正态分布以及相关的抽样分布

by QZQ

基本

定义

1. 若连续型随机变量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$\mu$,$\sigma$为常数，则称X服从参数为$\mu$,$\sigma$的正态分布或高斯分布，记为$X\sim N(\mu ,\sigma ^2)$.
2. 事实上，$\mu$是X的期望,$\sigma^2$是X的方差.

性质

1. 曲线关于$x=\mu$对称，这表明对于任意$h>0$有 $$P\{\mu - h < X \leq \mu \} = P\{\mu < X \leq \mu + h\}$$
2. 当$x=\mu$时取到最大值 $$f(\mu)=\frac{1}{\sqrt{2\pi}\sigma}$$
3. 在$x=\mu\pm\sigma$处曲线有拐点。曲线以$Ox$轴为渐近线.

定性分析参数

1. 固定$\sigma$改变$\mu$，图形沿着$Ox$平移，不改变形状.正态分布的概率密度曲线的位置完全由参数$\mu$所确定，$\mu$称为位置参数.
2. 固定$\mu$改变$\sigma$，由于最大值$f(\mu)=\frac{1}{\sqrt{2\pi}\sigma}$，可知当$\sigma$越小时图形变得越尖，因而X落在$\mu$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.其概率密度和分布函数分别用$\varphi(x),\Phi(x)$表示.

引理

若$X\sim N(\mu,\sigma ^2)$,则 Z=