正态分布和泊松分布在统计学中都有广泛应用。正态分布是连续型概率分布，以μ为均值，σ为标准差。泊松分布是离散型概率分布，适用于描述单位时间内随机事件发生的次数。当泊松分布的参数λ足够大时，它可以被正态分布近似。一般认为，当λ大于或等于5时，这种近似是合适的。两者的内在联系在于，泊松分布随着λ的增大，逐渐逼近均值和方差均为λ的正态分布。
正态分布
正态分布（normal distribution）又名高斯分布（Gaussian distribution）、正规分布，是一个非常常见的连续概率分布。正态分布在统计学上十分重要，经常用在自然和社会科学来代表一个不明的随机变量。
若随机变量X服从一个位置参数为 μ \mu μ 、尺度参数为 σ \sigma σ的正态分布，记为：
X ∼ N ( μ , σ 2 ) X \sim N(\mu,\sigma^2) X∼N(μ,σ2)
则其概率密度函数为
f ( x ) = 1 σ 2 π e − ( x − μ ) 2 2 σ 2 {\displaystyle f(x)={\frac {1}{\sigma {\sqrt {2\pi }}}}\;e^{-{\frac {\left(x-\mu \right)^{2}}{2\sigma ^{2}}}}\!} f(x)
最低0.47元/天 解锁文章
扫一扫
362
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
