将一枚均匀硬币掷100次，利用中心极限定理可知，正面出现在60次以上的概率为？提示：Φ（2）=0.9772。
0.0228。
设X表示硬币掷100次正面出现的次数，X服从B(100,0.5)，利用中心极限定理可知X近似服从
N(50,25），所以p(x>60)=1-p(x<=60)=1-Φ((60-50)/5)=1-Φ（2）=0.0228。
中心极限定理这组定理是数理统计学和误差分析的理论基础，指出了大量随机变量近似服从正态分布的条件。它是概率论中最重要的一类定理，有广泛的实际应用背景。
在自然界与生产中，一些现象受到许多相互独立的随机因素的影响，如果每个因素所产生的影响都很微小时，总的影响可以看作是服从正态分布的。
扩展资料
中心极限定理是概率论中最重要的一类定理，它支撑着和置信区间相关的T检验和假设检验的计算公式和相关理论。如果没有这个定理，之后的推导公式都是不成立的。
事实上，以上对于中心极限定理的两种解读，在不同的场景下都可以对A/B测试的指标置信区间判定起到一定作用。
对于属于正态分布的指标数据，我们可以很快捷地对它进行下一步假设检验，并推算出对应的置信区间；而对于那些不属于正态分布的数据，根据中心极限定理，在样本容量很大时，总体参数的抽样分布是趋向于正态分布的，最终都可以依据正态分布的检验公式对它进行下一步分析。
设Xi=1为第i次投掷出现正面的 X=0为第i次投掷出现反面
设X表示硬币掷100次正面出现的次数，X服从B(100，0.5)
利用中心极限定理可知X近似服从N(50，25）
所以p(x>60)=1-p(x<=60)=1-Φ((60-50)/5)=1-Φ（2）=0.0228
扩展资料
两个常用的排列基本计数原理及应用
1、加法原理和分类计数法：
每一类中的每一种方法都可以独立地完成此任务；两类不同办法中的具体方法，互不相同(即分类不重)；完成此任务的任何一种方法，都属于某一类(即分类不漏)。
2、乘法原理和分步计数法：
任何一步的一种方法都不能完成此任务，必须且只须连续完成这n步才能完成此任务；各步计数相互独立；只要有一步中所采取的方法不同，则对应的完成此事的方法也不同。
N(50,25），所以p(x>60)=1-p(x<=60)=1-Φ((60-50)/5)=1-Φ（2）=0.0228
