机械学习07：常用统计分布：正态分布、T分布、卡方分布、F分布

最新推荐文章于 2024-05-26 18:47:31 发布

tongqian_

最新推荐文章于 2024-05-26 18:47:31 发布

阅读量4.2k

点赞数 2

分类专栏：机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_33817865/article/details/100555272

版权

本文详细介绍了四种常见的统计分布：正态分布，包括其概率密度函数和累积分布函数；t分布，解释了自由度的概念，并通过与正态分布对比展示其特性；卡方分布，描述了其由n个独立标准正态分布随机变量平方和形成的特点；最后，讨论了F分布及其在统计推断中的应用。

摘要由CSDN通过智能技术生成

目录

1、正态分布（高斯概率密度函数和概率分布函数）

3、卡方分布

1、正态分布（高斯概率密度函数和概率分布函数）

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X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为：X∼N(μ,σ2),

则其概率密度函数为

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

正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，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μ = 0,σ = 1的正态分布（见右图中绿色曲线）。

正态分布的概率密度函数均值为μ 方差为σ2 (或标准差σ)是高斯函数的一个实例：

$f(x;\mu,\sigma)=\frac{1}{\sigma\sqrt{2\pi}} \, \exp \left( -\frac{(x- \mu)^2}{2\sigma^2} \right)$

累积分布函数
累积分布函数是指随机变量X小于或等于x的概率，用密度函数表示为

最低0.47元/天解锁文章

关注

2
点赞
踩
17

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。