matlab 正态分布

最新推荐文章于 2024-04-06 16:37:18 发布

drbinzhao

最新推荐文章于 2024-04-06 16:37:18 发布

阅读量9.6k

点赞数 1

本文链接：https://blog.csdn.net/drbinzhao/article/details/52856037

版权

正态分布（Normal distribution）又名高斯分布（Gaussian distribution）

$f(x) = {1 \over \sigma\sqrt{2\pi} }\,e^{- {{(x-\mu )^2 \over 2\sigma^2}}}$

function [P,V] = initializeProbability(P0,sigma)

V = ( (P0-6*sigma):0.01:(P0+6*sigma) )';% or set themself

% normal distribution centered around P0
nd = (1/(sigma*sqrt(2*pi)))*exp(-(V-P0).^2/(2*sigma^2));
nd = nd/sum(nd); %归一化y轴为<1
P = nd;

正态分布的一些性质:

如果 $X \sim N(\mu, \sigma^2) \,$ 且a与b是实数，那么aX + b∼N(aμ + b,(aσ)²) (参见期望值和方差).
如果与是统计独立的正态随机变量，那么:
- 它们的和也满足正态分布 $U = X + Y \sim N(\mu_X + \mu_Y, \sigma^2_X + \sigma^2_Y)$ (proof).
- 它们的差也满足正态分布 $V = X - Y \sim N(\mu_X - \mu_Y, \sigma^2_X + \sigma^2_Y)$ .
- U与V两者是相互独立的。
如果和是独立正态随机变量，那么:
- 它们的积XY服从概率密度函数为p的分布
  
  $p(z) = \frac{1}{\pi\,\sigma_X\,\sigma_Y} \; K_0\left(\frac{|z|}{\sigma_X\,\sigma_Y}\right),$ 其中 K ₀是贝塞尔函数（modified Bessel function）
- 它们的比符合柯西分布，满足X / Y∼Cauchy(0,σ_X / σ_Y).
如果 $X_1, \cdots, X_n$ 为独立标准正态随机变量，那么 $X_1^2 + \cdots + X_n^2$ 服从自由度为n的卡方分布。