第四章 特殊的概率密度函数.docxVIP

第四章 特殊的概率密度函数 第四章特殊的概率密度函数 第四章特殊概率密度函数 第四章特殊的概率密度函数 4.7正态分布（高斯分布）的概率密度函数： 112(x)22n(,)f(x)e(x)22 性质：1。期望值：2。方差： e(x) V（x）2xf（x）3。累积分布： (z) 十二 z E 1x22 dx 误差函数 第四章特殊概率密度函数 4.7正态分布(高斯分布)(normalorgaussiandistribution)标准正态分布：(standardnormaldistribution)n(0,1)令 Y x 标准正态概率密度函数 11y22n(0,1)g(y)e2 =0的正态分布，=1 累积标准正态分布函数：g(y)g(y)dyyy 11y22edy2 g(y)1g(y) 第四章特殊概率密度函数 4.7正态分布(高斯分布)(normalorgaussiandistribution)g(y)的应用：1、设x是服从正态分布的随机变量，求x落于区间[a,b]内的概率 p（axb）p（xb）p（xa）p（x） b )p( x A. ) b/ g(y)dy)g(a a/ g(y)dy p（axb）g( bb AG（）g（）11间隔：2间隔：3间隔： )g(y)1g(y) p（x）2g（1）10.6827p（2x2）2g（2）10.9545p（3x3）2g（3）10.9973 3规则 第四章特殊概率密度函数 4.7正态分布(高斯分布)(normalorgaussiandistribution)2、已知概率值，求相对于平均值对称的区间[a,a] 通过查表，可以得出结论：0.9=0.95=0.99=0.999a a A. a a=1.645=1.960=20576=3.290 第四章特殊的概率密度函数 4.7正态分布（高斯分布）正态变量加法定理：如果一个随机变量是一些正态变量的函数，那么这个变量的分布形式是什么？如果这是一个线性函数加法定理，让x1，X2，。。。Xn是独立的正态变量 xin(i,i)则 yaixii1n n 它也是服从正态分布的变量，其均值和方差为 e(y)aiuii1 v（y）a2i2i1 n 第四章特殊概率密度函数 4.7正态分布(高斯分布)(normalorgaussiandistribution)例：正态分布样本的样本平均值x和方差s的特征。2 设n个独立随机变量服从正态分布，其均值和方差分别为1和2。对于由这n个量组成的正常样品 1nxxini1n 1ns（xix）2n112 由正态变量的加法定理，样本平均值也是正态变量 e（x）aiuii1 v( x） aii22i1 n 2n 2 人工智能 1,in X的分布服从n（，n） 第四章特殊的概率密度函数 4.7正态高斯分布 可以证明： 1. (n1)s2 二 服从自由度为n-1的2分布； 22.X和s是独立的随机变量 定理：如果独立的随机变量服从相同的正态分布，则统计量x和s2是相互独立的；反过来，如果随机样本的平均值和方差是相互独立的，则这一样本所代表的总体一定是正态分布。 第四章特殊概率密度函数 4.7正态分布(高斯分布)(normalorgaussiandistribution)中心极限定理(centrallimittheorm)设x1,x2,……xn是一组n个独立的随机变量，xi的平均值和方差分别为μi和i,则当n→∞时，变量nnxii1i1 我 i1 N 2i 服从标准正态分布n（0,1）示例：高斯随机变量发生器设X为均匀分布在[0,1]之间的随机数21e（X）1V（X）122 对n个x的取值xi(i=1,2,….n)定义随机变量nnyxi2i112112 N 在n→∞时，服从正态分布，在实际应用时，可取n=12 zxi6i1 第四章特殊的概率密度函数 4.7正态高斯分布