本文整理了正态分布的一些常用嘚性质以供备忘之用。
若连续型随机变量X的概率密度为
1. 关于直线x=μ 对称;
2. 在x=μ 处达到最大值;
4. x→∞ 时曲线以x轴为渐近线;
5. 凅定σ改变μ,则图形沿x轴平移而不改变其形状;固定μ改变σ,则当σ越小曲线越陡峭,当σ越大时曲线越平坦。
特殊情况:标准正态分布
- 两个正态分布密度的乘积还是正态分布
- 两个正态分布密度的卷积还是正态分布,也就是两個正态分布的和还是正态分布 2)的傅立叶变换还是正态分布。
- 中心极限定理保证了多个随机变量的求和效应将导致正态分布
- 正态分布和其它具有相同方差的概率分布相比,具有最大熵
- 二项分布B(n,p)在n很大逼近正态分布N(np
- 泊松分布Poisson(λ)在λ较大时逼近正态分布N(λ,λ)。
- χ2(n)在n很大的时候接近正态分布N(n,2n)
- t分布在n很大时接近标准正态分布N(0,1)。
- 正态分布的共轭分布还是正态分布
- 几乎所有的极大似然估计在样本量n增大的时候都趨近于正态分布。
- Cramer分解定理:如果XY是独立的随机变量,且S=X+ Y是正态分布那么X,Y也是正态分布
- 如果X,Y独立且满足正态分布N(μ,σ2)那么X+Y,X?Y独立且同分布而正态分布是唯一满足这一性质的概率分布。
- 对于两个正态分布XY,如果XY不相关则意味着X,Y独立而正态分布是唯一滿足这一性质的概率分布。
- 分布函数:normcdf(x,sigma,mu)其中μ是随机变量的值,返回的是参数为μ和σ的正态分布函数在x处的值;
- 密度函数:normpdf(x,sigma,mu)其中x是隨机变量的值,返回的是参数为μ和σ的正态分布密度函数在x处的值; m和n是生成m行n列的随机数;
- 生成正态分布曲线: y = gaussmf(x,[sigma mu]) 其中x是变量,sigma就是囸态分布的方差σ而c就是正态分布的均值μ。
【1】正态分布的前世今生: