文章目录
为什么正态分布的均值方差是μ和σ
证明1
其中,“第三个积分是标准正态分布的密度函数的积分,等于 1”,这一点需要在下文继续证明。
证明思路2
https://statproofbook.github.io/P/norm-mean.html,另一个思路是将指数积分转为error function,再求解。
另外,证明过程用到了积分 e x d x = d ( e x ) e^xdx=d(e^x) exdx=d(ex)
为什么标准正态分布的均值方差是0和1?
How do you show that the standard normal distribution has mean 0 and variance 1?
整个证明的存疑点在于需要利用一个已知事实,即如下公式:
追加证明1 求值 ∫ − ∞ ∞ x 2 e − x 2 2 d x \int_{-\infty}^{\infty} x^{2} e^{-\frac{x^{2}}{2}} dx ∫−∞∞x2e−2x2dx
如何证明该公式的值:
∫
−
∞
∞
x
2
e
−
x
2
2
d
x
\int_{-\infty}^{\infty} x^{2} e^{-\frac{x^{2}}{2}} dx
∫−∞∞x2e−2x2dx
有分部积分法,以及奇函数的特性,化到最后得到 ∫ − ∞ ∞ e − x 2 2 d x \int_{-\infty}^{\infty} e^{-\frac{x^{2}}{2}} dx ∫−∞∞e−2x2dx, 而这个公式经过整理,最终可以与error function建立联系。根据其函数曲线,erf(inf)=1。
追加证明2 分部积分法
参考 https://blog.csdn.net/tanjunming2020/article/details/129772756,其证明是从函数 ( u v ) ′ = u v ′ + v u ′ (uv)'=uv'+vu' (uv)′=uv′+vu′出发,从而证明的。
当 ∫ u d v ∫ u d v ∫udv求起来比较困难,但 u v u v uv和 ∫ v d u ∫ v d u ∫vdu比较好求时,可以用分部积分法来求解。
追加证明3 error function的值
关于高斯积分的证明过程,可以参考wiki 高斯积分的"通过极限计算"一节,利用了双重积分,正方形的内切圆和外切圆面积,以及夹逼定理。
在这里,积分的平方被转化为双重积分,再加以整理。
如何证明e^x的微分是它本身
Proof: The derivative of 𝑒ˣ is 𝑒ˣ
- https://math.stackexchange.com/questions/190773/proof-of-fracddxex-ex
- https://www.quora.com/Can-you-prove-that-e-x-is-the-derivative-of-itself