截断正态分布

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$\mu$和${\sigma }^2$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：$-\infty =a,b=+\infty$；
（2）下界截断的情况：$-\infty <a,b=+\infty$；
（3）上界截断的情况：$-\infty =a,b<+\infty$；
（4）上下界截断的情况：$-\infty <a,b<+\infty$；

定义1： 截断正态分布概率密度函数$\psi (\bar{\mu },\bar{\sigma },a,b,;x)$的公式为：$$\psi (\bar{\mu },\bar{\sigma },a,b,;x)=\{\begin{array}{ll}0& \mathrm{i}\mathrm{f}x\le a\\ \frac{\varphi (\bar{\mu },{\bar{\sigma }}^2;x)}{\Phi (\bar{\mu },{\bar{\sigma }}^2;b)-\Phi (\bar{\mu },{\bar{\sigma }}^2;a)}& \mathrm{i}\mathrm{f}a<x<b\\ 0& \mathrm{i}\mathrm{f}b\le x\end{array}$$
其中，$\varphi (\bar{\mu },{\bar{\sigma }}^2;x)$表示的是标准正态分布的概率密度函数，$\Phi (\bar{\mu },{\bar{\sigma }}^2;x)$表示的是标准正态分布的概率分布函数，$\bar{\mu }$和$\bar{\sigma }$表示的是标准正态分布的均值和标准差，$a$和$b$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$$\Psi (\bar{\mu },\bar{\sigma },a,b;x)={\int }_a^x\psi (\bar{\mu },\bar{\sigma },a,b;t)dt$$进而则有：$$\Psi (\bar{\mu },\bar{\sigma },a,b;x)=\{\begin{array}{ll}0& \mathrm{i}\mathrm{f}x\le a\\ \frac{\Phi (\bar{\mu },{\bar{\sigma }}^2;x)-\Phi (\bar{\mu },{\bar{\sigma }}^2;a)}{\Phi (\bar{\mu },{\bar{\sigma }}^2;b)-\Phi (\bar{\mu },{\bar{\sigma }}^2;a)}& \mathrm{i}\mathrm{f}a<x<b\\ 1& \mathrm{i}\mathrm{f}b\le x\end{array}$$

  已知截断正态分布的概率密度函数$\psi (\cdot )$，则截断正态分布的概率分布函数的证明过程表示为：$$\begin{array}{rl}\Psi (\bar{\mu },\bar{\sigma },a,b;x)& ={\int }_{-\infty }^x\psi (\bar{\mu },\bar{\sigma },a,b;t)dt\\ & ={\int }_a^x\psi (\bar{\mu },\bar{\sigma },a,b;t)dt\\ & ={\int }_a^x\frac{\varphi (\bar{\mu },{\bar{\sigma }}^2;t)}{\Phi (\bar{\mu },{\bar{\sigma }}^2;b)-\Phi (\bar{\mu },{\bar{\sigma }}^2;a)}dt\\ & =\frac{{\int }_a^x\varphi (\bar{\mu },{\bar{\sigma }}^2;t)dt}{\Phi (\bar{\mu },{\bar{\sigma }}^2;b)-\Phi (\bar{\mu },{\bar{\sigma }}^2;a)}\\ & =\frac{\Phi (\bar{\mu },{\bar{\sigma }}^2;x)-\Phi (\bar{\mu },{\bar{\sigma }}^2;a)}{\Phi (\bar{\mu },{\bar{\sigma }}^2;b)-\Phi (\bar{\mu },{\bar{\sigma }}^2;a)}\end{array}$$

逆概率分布函数

$$\begin{array}{rl}p& =\Psi (\bar{\mu },\bar{\sigma },a,b;x)\\ & =\frac{\Phi (\bar{\mu },{\bar{\sigma }}^2;x)-\Phi (\bar{\mu },{\bar{\sigma }}^2;a)}{\Phi (\bar{\mu },{\bar{\sigma }}^2;b)-\Phi (\bar{\mu },{\bar{\sigma }}^2;a)}\end{array}$$$$\begin{array}{rl}\Phi (\bar{\mu },{\bar{\sigma }}^2;x)& =\Phi (\bar{\mu },{\bar{\sigma }}^2;a)+p\cdot (\Phi (\bar{\mu },{\bar{\sigma }}^2;b)-\Phi (\bar{\mu },{\bar{\sigma }}^2;a))\\ x& ={\Phi }^{-1}(\bar{\mu },\overline{{\sigma }^2};\Phi (\bar{\mu },{\bar{\sigma }}^2;a)+p\cdot (\Phi (\bar{\mu },{\bar{\sigma }}^2;b)-\Phi (\bar{\mu },{\bar{\sigma }}^2;a)))\end{array}$$$$\Psi (\bar{\mu },{\bar{\sigma }}^2,a,b;p)={\Phi }^{-1}(\bar{\mu },\overline{{\sigma }^2};\Phi (\bar{\mu },{\bar{\sigma }}^2;a)+p\cdot (\Phi (\bar{\mu },{\bar{\sigma }}^2;b)-\Phi (\bar{\mu },{\bar{\sigma }}^2;a)))$$

均值和方差

 截断正态分布的均值表示$$\mu =\bar{\mu }-\bar{\sigma }\frac{\varphi (0,1;\beta )-\varphi (0,1;\alpha )}{\Phi (0,1;\beta )-\Phi (0,1;\alpha )}$$其中，$\alpha =\frac{a-\bar{\mu }}{\bar{\sigma }}$和$\beta =\frac{b-\bar{\mu }}{\bar{\sigma }}$。
 截断正态分布的方差表示$${\sigma }^2={\bar{\sigma }}^2\cdot (1-\frac{\beta \varphi (0,1;\beta )-\alpha \varphi (0,1;\alpha )}{\Phi (0,1;\beta )-\Phi (0,1;\alpha )}-(\frac{\varphi (0,1;\beta )-\varphi (0,1;\alpha )}{\Phi (0,1;\beta )-\Phi (0,1;\alpha )}{)}^2)$$