正态分布与伽马函数

正态分布

概率密度为：
$$\phi (x)=\frac{1}{\sqrt{2\pi }\sigma }{e}^{-\frac{(x-\mu {)}^2}{2{\sigma }^2}},-\infty <x<+\infty ,$$
其中$\sigma >0$，$-\infty <\mu <+\infty$，$\phi (x)$关于$x=\mu$对称。

伽马函数

$$\Gamma (\alpha )={\int }_0^{+\infty }{x}^{\alpha -1}{e}^{-x}dx(\alpha >0)$$
性质：
$$\Gamma (\alpha +1)=\alpha \Gamma (\alpha ),\Gamma (n+1)=n!,\Gamma (\frac{1}{2})=\sqrt{\pi },\Gamma (1)=1$$

例题

若$X$~$N(0,1)$，求
$$E(X^n)={\int }_{-\infty }^{+\infty }{x}^n\frac{1}{\sqrt{2\pi }}{e}^{-\frac{x^2}{2}}dx$$
若n为奇数，则$E(X^n)=0$
若n为偶数，则
$$\begin{array}{rl}E(X^n)& ={\int }_{-\infty }^{+\infty }{x}^n\frac{1}{\sqrt{2\pi }}{e}^{-\frac{x^2}{2}}dx\\ & =\frac{2}{\sqrt{2\pi }}{\int }_0^{+\infty }{x}^{n-1}{e}^{-\frac{x^2}{2}}d\frac{x^2}{2}\\ & =\frac{2}{\sqrt{2\pi }}{\int }_0^{+\infty }{\sqrt{2t}}^{n-1}{e}^{-t}dt\\ & =\frac{2{\sqrt{2}}^{n-2}}{\sqrt{\pi }}\Gamma (\frac{n-1}{2}+1)\\ & =\frac{2{\sqrt{2}}^{n-2}}{\sqrt{\pi }}\cdot \frac{n-1}{2}\Gamma (\frac{n-1}{2})\\ & =\frac{2{\sqrt{2}}^{n-2}}{\sqrt{\pi }}\cdot \frac{n-1}{2}\Gamma (\frac{n-3}{2}+1)\\ & =\cdot \cdot \cdot \\ & =\frac{2{\sqrt{2}}^{n-2}}{\sqrt{\pi }}\cdot \frac{n-1}{2}\cdot \frac{n-3}{2}\cdot \cdot \cdot \cdot \cdot \sqrt{\pi }\\ & =\frac{{\sqrt{2}}^{n-2}}{2^{\frac{n}{2}-1}}\cdot (n-1)\cdot (n-3)\cdot \cdot \cdot \cdot \cdot 1\\ & =(n-1)\cdot (n-3)\cdot \cdot \cdot \cdot \cdot 1\end{array}$$
因此，
$$E(X^n)={\int }_{-\infty }^{+\infty }{x}^n\frac{1}{\sqrt{2\pi }}{e}^{-\frac{x^2}{2}}dx=\{\begin{array}{ccc}0& ,& n为奇数,\\ (n-1)\cdot (n-3)\cdot \cdot \cdot 1& ,& n为偶数.\end{array}$$
实际上，不管方差是多少，只要数学期望为0，都有这个结论，大家可以自行证明。