《正态分布的应用》由会员分享，可在线阅读，更多相关《正态分布的应用（5页珍藏版）》请在金锄头文库上搜索。
1、正态分布的应用正态分布的应用信息与计算科学专业 *摘要摘要：随着就业压力的增大，毕业人才的增长数量超过企业需求量的时候，为了增加面试机会，求职者不得不广泛的狂发简历，期望以次来增大面试或者录用的机率。殊不知，这样做的结果是：企业 HR 招聘人员手中每日收到的简历成百上千封，群发简历的结果虽然增大了企业的覆盖面，但却严重的降低了企业的效率，导致企业更加难于选择人才，人才也更加难以找到合适工作岗位的恶性循环。 本文是通过对大学教材概率分布与数理统计的学习，加以对课外书籍阅读，从而用来研究正态分布函数及正态分布解决生活中实际问题。在这里主要分析正态分布在人才招聘中的应用关键字：关键字：正态分布，人才
2、招聘，数理统计1正态分布剖析正态分布剖析 正态分布是最重要的一种概率分布。正态分布概念是由德国的数学家和天文学家 Moivre 于 1733 年受次提出的，但由于德国数学家 Gauss 率先将其应用于天文学家研究，故正态分布又叫高斯分布。正态分布起源于误差分析，早期的天文学家通过长期对一些天体的观测收集到了大量数据，并利用这些数据天体运动的物理模型，其中第谷与开 普勒在建模中提出了一条原则“模型选择的最终标准是其与观测数据的符合程度” ，这个“符合程度”实质上蕴涵了误差概率理论的问题，伽例略是第一个在其著作中提出随机误差这一概念的人。1 11 1 正态分布（正态分布（normalnormal
3、distributiondistribution）一种概率分布。正态分布是具有两个参数 和 的连续连续的随机变量 x 的概率密度分布函数 f(x)如果服从关系，就说该变量遵守正态分布（也称为高斯分布） 。这里 a 和 分别是该变量的平均值和标准差。正态分布最早由数学家高斯得到，它广泛适合观测的误差等很多种场合。这个分布可以从某种合理的假设出发而推导出来，所以被认为是理论依据比较充分的概率分布。20 世纪科技界流行的一种观点就是自然现象似乎都应当符合正态分布，很多理论工作也是在正态分布的假设上形成的。这些工作提高了正态分布的地位。人们对正态分布的重视也导致对其他的分布函数的忽视。这种观点与丰富的
4、自然现象不符。1 12 2 正态分布应用领域正态分布应用领域正态分布是一种最常见的连续型随机变量的分布,它在概率论和数理统计中无论在理论研究还是实际应用上都占有头等重要的地位,这是因为它在误差理论、无线电噪声理论、自动控制、产品检验、质量控制、质量管理等领域都有广泛应用.数理统计中许多重要问题的解决都是以正态分布为基础的.某些医学现象，如同质群体的身高、红细胞数、血红蛋白量、胆固醇等，以及实验中的随机误差，呈现为正态或近似正态分布；有些资料虽为偏态分布，但经数据变换后可成为正态或近似正态分布，故可按正态分布规律处理。今天我们主要讨论其在人才招聘中的应用。2 2实例实例 正态分布在人才招聘中的应
5、用正态分布在人才招聘中的应用2.1 问题问题当今社会，考试作为一种选拔人才的有效途径，正被广泛采用。每次考试过后，考生最关心的问题是：自己能否达到最低录取分数线？自己的考试名词热和？能否录取？某公司准备通过考试招工 300 名。其中 280 名正式工，20 名临时工。实际报考人数为 1675 名。考试满分 400 分。考试不久后，通过当地新闻媒体得到如下消息：考试平均成绩是 166 分，360 分以上的高分考生 31 名。某考生 A 的成绩为256 分。问他能否被录取？若被录取，能否是正式工？2.22.2 分析与建模分析与建模我们用正态正态分布来解决这个问题。先预测最低录取分数线，记最低录取分
6、数为。设考生成绩为 X，对一次成功的考试来说，X 应服从正态分布，即则 由题设知 :于是 查正态分布表，得:所以 因为最低录取分数线的确应使高于此线的考生的频率等于，即于是 : 即最低录取分数线是 251 分下面预测考生 A 的名次，其考分x=256此表示成绩高于考生 A 的人数约占总人数的 16.9%即考生 A 大约排在 283 名2.32.3 结论结论因为该考生的成绩是 256 分，大于录取分数限 251 分，因此该考生 A 能被录取。但他的排名是 283，排在 280 名之后，所以他不能被录取为正式工，只能是临时工。3 3 讨论讨论正态分布是许多统计方法的理论基础。 检验、方差分析、相关和回归分析等多种统计方法均要求分析的指标服从正态分布。许多统计方法虽然不要求分析指标服从正态分布，但相应的统计量在大样本时近似正态分布，因而大样本时这些统计推断方法也是以正态分布为理论基础的。参考文选参考文选1方积乾 卫生统计学 人民卫生出版社 2006 年 01 月 2 （美）博迪， （美）莫顿 著，伊志宏 等译 人民大学出版社 2004 年 01月 3张双林 马维军 郝立柱 姜春艳 概率论与数理统计 科学出版社 2007 年 8 月
