正态分布

所属章节:第2章 一维随机变量及其分布

(3) 正态分布 N(μ,σ2)N(\mu, \sigma^2) .

这是由于 λ\lambda 是常数,失效频率不变,也即研究对象(如元件、产品等)被视为理想状态,无任何损耗 .

如果 XX 的概率密度为

f(x)=12πσe−12(x−μσ)2(−∞<x<+∞),f(x) = \frac{1}{\sqrt{2\pi}\sigma} \mathrm{e}^{-\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2} \quad (-\infty < x < +\infty) ,

其中 −∞<μ<+∞, σ>0-\infty < \mu < +\infty, \, \sigma > 0,则称 XX 服从参数为 (μ,σ2)(\mu, \sigma^2) 的正态分布或称 XX 为正态变量,记为 X∼N(μ,σ2)X \sim N(\mu, \sigma^2) . 此时 f(x)f(x) 的图形关于直线 x=μx = \mu 对称,即 f(μ−x)=f(μ+x)f(\mu - x) = f(\mu + x),并在 x=μx = \mu 处有唯一最大值 f(μ)=12πσf(\mu) = \frac{1}{\sqrt{2\pi}\sigma}.

称 μ=0, σ=1\mu = 0, \, \sigma = 1 时的正态分布 N(0,1)N(0, 1) 为标准正态分布,通常记标准正态分布的概率密度为 φ(x)=12πe−12x2\varphi(x) = \frac{1}{\sqrt{2\pi}} \mathrm{e}^{-\frac{1}{2}x^2},分布函数为 Φ(x)=12π∫−∞xe−t22 dt\varPhi(x) = \frac{1}{\sqrt{2\pi}} \int_{-\infty}^x \mathrm{e}^{-\frac{t^2}{2}} \, \mathrm{d}t . 显然 φ(x)\varphi(x) 为偶函数,则

Φ(0)=12,Φ(−x)=1−Φ(x).\varPhi(0) = \frac{1}{2}, \quad \varPhi(-x) = 1 - \varPhi(x) .

若 X∼N(0,1)X \sim N(0, 1),P{X>uα}=αP\{X > u_\alpha\} = \alpha,则称 uαu_\alpha 为标准正态分布的上侧 α\alpha 分位数(上 α\alpha 分位点).

如果 X∼N(μ,σ2)X \sim N(\mu, \sigma^2),则

F(x)=P{X⩽x}=Φ(x−μσ),F(x) = P\{X \leqslant x\} = \varPhi\left(\frac{x-\mu}{\sigma}\right) , F(μ−x)+F(μ+x)=1,F(\mu - x) + F(\mu + x) = 1 , P{a<X<b}=Φ(b−μσ)−Φ(a−μσ),P\{a < X < b\} = \varPhi\left(\frac{b-\mu}{\sigma}\right) - \varPhi\left(\frac{a-\mu}{\sigma}\right) , aX+b∼N(aμ+b, a2σ2)(a≠0).aX + b \sim N(a\mu + b, \, a^2\sigma^2) \quad (a \neq 0) .

关联知识

原文:原笔记 · 2.2.2 连续型 P42(原文件第 125–150 行)。

返回概率论导航