1、概念
正态分布(Normal distribution)又名高斯分布(Gaussian distribution),是一个在数学、物理及工程等领域都非常重要的概率分布,在统计学的许多方面有着重大的影响力。
若随机变量服从一个位置参数为
、尺度参数为
的概率分布,记为:
则其概率密度函数为
正态分布的数学期望值或期望值等于位置参数,决定了分布的位置;其方差
的开平方或标准差
等于尺度参数,决定了分布的幅度。
正态分布的概率密度函数曲线呈钟形,因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是位置参数, 尺度参数
的正态分布(见右图中绿色曲线)。
2、性质
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)](http://upload.wikimedia.org/math/8/1/f/81fcbdfdcfb20f9af35db82829da43b0.png)
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)](http://upload.wikimedia.org/math/8/b/2/8b22e1778fd0e4548eda237bad71aa44.png)
![U](http://upload.wikimedia.org/math/4/c/6/4c614360da93c0a041b22e537de151eb.png)
![V](http://upload.wikimedia.org/math/5/2/0/5206560a306a2e085a437fd258eb57ce.png)
3)
和
是独立常态随机变量,那么:
![X \sim N(0, \sigma^2_X)](http://upload.wikimedia.org/math/1/a/3/1a368150e2171639da10166086a11bd3.png)
![Y \sim N(0, \sigma^2_Y)](http://upload.wikimedia.org/math/9/d/4/9d49cf31b33111492ae2884c760231e9.png)
它们的积
服从概率密度函数为
的分布
![X Y](http://upload.wikimedia.org/math/7/4/c/74c53bcd3dcb2bb79993b2fec37d362a.png)
![p](http://upload.wikimedia.org/math/8/3/8/83878c91171338902e0fe0fb97a8c47a.png)
![p(z) = \frac{1}{\pi\,\sigma_X\,\sigma_Y} \; K_0\left(\frac{|z|}{\sigma_X\,\sigma_Y}\right),](http://upload.wikimedia.org/math/b/0/0/b009e9a11285d981783c4467debe66e0.png)
![K_0](http://upload.wikimedia.org/math/f/a/c/fac2b25fdfc1a7980fd0d133f021f86d.png)
3、更多可以阅读:http://songshuhui.net/archives/76501
讲述正态分布的前世今生。
4、在知乎上看到一张关于各种统计分布的关系的神图:
论文地址:http://www.math.wm.edu/~leemis/2008amstat.pdf