример 2: Задача на антропометрические данные и количество человек

Условие: Рост юношей 11 класса подчинён нормальному закону со средним $\mu = 175 \text{ см}$ и СКО $\sigma = 6 \text{ см}$ . В городе проживает $10\,000$ одиннадцатиклассников. Сколько примерно юношей имеют рост выше $181 \text{ см}$ ?

Подробное решение:

1) Выразим рост $181 \text{ см}$ через сигмы: $181 = 175 + 6 = \mu + 1\sigma$ .

2) По правилу $1\sigma$ , в интервал $[\mu - 1\sigma; \mu + 1\sigma]$ (от $169$ до $181 \text{ см}$ ) попадает $68.3\%$ юношей.

3) За пределами интервала $1\sigma$ остаётся $100\% - 68.3\% = 31.7\%$ юношей. Из-за симметрии колокола Гаусса ровно половина из них будет иметь рост ниже $169 \text{ см}$ , а вторая половина — выше $181 \text{ см}$ :

P(X \gt 181) = \frac{31.7\%}{2} = 15.85\% = 0.1585

4) Вычислим примерное количество человек из $10\,000$ :

N = 10\,000 \cdot 0.1585 = 1585 \text{ человек}

Ответ: Примерно $1585$ юношей.

Тренажёры с заданиями на нормальное распределение на платформе Экзамео

На интерактивной образовательной платформе Экзамео вы можете закрепить теоретический материал и научиться с легкостью решать любые задачи на гауссовское распределение. Наш интерактивный тренажёр предлагает генерацию задач с производственным браком, анализом погрешностей измерения и антропометрией с пошаговыми подсказками и моментальной проверкой.

Переходите к практическим тренажёрам по теме «Задачи, приводящие к нормальному распределению» для 11 класса. Прокачайте навыки работы с правилом трёх сигм и центральной предельной теоремой и получайте только отличные оценки на уроках вероятности и экзаменах!

Практика

Задачи сейчас заполняются

Уже готовим задания по теме: добавляем варианты, проверку ответов и понятные разборы после попытки.

Подбираем заданияПроверяем ответыГотовим разборы