统计学3

正态分布
这一节我们将讲统计学中最重要的概念，甚至是任何科学领域中最重要的概念，因为它在生活中无处不在，就是正态分布，或者叫高斯分布或钟形曲线。

使用Excel可以说明，二项分布在试验次数足够时会很接近正态分布。从图中可以看出均值为100*0.3=30。注意K=60~100概率极低但也不为0。

正态分布的概率密度函数图像

概率密度函数$f(x)=\frac{1}{\sqrt{2\pi }\sigma }e^{-\frac{1}{2}(\frac{x-\mu }{\sigma })^{2}}$，其中$\frac{x-\mu }{\sigma }$表示x离均值有多少个标准差那么远，这又称作标准z分数。注意，不只是正态分布，任何分布都有z分数，只要知道均值和标准差。

连续随机变量x在[a,b]上的概率$P(X)=\int_{a}^{b}f(x)dx$，且正态分布在整个实数轴上都有意义，$\int_{-\infty}^{\infty}f(x)dx=1$。

比如抛硬币的例子（二项分布）中，均值为10*0.5，方差为10*0.5*0.5。$P(X=2)=0.04395$。

用正态分布的概率公式计算$P(1.5\leq X\leq2.5)=\frac{1}{\sqrt{2\pi }*1.58}e^{-\frac{1}{2}(\frac{2-5 }{1.58})^{2}} \times 1\approx0.0417$（x=2的概率为高，宽为1的长方形面积，即积分的的近似），和二项分布求得的概率几乎相等，差距是0.00224。
如果试验次数更多，还会更接近，如下图试验15次，差距是0.00045。

中心极限定理：抛硬币的例子中，如果抛的足够多且每次试验相互独立，其如果正面，随机变量为1，如果反面为0。那么所有随机变量的和在抛掷次数趋于无穷时，趋于正态分布。有趣的是每次抛掷试验并非正态分布，但结果却得到正态分布。

正态分布的概率密度公式也可以改写成
$f(x)=\frac{1}{\sqrt{2\pi }\sigma }e^{-\frac{1}{2}(\frac{x-\mu }{\sigma })^{2}}=\frac{1}{\sqrt{2\pi \sigma^{2}}}(e^{(\frac{x-\mu }{\sigma })^{2}})^{-\frac{1}{2}}=\frac{1}{\sqrt{2\pi \sigma^{2}e^{z^{2}}}}$，其中$\frac{x-\mu }{\sigma }=z$。

正态分布的图像受均值和标准差影响



正态分布的积累分布函数$F(x)=\int_{-\infty}^{x}f(x)dx$，图像如下图。

F(2)表示小于2的概率是多少。F(1)-F(-1)表示-1到1之间的概率是多少。

哪些是正态分布？
1、某高中学生的拇指到小指的长度——近似于正态分布
2、某大型公司所有员工的工资——右偏态分布，又叫正偏态分布（尾部右侧延伸），也属于一种双峰分布

3、收银抽屉里100枚硬币的日期——左偏态分布，又叫负偏态分布（尾部左侧延伸）

右偏态分布：均值在中位数右边
左偏态分布：均值在中位数左边（均值将曲线下方面积分成相等的两部分，中位数是从小到大序列中最中间的数，因为左侧无限延伸，所以均值在中位数左边）

下面介绍经验法则，又称68-95-99.7法则。在实际应用上，常考虑一组数据具有近似于正态分布的概率分布。若其假设正确，则约 68% 数值分布在距离平均值有 1 个标准差（$\left | z \right |\leq 1$）之内的范围，约 95% 数值分布在距离平均值有 2 个标准差（$\left | z \right |\leq 2$）之内的范围，以及约 99.7% 数值分布在距离平均值有 3 个标准差（$\left | z \right |\leq 3$）之内的范围。

最后讲两个正态分布的衡量指标——偏度和峰度。
如果是对称的正态分布，则偏度为0。如果偏度为正，则说明右侧尾部较长，得到正偏态分布，不是理想的正态分布。如果偏度为负，则说明左侧尾部较长。
峰度越大，正峰态会比实际正态分布尖的越厉害，而负峰态中间更平滑。