正态分布函数(高斯函数)详解

最新推荐文章于 2024-05-26 08:26:05 发布
最新推荐文章于 2024-05-26 08:26:05 发布
阅读量10w+ 收藏 81
点赞数 17
分类专栏： 图像处理相关基础知识 深度学习和机器学习需要的数学知识
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/u012370185/article/details/90265670
版权

正态分布

X ~ N(\mu, \sigma^2)：随机变量X的取值x_i和其对应的概率值P(X = x_i) 满足正态分布（高斯函数）

  • 很多随机现象可以用正态分布描述或者近似描述
  • 某些概率分布可以用正态分布近似计算

1.概率密度函数：

f(x) = \frac{1}{\sqrt{2\pi}\sigma}exp(-\frac{(x-\mu)^2)}{2\sigma ^{2}})

2.正态分布函数曲线的性质：

3.正态分布的概率分布函数

概率分布函数是正态分布曲线的定积分，公式为：

F(x) = \frac{1}{\sqrt{2\pi}\sigma} \int_{-\infty}^{x}exp(-\frac{(x-\mu)^2}{2\sigma^2}) \, \,dx

正态分布曲线与x轴围成的面积是1(积分区间是负无穷到正无穷)

F(x)的值代表P(X <=  x)

f(x)的值代表P(X = x)

你吃过卤汁牛肉吗
关注
  • 17
    点赞
  • 踩
  • 81
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
正态分布详解很详细PPT课件.pptx
10-12
正态分布详解很详细PPT课件.pptx
正态分布（Normal distribution）又名高斯分布（Gaussian distribution）
热门推荐
rns521的专栏
11-09 38万+
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 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
从0开始学统计-正态分布与标准正态分布
最新发布
2202_76035290的博客
05-26 1211
在标准正态分布中，数据的分布呈现出对称的钟形曲线，均值为0，标准差为1，即大约68% 的数据落在区间[-1, 1] 内，约95% 的数据落在区间[-2, 2] 内，约99.7% 的数据落在区间[-3, 3] 内。换句话说，如果数据服从正态分布，并且均值为μ，标准差为σ，那么大约68%的数据点将落在μ±σ的范围内。标准正态分布也叫Z分布，Z值是指在Z分布中某个数值的标准化得分，也叫Z分数（Z-score），也称为标准分数，表示了该数值相对于均值的位置。在正态分布中，μ表示分布的均值，σ表示分布的标准差。
正态分布（高斯分布）、Q函数、误差函数、互补误差函数
thehunters的专栏
04-15 7423
1.正态分布（高斯分布） 若随机变量XX服从一个位置参数为μμ、尺度参数为σσ的概率分布，且其概率密度函数为 f(x)=12π−−√σe−(x−μ)22σ2f(x)=12πσe−(x−μ)22σ2 则这个随机变量就称为正态随机变量，正态随机变量服从的分布就称为正态分布，记作X∼N(μ,σ2)X∼N(μ,σ2)。 当μ=0,σ=1μ=0,σ=1时，称为标准正态分布。X∼N(0,1)X∼N(0,1) f(x)=12π−−√e−x22f(x)=12πe−x22 如下图是一般...
正态分布（高斯分布）、Q函数、误差函数、互补误差函数（定义，意义及互相之间的关系）高斯分布的分布概率反解
qq_42194429的博客
06-06 1万+
参考博客：https://www.cnblogs.com/htj10/p/8621771.html概率密度函数的意义：理解概率密度函数 - 知乎 (zhihu.com)若随机变量 服从一个位置参数为、尺度参数为的概率分布，且其概率密度函数为:：是正态分布的位置参数，描述正态分布的集中趋势位置。概率规律为取与邻近的值的概率大，而取离越远的值的概率越小。正态分布以为对称轴，左右完全对称。正态分布的期望、均数、中位数、众数相同，均等于。 位置（形状）参数控制分布函数形状的变化。：是正态分布的尺度参数，描述正态分布
正态分布简单介绍
我要出家当道士
12-10 7799
摘要         若随机变量X服从一个数学期望为μ、标准方差为σ2σ^2σ2的高斯分布，记为：X∼N(μ,σ2σ^2σ2)。         其概率密度函数为： f(x)=1σ2πe−(x−μ)22σ2,−∞<x<∞ f(x...
正态分布，Q函数，误差函数，补误差函数
枇杷树上的博客
07-30 2万+
正态函数（高斯分布） 若随机变量X服从一个位置参数为μ、尺度参数为σ的概率分布，且其概率密度函数为 f(x)=12π−−√σe−(x−μ)22σ2f(x)=12πσe−(x−μ)22σ2f(x)=\frac{1}{\sqrt{2π} \sigma}e^{-\frac{(x- \mu)^{2}}{2 \sigma ^{2}}} 则这个随机变量就称为正态随机变量，正态随机变量服从的分布就称为正...
概率论-分布函数（高斯分布、复高斯分布、瑞丽分布、Nakagami-m分布、均匀分布、卡方分布）
技术并不是我们的全部
11-28 2万+
文章目录4.3.1 连续型随机变量正态（高斯）分布图形特征性质Gaussian + Gaussian与正态分布相关的函数1. Q函数2. 误差函数（Error Function）3. 互补误差函数（Complementary Error Function）瑞丽(Rayleigh)分布Nakagami-m分布均匀分布 4.3.1 连续型随机变量 正态（高斯）分布 正态/高斯分布式最常用的分布之一。如果一个随机变量的概率密度函数为： fx(x)=12πσ2exp⁡{−(x−μ)2σ2}，f_x(x) = \
正态分布（高斯分布）
Techblog of HaoWANG
11-09 23万+
Table of Contents 正态分布 概要 历史 正态分布的定义 概率密度函数 累积分布函数 生成函数 性质 动差或矩（moment） 中心极限定理 无限可分性 稳定性 标准偏差 相关分布 参量估计 参数的极大似然估计 计量误差 参考文献 正态分布 正态分布（英语：normal distribution）又名高斯分布（英语：Gaussian dist...
正态分布，二维正态分布，卡方分布，学生t分布——概率分布学习 python
nature1949的博客
11-23 8324
正态分布、二维正态分布、卡方分布、学生t分布的概念、概率密度函数、python画图和随机数生成、及其所有常用资料。
python高斯分布概率密度函数的使用详解
01-20
如下所示： import matplotlib.pyplot as plt import numpy as np from scipy import stats from matplotlib import style style.use('fivethirtyeight') mu_params = [-1, 0, 1] sd_params = [0.5, 1, 1.5] ...
正态分布（即高斯函数）积分
11-20
描述高斯函数积分方法，查表转换。用于计算高斯函数积分
基于偏大型柯西分布的隶属函数matlab代码
08-27
本代码为基于matlab实现偏大型柯西分布与对数函数的隶属函数。
matlab函数大全
11-04
`histcounts`创建直方图，`normpdf`和`normcdf`是正态分布的概率密度函数和累积分布函数。`corrcoef`计算相关系数，`regress`执行线性回归分析，`anova1`进行单因素方差分析。`kmeans`和`gmdistribution`则分别用于...
gsjj.rar_高斯
09-19
高斯函数，也称为正态分布或钟形曲线，是概率论和统计学中的一个重要概念，广泛应用于数据建模和分析。它描述了一个对称的、峰值在中心的连续分布，具有两个参数：均值（μ）和标准差（σ）。均值决定了分布的中心...
核概率密度函数.rar
07-23
- KDE是通过加权平均邻近数据点来估计数据分布的方法，其中“核”是加权函数，通常选择为高斯函数（也称为正态分布）。 - 通过滑动这个核函数在每个数据点上，然后对所有结果求和，可以得到一个连续的估计概率密度...
高斯分布函数实现及绘图
BTZywl的博客
09-06 8039
挑战：参考高斯分布公式，使用 Python 实现高斯分布函数。 高斯分布公式 代码： """实现高斯分布函数 """ import numpy as np def Gaussian(x, u, d): """ 参数: x -- 变量 u -- 均值 d -- 标准差 返回: p -- 高斯分布值 """ ### 代码开始...
标准正态分布的积分怎么求？
行舟人的博客
04-15 5万+
高斯函数（Gaussian function）的详细分析
qinglongzhan的博客
09-03 29万+
摘要     论文中遇到很重要的一个元素就是高斯核函数，但是必须要分析出高斯函数的各种潜在属性，本文首先参考相关材料给出高斯核函数的基础，然后使用matlab自动保存不同参数下的高斯核函数的变化gif动图，同时分享出源代码，这样也便于后续的论文写作。 高斯函数的基础 2.1 一维高斯函数 高斯函数，Gaussian Function， 也简称为Gaussian，一维形式如下： 对于任...
python 正态分布函数
05-20
在Python中，可以使用SciPy库中的norm模块来计算正态分布函数。具体实现方法如下： 首先，需要安装SciPy库。可以使用以下代码进行安装： ``` pip install scipy ``` 接着，可以使用以下代码计算正态分布函数的值： ```python from scipy.stats import norm # 计算标准正态分布函数在x=0处的值 print(norm.pdf(0)) # 计算标准正态分布函数在x=1处的值 print(norm.pdf(1)) # 计算标准正态分布函数在x=2处的值 print(norm.pdf(2)) # 计算标准正态分布函数在x=0.5处的累积分布函数值 print(norm.cdf(0.5)) # 计算标准正态分布函数在x=-1.5到x=1.5之间的累积分布函数值 print(norm.cdf(1.5) - norm.cdf(-1.5)) ``` 其中，pdf表示概率密度函数，cdf表示累积分布函数。norm.pdf(x)表示计算标准正态分布函数在x处的概率密度函数值，norm.cdf(x)表示计算标准正态分布函数在x处的累积分布函数值。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值