**Provement of Gaussian Distribution:**
设正态分布概率密度函数是
$$f(x)=\frac{1}{\sqrt{2π}\sigma}*e^{\frac{-(x-u)^2}{2\sigma^2}} $$
于是:
$$\int^{+\infty}_{-\infty} \frac{e^{-(x-u)^2}}{2\sigma^2}dx=(\sqrt {2π})t.\ \ \ \ \ \ (*) $$
积分区域是从负无穷到正无穷.
|| **1.expectation:
对 $(*)$ 式两边对 $u$ 求导:
$$\int^{+\infty}_{-\infty} {e^{\frac {-(x-u)^2}{2\sigma^2}}* \frac{-2(x-u)}{2\sigma^2}}dx=0 $$
约去常数,再两边同乘以 $\frac{\sigma}{\sqrt{2π}}$ 得:
$$\int^{+\infty}_{-\infty} e^{\frac{-(x-u)^2}{2\sigma ^2}}*\frac{-(x-u)}{\sqrt{2π}\sigma} dx=0 $$ or$$\int^{+\infty}_{-\infty} e^{\frac{-(x-u)^2}{2\sigma ^2}}*\frac{x-u}{\sqrt{2π}\sigma} dx=0 $$
把 $x-u$ 拆开,再移项:
$$\int^{+\infty}_{-\infty} e^{\frac{-(x-u)^2}{2\sigma ^2}}*\frac{x}{\sqrt{2π}\sigma} dx$$
$$=\int^{+\infty}_{-\infty} e^{\frac{-(x-u)^2}{2\sigma ^2}}*\frac{u}{\sqrt{2π}\sigma} dx$$
也就是
$$\int^{+\infty}_{-\in
【matlab】MarkDown Letex 编码 之 随机过程及应用(三) - 高斯分布/正态分布的期望和方差
最新推荐文章于 2024-06-26 19:16:37 发布
本文通过数学推导证明了高斯分布(正态分布)的期望是其参数u,方差是参数σ的平方。首先,利用积分性质得出基本公式,然后分别对u和σ求导,证明了期望和方差的值,从而确认了高斯分布的特性。
摘要由CSDN通过智能技术生成