高斯分布概率密度函数（PDF）和累积分布函数(CDF)

最新推荐文章于 2024-09-12 22:48:21 发布

萧逸凡

最新推荐文章于 2024-09-12 22:48:21 发布

阅读量10w+

点赞数 35

分类专栏： Matlab 文章标签：统计学 matlab 高斯分布

本文链接：https://blog.csdn.net/renwudao24/article/details/44465407

版权

Matlab 专栏收录该内容

9 篇文章 2 订阅

订阅专栏

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 $σ 2$ 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 $σ 2$ (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 $F(x;\mu,\sigma)=\frac{1}{\sigma\sqrt{2\pi}}\int_{-\infty}^x \exp \left( -\frac{(x - \mu)^2}{2\sigma^2}\ \right)\, dx.$

matlab实现代码

function [ output_args ] = Normpropogation( input_args )
%NORM PROPOGATION Summary of this function goes here
%   Detailed explanation goes here
x=-7:0.1:7;
y1=normpdf(x,0,1);
y2=normpdf(x,0,0.45);
y3=normpdf(x,0,2.23);
y4=normpdf(x,-2,0.71);
%线型，颜色，点型，线宽
figure;
plot(x,y2,'-r','LineWidth',1);
hold on;
plot(x,y1,'-g','LineWidth',1);
hold on;
plot(x,y3,'-b','LineWidth',1);
hold on;
plot(x,y4,'-m','LineWidth',1);
hold on;
% legend('','','','',1);
legend('μ=0,σ^2=0.2','μ=0,σ^2=1','μ=0,σ^2=5','μ=-2,σ^2=0.5',2);
legend boxoff;

figure;
z1=normcdf(x,0,0.45);
z2=normcdf(x,0,1);
z3=normcdf(x,0,2.23);
z4=normcdf(x,-2,0.71);
plot(x,z1,'-r',x,z2,'-g',x,z3,'-b',x,z4,'-m');
h=legend('μ=0,σ^2=0.2','μ=0,σ^2=1','μ=0,σ^2=5','μ=-2,σ^2=0.5',2);
legend boxoff;
end