概率密度函数
截断正态分布的定义可以分为两步,给定一个参数为
μ
\mu
μ和
σ
2
\sigma^2
σ2的标准正态分布的概率密度函数。修标准般正态分布相关的概率密度函数,通过将范围外的值设置为零,并标准正态的取值范围均匀缩放到特定范围中,使总积分为1。截断范围可以分为四种情况:
(1)无截断的情况:
−
∞
=
a
,
b
=
+
∞
-\infty=a,\quad b=+\infty
−∞=a,b=+∞;
(2)下界截断的情况:
−
∞
<
a
,
b
=
+
∞
-\infty<a,\quad b=+\infty
−∞<a,b=+∞;
(3)上界截断的情况:
−
∞
=
a
,
b
<
+
∞
-\infty=a,\quad b<+\infty
−∞=a,b<+∞;
(4)上下界截断的情况:
−
∞
<
a
,
b
<
+
∞
-\infty<a,\quad b<+\infty
−∞<a,b<+∞;
定义1: 截断正态分布概率密度函数 ψ ( μ ˉ , σ ˉ , a , b , ; x ) \psi(\bar{\mu},\bar{\sigma},a,b,;x) ψ(μˉ,σˉ,a,b,;x)的公式为: ψ ( μ ˉ , σ ˉ , a , b , ; x ) = { 0 i f x ≤ a ϕ ( μ ˉ , σ ˉ 2 ; x ) Φ ( μ ˉ , σ ˉ 2 ; b ) − Φ ( μ ˉ , σ ˉ 2 ; a ) i f a < x < b 0 i f b ≤ x \psi(\bar{\mu},\bar{\sigma},a,b,;x)=\left\{\begin{array}{ll}0 & \mathrm{if} \quad x \le a\\ \frac{\phi(\bar{\mu},\bar{\sigma}^2;x)}{\Phi(\bar{\mu},\bar{\sigma}^2;b)-\Phi(\bar{\mu},\bar{\sigma}^2;a)}\quad &\mathrm{if}\quad a<x<b\\ 0&\mathrm{if}\quad b \le x \end{array}\right. ψ(μˉ,σˉ,a,b,;x)=⎩⎪⎨⎪⎧0Φ(μˉ,σˉ2;b)−Φ(μˉ,σˉ2;a)ϕ(μˉ,σˉ2;x)0ifx≤aifa<x<bifb≤x
其中, ϕ ( μ ˉ , σ ˉ 2 ; x ) \phi(\bar{\mu},\bar{\sigma}^2;x) ϕ(μˉ,σˉ2;x)表示的是标准正态分布的概率密度函数, Φ ( μ ˉ , σ ˉ 2 ; x ) \Phi(\bar{\mu},\bar{\sigma}^2;x) Φ(μˉ,σˉ2;x)表示的是标准正态分布的概率分布函数, μ ˉ \bar{\mu} μˉ和 σ ˉ \bar{\sigma} σˉ表示的是标准正态分布的均值和标准差, a a a和 b b b表示的是截断正态分布随机变量的取值上下界。
概率分布函数
定义2: 截断正态分布的概率分布函数表示为 Ψ ( μ ˉ , σ ˉ , a , b ; x ) = ∫ a x ψ ( μ ˉ , σ ˉ , a , b ; t ) d t \Psi(\bar{\mu},\bar{\sigma},a,b;x)=\int_a^x\psi(\bar{\mu},\bar{\sigma},a,b;t)dt Ψ(μˉ,σˉ,a,b;x)=∫axψ(μˉ,σˉ,a,b;t)dt进而则有: Ψ ( μ ˉ , σ ˉ , a , b ; x ) = { 0 i f x ≤ a Φ ( μ ˉ , σ ˉ 2 ; x ) − Φ ( μ ˉ , σ ˉ 2 ; a ) Φ ( μ ˉ , σ ˉ 2 ; b ) − Φ ( μ ˉ , σ ˉ 2 ; a ) i f a < x < b 1 i f b ≤ x \Psi(\bar{\mu},\bar{\sigma},a,b;x)=\left\{\begin{array}{ll}0& \mathrm{if}\quad x \le a\\ \frac{\Phi(\bar{\mu},\bar{\sigma}^2;x)-\Phi(\bar{\mu},\bar{\sigma}^2;a)}{\Phi(\bar{\mu},\bar{\sigma}^2;b)-\Phi(\bar{\mu},\bar{\sigma}^2;a)}& \mathrm{if}\quad a <x < b\\ 1& \mathrm{if}\quad b \le x\\ \end{array}\right. Ψ(μˉ,σˉ,a,b;x)=⎩⎪⎨⎪⎧0Φ(μˉ,σˉ2;b)−Φ(μˉ,σˉ2;a)Φ(μˉ,σˉ2;x)−Φ(μˉ,σˉ2;a)1ifx≤aifa<x<bifb≤x
已知截断正态分布的概率密度函数 ψ ( ⋅ ) \psi(\cdot) ψ(⋅),则截断正态分布的概率分布函数的证明过程表示为: Ψ ( μ ˉ , σ ˉ , a , b ; x ) = ∫ − ∞ x ψ ( μ ˉ , σ ˉ , a , b ; t ) d t = ∫ a x ψ ( μ ˉ , σ ˉ , a , b ; t ) d t = ∫ a x ϕ ( μ ˉ , σ ˉ 2 ; t ) Φ ( μ ˉ , σ ˉ 2 ; b ) − Φ ( μ ˉ , σ ˉ 2 ; a ) d t = ∫ a x ϕ ( μ ˉ , σ ˉ 2 ; t ) d t Φ ( μ ˉ , σ ˉ 2 ; b ) − Φ ( μ ˉ , σ ˉ 2 ; a ) = Φ ( μ ˉ , σ ˉ 2 ; x ) − Φ ( μ ˉ , σ ˉ 2 ; a ) Φ ( μ ˉ , σ ˉ 2 ; b ) − Φ ( μ ˉ , σ ˉ 2 ; a ) \begin{aligned}\Psi(\bar{\mu},\bar{\sigma},a,b;x)&=\int_{-\infty}^{x}\psi(\bar{\mu},\bar{\sigma},a,b;t)dt\\&=\int_a^x \psi(\bar{\mu},\bar{\sigma},a,b;t)dt\\&=\int^{x}_a \frac{\phi(\bar{\mu},\bar{\sigma}^2;t)}{\Phi(\bar{\mu},\bar{\sigma}^2;b)-\Phi(\bar{\mu},\bar{\sigma}^2;a)}dt\\ &= \frac{\int^{x}_a\phi(\bar{\mu},\bar{\sigma}^2;t)dt}{\Phi(\bar{\mu},\bar{\sigma}^2;b)-\Phi(\bar{\mu},\bar{\sigma}^2;a)}\\&= \frac{\Phi(\bar{\mu},\bar{\sigma}^2;x)-\Phi(\bar{\mu},\bar{\sigma}^2;a)}{\Phi(\bar{\mu},\bar{\sigma}^2;b)-\Phi(\bar{\mu},\bar{\sigma}^2;a)}\end{aligned} Ψ(μˉ,σˉ,a,b;x)=∫−∞xψ(μˉ,σˉ,a,b;t)dt=∫axψ(μˉ,σˉ,a,b;t)dt=∫axΦ(μˉ,σˉ2;b)−Φ(μˉ,σˉ2;a)ϕ(μˉ,σˉ2;t)dt=Φ(μˉ,σˉ2;b)−Φ(μˉ,σˉ2;a)∫axϕ(μˉ,σˉ2;t)dt=Φ(μˉ,σˉ2;b)−Φ(μˉ,σˉ2;a)Φ(μˉ,σˉ2;x)−Φ(μˉ,σˉ2;a)
逆概率分布函数
p = Ψ ( μ ˉ , σ ˉ , a , b ; x ) = Φ ( μ ˉ , σ ˉ 2 ; x ) − Φ ( μ ˉ , σ ˉ 2 ; a ) Φ ( μ ˉ , σ ˉ 2 ; b ) − Φ ( μ ˉ , σ ˉ 2 ; a ) \begin{aligned}p&=\Psi(\bar{\mu},\bar{\sigma},a,b;x)\\&=\frac{\Phi(\bar{\mu},\bar{\sigma}^2;x)-\Phi(\bar{\mu},\bar{\sigma}^2;a)}{\Phi(\bar{\mu},\bar{\sigma}^2;b)-\Phi(\bar{\mu},\bar{\sigma}^2;a)}\end{aligned} p=Ψ(μˉ,σˉ,a,b;x)=Φ(μˉ,σˉ2;b)−Φ(μˉ,σˉ2;a)Φ(μˉ,σˉ2;x)−Φ(μˉ,σˉ2;a) Φ ( μ ˉ , σ ˉ 2 ; x ) = Φ ( μ ˉ , σ ˉ 2 ; a ) + p ⋅ ( Φ ( μ ˉ , σ ˉ 2 ; b ) − Φ ( μ ˉ , σ ˉ 2 ; a ) ) x = Φ − 1 ( μ ˉ , σ 2 ˉ ; Φ ( μ ˉ , σ ˉ 2 ; a ) + p ⋅ ( Φ ( μ ˉ , σ ˉ 2 ; b ) − Φ ( μ ˉ , σ ˉ 2 ; a ) ) ) \begin{aligned}\Phi(\bar{\mu},\bar{\sigma}^2;x)&=\Phi(\bar{\mu},\bar{\sigma}^2;a)+p\cdot(\Phi(\bar{\mu},\bar{\sigma}^2;b)-\Phi(\bar{\mu},\bar{\sigma}^2;a))\\x &= \Phi^{-1}(\bar{\mu},\bar{\sigma^2};\Phi(\bar{\mu},\bar{\sigma}^2;a)+p\cdot(\Phi(\bar{\mu},\bar{\sigma}^2;b)-\Phi(\bar{\mu},\bar{\sigma}^2;a)))\end{aligned} Φ(μˉ,σˉ2;x)x=Φ(μˉ,σˉ2;a)+p⋅(Φ(μˉ,σˉ2;b)−Φ(μˉ,σˉ2;a))=Φ−1(μˉ,σ2ˉ;Φ(μˉ,σˉ2;a)+p⋅(Φ(μˉ,σˉ2;b)−Φ(μˉ,σˉ2;a))) Ψ ( μ ˉ , σ ˉ 2 , a , b ; p ) = Φ − 1 ( μ ˉ , σ 2 ˉ ; Φ ( μ ˉ , σ ˉ 2 ; a ) + p ⋅ ( Φ ( μ ˉ , σ ˉ 2 ; b ) − Φ ( μ ˉ , σ ˉ 2 ; a ) ) ) \Psi(\bar{\mu},\bar{\sigma}^2,a,b;p)=\Phi^{-1}(\bar{\mu},\bar{\sigma^2};\Phi(\bar{\mu},\bar{\sigma}^2;a)+p\cdot(\Phi(\bar{\mu},\bar{\sigma}^2;b)-\Phi(\bar{\mu},\bar{\sigma}^2;a))) Ψ(μˉ,σˉ2,a,b;p)=Φ−1(μˉ,σ2ˉ;Φ(μˉ,σˉ2;a)+p⋅(Φ(μˉ,σˉ2;b)−Φ(μˉ,σˉ2;a)))
均值和方差
截断正态分布的均值表示
μ
=
μ
ˉ
−
σ
ˉ
ϕ
(
0
,
1
;
β
)
−
ϕ
(
0
,
1
;
α
)
Φ
(
0
,
1
;
β
)
−
Φ
(
0
,
1
;
α
)
\mu=\bar{\mu}-\bar{\sigma}\frac{\phi(0,1;\beta)-\phi(0,1;\alpha)}{\Phi(0,1;\beta)-\Phi(0,1;\alpha)}
μ=μˉ−σˉΦ(0,1;β)−Φ(0,1;α)ϕ(0,1;β)−ϕ(0,1;α)其中,
α
=
a
−
μ
ˉ
σ
ˉ
\alpha=\frac{a-\bar{\mu}}{\bar{\sigma}}
α=σˉa−μˉ和
β
=
b
−
μ
ˉ
σ
ˉ
\beta=\frac{b-\bar{\mu}}{\bar{\sigma}}
β=σˉb−μˉ。
截断正态分布的方差表示
σ
2
=
σ
ˉ
2
⋅
(
1
−
β
ϕ
(
0
,
1
;
β
)
−
α
ϕ
(
0
,
1
;
α
)
Φ
(
0
,
1
;
β
)
−
Φ
(
0
,
1
;
α
)
−
(
ϕ
(
0
,
1
;
β
)
−
ϕ
(
0
,
1
;
α
)
Φ
(
0
,
1
;
β
)
−
Φ
(
0
,
1
;
α
)
)
2
)
\sigma^2=\bar{\sigma}^2\cdot(1-\frac{\beta\phi(0,1;\beta)-\alpha\phi(0,1;\alpha)}{\Phi(0,1;\beta)-\Phi(0,1;\alpha)}-(\frac{\phi(0,1;\beta)-\phi(0,1;\alpha)}{\Phi(0,1;\beta)-\Phi(0,1;\alpha)})^2)
σ2=σˉ2⋅(1−Φ(0,1;β)−Φ(0,1;α)βϕ(0,1;β)−αϕ(0,1;α)−(Φ(0,1;β)−Φ(0,1;α)ϕ(0,1;β)−ϕ(0,1;α))2)