再談正態分布或高斯函數
阿新 • • 發佈:2017-07-27
orm bottom tle style log 說明 variables 函數 情況
它的歷史不知道,如何推導出來的,沒管啊,不過我很有興趣看看啊,但沒有看。高斯函數的用處太多了;
首先說明一點哦:正態分布是高斯函數的積分為1的情況;
一維情況下:
一維高斯高斯函數的公式:
而正態分布的公式表示為:
它們的區別僅僅在於前面的系數不一樣;正態分布之所以需要這樣的系數是為了在區間的積分為1;由此也可以看出:的在區間的積分為 。
所以呢,高斯函數的關鍵就是那個指數函數形式;
另外:指明了鋒值的位置;控制著曲線的形狀,越小,曲線越陡峭;
註意1:在正態分布中,經常用於標準的正態分布;即服從N(0,1)的正態分布;對於通用的形式:,當時,可以轉化為標準的正態分布;
怎麽出來的,這個問題我想了好久,最後我想出了這樣的解釋(單純自己想的):
(道理:如果想要知道一個變量服從什麽樣的分布,應該做的就是計算對什麽樣的式子以該變量為積分的積分結果為1;
註意2:兩個正態分布(無論變量是否獨立)的和同樣是正態分布;(這是有維基百科證明)
獨立情況下:; 相關時:,其中為相關系數;
(它們絕對不是把概率密度單純的相加,誰這麽認為誰是SB)
證明的話,其實可以用卷積或積分來證明的;
多元高斯分布:
多元的高斯分布中用到了馬氏距離來測量樣本偏移中心點的程度;
馬氏距離的推導:http://www.cnblogs.com/Weirping/articles/6613013.html
多元高斯函數的公式:,其中用到了協方差矩陣的逆;
多元正態分布公式:;
上面式子中:為馬氏距離;具體吧,需要時間研究啊;
再談正態分布或高斯函數