正态分布概念历史发展.docVIP

正态分布是最重要的一种概率分布。正态分布 概念是由德国的 数学家和天文学家Moivre于1733年首次提出的，但由于德国 数学家Gauss率先将其应用于天文学家研究，故正态分布又叫高斯分布，高斯这项工作对后世的影响极大，他使正态分布同时有了“高斯分布”的名称，后世之所以多将最小二 乘法的发明权归之于他，也是出于这一工作。高斯是一个伟大的数学家，重要的贡献不胜枚举。但现今德国10 马克的印有高斯头像的钞票，其上还印有正态分布的 密度曲线。这传达了一种想法：在高斯的一切科学贡献中，其对人类文明影响最大者，就是这一项。在高斯刚作出这个发现之初，也许人们还只能从其理论的简化上来评价其优越性，其全部影响还不能充分看出来。这要到20世纪正态小样本理论充分发展起来以后。 拉普拉斯很快得知高斯的工作，并马上将其与他发现的中心极限定理联系起来，为此，他在即将发表的一篇文章（发表于1810年）上加上了一点补充，指出如若误差可看成许多量的叠加，根据他的中心极限定理，误差理应有 高斯分布。这是历史上第一次提到所谓“元误差学说”——误差是由大量的、由种种原因产生的元误差叠加而成。后来到1837年，海根（G.Hagen）在一篇论文中正式提出了这个学说。 其实，他提出的形式有相当大的局限性：海根把误差设想成个数很多的、独立同分布的“元误差” 之和，每只取两值，其概率都是1/2，由此出发，按狄莫佛的中心极限定理，立即就得出误差（近似地）服从正态分布。拉普拉斯所指出的这一点有重大的意义，在于他给误差的正态理论一个更自然合理、更令人信服的解释。因为，高斯的说法有一点循环论证的气味：由于 算术平均是优良的，推出误差必须服从正态分布；反过来，由后一结论又推出算术平均及最小二乘估计的优良性，故必须认定这二者之一（算术平均的优良性，误差的正态性） 为出发点。但算术平均到底并没有自行成立的理由，以它作为理论中一个预设的出发点，终觉有其不足之处。拉普拉斯的理论把这断裂的一环 连接起来，使之成为一个和谐的整体，实有着极重大的意义。 （Normal distribution)一种 概率分布，也称“常态分布”。 \o 查看图片 正态分布 正态分布具有两个参数μ和σ^2的 连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的 均值，第二个参数σ^2是此随机变量的 方差，所以正态分布记作N（μ，σ^2）。服从正态分布的随机变量的概率规律为取与μ邻近的值的概率大，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。 正态分布的密度 函数的特点是：关于μ对称，并在μ处取最大值，在正（负）无穷远处取值为0，在μ±σ处有 拐点，形状呈现中间高两边低，图像是一条位于x轴上方的钟形 曲线。当μ=0，σ^2 =1时，称为 标准正态分布，记为N（0，1）。μ维随机 向量具有类似的概率规律时，称此随机向量遵从多维正态分布。多元正态分布有很好的性质，例如，多元正态分布的边缘分布仍为正态分布，它经任何 线性变换得到的随机 向量仍为多维正态分布，特别它的线性 组合为一元正态分布。 正态分布最早由A.棣莫弗在求 二项分布的渐近 公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。 正态分布应用最广泛的 连续概率分布，其特征是“钟”形 曲线。 \o 查看图片 正态分布公式