机器学习小组知识点15：高斯分布/正态分布（Gaussian Distribution/Normal Distribution）

试用环境

正态分布是自然科学与行为科学中的定量现象的一个方便模型。各种各样的心理学测试分数和物理现象比如光子计数都被发现近似地服从正态分布。尽管这些现象的根本原因经常是未知的，理论上可以证明如果把许多小作用加起来看做一个变量，那么这个变量服从正态分布（在R.N.Bracewell的Fourier transform and its application中可以找到一种简单的证明）。在概率论，正态分布是几种连续以及离散分布的极限分布。

概率密度函数

正态分布的概率密度函数均值为${\displaystyle \mu }$方差为 ${\displaystyle \sigma ^{2}}$ (或标准差${\displaystyle \sigma }$)是高斯函数的一个实例：

$$f(x;\mu,\sigma)=\frac{1}{\sigma\sqrt{2\pi}} \, \exp \left( -\frac{(x- \mu)^2}{2\sigma^2} \right)$$
如果一个随机变量 ${\displaystyle X}$服从这个分布，我们写作