【AI知识点】正态分布（高斯分布）和中心极限定理（CLT）

【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】

---

正态分布（Normal Distribution）和中心极限定理（Central Limit Theorem, CLT） 是统计学中非常重要的概念，它们广泛应用于概率论、数据分析、机器学习等领域。以下将详细解释这两个概念及其关系。

1. 正态分布（Normal Distribution）

a. 定义

正态分布，也称为高斯分布，是一种非常常见的连续概率分布，用于描述许多自然现象和测量数据。它的概率密度函数（PDF）呈现典型的钟形曲线，具有对称性。

正态分布的数学表达式为：

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

其中：

• $x$ 是随机变量。
• $\mu$ 是均值，表示分布的中心位置。
• $\sigma$ 是标准差，表示分布的离散程度或宽度。
• ${\sigma }^{}$