正态分布3σ原则

最新推荐文章于 2025-03-02 17:32:36 发布

qhqlnannan

最新推荐文章于 2025-03-02 17:32:36 发布

阅读量2.8w

点赞数 3

分类专栏： python零基础学习

本文链接：https://blog.csdn.net/qhqlnannan/article/details/118143059

版权

python零基础学习专栏收录该内容

50 篇文章

订阅专栏

本文详细介绍了正态分布，包括其概率特性、数学期望与平均数的区别、3σ原则。正态分布是一种重要的概率分布，特征是对称、钟形曲线，广泛应用于统计学和数据分析中。理解正态分布对于理解和利用样本均值来估计总体期望至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

正态分布

也称高斯分布（Gaussian distribution）正态分布是一种概率分布。正态分布是具有两个参数μ（数学期望）和σ2（标准差）的连续型随机变量的分布，第一参数μ是遵从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2 )。遵从正态分布的随机变量的概率规律为取 μ邻近的值的概率大，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。正态分布的密度函数的特点是：关于μ对称，在μ处达到最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点。它的形状是中间高两边低，图像是一条位于x 轴上方的钟形曲线。当μ＝0，σ2 ＝1时，称为标准正态分布，记为N（0，1）。μ维随机向量具有类似的概率规律时，称此随机向量遵从多维正态分布。多元正态分布有很好的性质，例如，多元正态分布的边缘分布仍为正态分布，它经任何线性变换得到的随机向量仍为多维正态分布，特别它的线性组合为一元正态分布。