20230702 正态分布的几个性质

DR-ZF-

已于 2023-07-02 15:07:25 修改

阅读量1.8k

点赞数

分类专栏：基础：概率论\数理统计\随机过程基础文章标签：概率论线性代数

于 2023-07-02 14:24:49 首次发布

本文链接：https://blog.csdn.net/weixin_44382195/article/details/131500547

版权

基础：概率论\数理统计\随机过程基础专栏收录该内容

2 篇文章 0 订阅

订阅专栏

正态分布以及高斯函数的定义

如果随机变量 $X$ 的密度函数为
$f_{\mu, \sigma}(x)=\frac{1}{\sigma \sqrt{2 \pi}} e^{-\dfrac{(x-\mu)^2}{2 \sigma^2}}, \quad x \in \mathbb{R}, \sigma>0$ 称 $X$ 服从参数为 $(\mu, \sigma)$ 的正态分布 (normal distribution), 也称 Gauss分布, 记为 $\sim N\left(\mu, \sigma\right)$ . 其密度函数的图像 $(\mu=0, \sigma=1,1.5,2.0,2.5,3.0)$ 如图 3.11 所示.

在这里插入图片描述

标准正态分布 $N (0, 1)$

密度函数为
$\phi(x)=\frac{1}{\sqrt{2 \pi}} e^{-\frac{x^2}{2}}, \quad x \in \mathbb{R}$
分布函数为
$\Phi(x)=\int_{-\infty}^x \phi(t) \mathrm{d} t$

正态分布的性质1

(1) 密度函数关于 $\mu$ 对称, 在 $\mu$ 处取最大值, 最大值为 $\frac{1}{\sqrt{2 \pi} \sigma}$ .

正态分布的性质2

(2) 密度函数在 $x=\mu \pm \sigma$ 处有拐点.

正态分布的性质3

(3) 若 $\sim N\left(\mu, \sigma\right)$ , 则 $Y=\dfrac{X-\mu}{\sigma} \sim N(0,1)$ .
$\begin{aligned} P(Y \leqslant y) & =P\left(\frac{X-\mu}{\sigma} \leqslant y\right) \\ & =P(X \leqslant \mu+\sigma y) \\ & =\int_{-\infty}^{\mu+\sigma y} f_{\mu, \sigma}(x) \mathrm{d} x \\ & =\frac{1}{\sqrt{2 \pi} \sigma} \int_{-\infty}^{\mu+\sigma y} e^{\frac{-(x-\mu)^2}{2 \sigma^2}} \mathrm{~d} x \quad\left(\text { 令 } \frac{x-\mu}{\sigma}=t\right) \\ & =\frac{1}{\sqrt{2 \pi}} \int_{\infty}^y e^{-\frac{t^2}{2}} \mathrm{~d} t \\ & =\Phi(y) \end{aligned}$

正态分布的性质4

(4) $\frac{1}{\sqrt{2 \pi}} \int_{-\infty}^{+\infty} e^{-\frac{x^2}{2}} \mathrm{~d} x=1$ .
事实上,
$\begin{aligned} \left(\frac{1}{\sqrt{2 \pi}} \int_{-\infty}^{+\infty} e^{-\frac{x^2}{2}} \mathrm{~d} x\right)^2 & =\left(\frac{1}{\sqrt{2 \pi}} \int_{-\infty}^{+\infty} e^{-\frac{x^2}{2}} \mathrm{~d} x\right)\left(\frac{1}{\sqrt{2 \pi}} \int_{-\infty}^{+\infty} e^{-\frac{y^2}{2}} \mathrm{~d} y\right) \\ & =\frac{1}{2 \pi} \int_{-\infty}^{+\infty} \int_{-\infty}^{+\infty} e^{-\frac{z^2+y^2}{2}} \mathrm{~d} x \mathrm{~d} y \\ & =\frac{1}{2 \pi} \int_0^{2 \pi} \int_0^{+\infty} e^{-\frac{r^2}{2}} r \mathrm{~d} \theta \mathrm{d} r \\ & =-\left.e^{-\frac{r^2}{2}}\right|_0 ^{+\infty}=1 \end{aligned}$

正态分布的性质5

(5) $\Phi(-x)=1-\Phi(x)$ .

正态分布的性质6： $(0,\sigma)$

当 $\sigma \longrightarrow 0$ 时， $\begin{aligned} 1 & =\lim _{\sigma \rightarrow 0} \int_{-\infty}^{+\infty} \frac{1}{\sqrt{2 \pi} \sigma} e^{-\frac{x^2}{2 \sigma^2}} \mathrm{~d} x \\ & =\int_{-\infty}^{+\infty} \delta(x) \mathrm{d} x \end{aligned}$