正态分布(Normal distribution)

queeniewsy

已于 2022-04-16 17:37:25 修改

阅读量5.7k

点赞数 3

CC 4.0 BY-SA版权

文章标签：概率论

于 2022-04-16 17:26:02 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/queeniewsy/article/details/124215078

目录

标准正态分布

概念

若连续性随机变量X的概率密度为

$f(x)=\frac{1}{\sqrt{2\pi }\sigma}e^{-\frac{(x-\mu)^2}{2\sigma ^2}} ,-\infty <x<+\infty ,$

其中 $\mu$ 为平均数， $\sigma$ 为标准差， $\mu ,\sigma (\sigma >0)$ 为常数，则称X服从参数为 $\mu ,\sigma$ 的正态分布(Normal distribution)或高斯(Gauss)分布，记为 $X\sim N(\mu ,\sigma ^2)$ .

X的分布函数为

$f(x)=\frac{1}{\sqrt{2\pi }\sigma}\int_{-\infty }^{x}e^{-\frac{(t-\mu)^2}{2\sigma ^2}}dt$

1.正态分布的图形

性质

曲线关于 $x=\mu$ 对称，这表明对于任意 $h>0$ 有

$P\left \{ \mu -h<X\leqslant \mu \right \}=P\left \{ \mu <X\leqslant \mu+h \right \}$ .

当 $x=\mu$ 时，取到最大值

$f(x)=\frac{1}{\sqrt{2\pi }\sigma}$ .

$x$ 离 $\mu$ 越远， $f(x)$ 的值越小，表明对于同样长度的区间，当区间离 $\mu$ 越远，X落在这个区间上的概率越小.
在 $x=\mu \pm \sigma$ 处曲线有拐点. 曲线以 $Ox$ 轴为渐近线.
固定 $\sigma$ ，改变 $\mu$ 的值，正态分布图形沿着 $Ox$ 轴平移，而不改变其形状. 正态分布的概率密度曲线 $y=f(x)$ 的位置完全由参数 $\mu$ 所确定， $\mu$ 称为位置参数.
固定 $\mu$ ，改变 $\sigma$ 的值，由于最大值 $f(x)=\frac{1}{\sqrt{2\pi }\sigma}$ ，可知当 $\sigma$ 越小时，图形变得越尖，因而X落在 $\mu$ 附近的概率越大.

标准正态分布

当 $\mu =0,\sigma =1$ 时称随机变量X服从标准正态分布.

标准正态分布的概率密度：

$\varphi (x)=\frac{1}{\sqrt{2\pi }}e^{-x^2/2}$

标准正态分布的分布函数：

$\phi (x)=\frac{1}{\sqrt{2\pi }}\int_{-\infty }^{x}e^{-t^2/2}dt$

易知

$\phi (-x)=1-\phi(x)$

"3σ"法则

$P\left \{ \mu -\sigma <X< \mu +\sigma\right \} =\phi (1)-\phi(-1)=2\phi (1)-1=68.26%$

$P\left \{ \mu -2\sigma <X< \mu +2\sigma\right \} =\phi (2)-\phi(-2)=95.44%$

$P\left \{ \mu -3\sigma <X< \mu +3\sigma\right \} =\phi (3)-\phi(-3)=99.74%$

尽管正态变量的取值范围是 $(-\infty ,\infty)$ ，但它的值落在 $(\mu -3\sigma,\mu +3\sigma)$ 几乎是肯定的事.

参考资料

《概率论与数理统计》第四版, 盛聚, 谢式千, 潘承毅.

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。