标签：其它 概率分布 均值 十二 理解 标准差 正态分布 性质

引用：https://zhuanlan.zhihu.com/p/24732117

一般正态分布的概率密度函数为：

其中：μ、σ分别为均值和标准差

正态分布中，±1σ、±2σ、±3σ下的概率分别是68.3%、95.5%、99.73%，这3个数最好记住。

均值决定曲线的位置，标准差决定曲线的胖瘦。可以比较以下几种情况来理解正态分布。

正态分布在实践中成功地被广泛应用，主要是因为正态分布在数学方面具有多种稳定性质，这些性质包括：

1.两个正态分布密度的乘积还是正态分布

2.两个正态分布密度的卷积还是正态分布，也就是两个正态分布的和还是正态分布

3.正态分布N(0，σ^2)的傅里叶变换还是正态分布

4.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

5.正态分布和其它分布具有相同方差的概率分布相比，具有最大熵

前上性质说明了正态分布一旦形成，就容易保持该形态的稳定。后两个性质则说你们，其它的概率分布在各种操作之下容易越来越靠近正态分布。

正是由于正态分布多种的稳定性质，使得它像一个黑洞一样处于一个中心的位置，其它概率分布形式在各种操作之下都逐渐向正态分布靠拢。

标签：其它,概率分布,均值,十二,理解,标准差,正态分布,性质
来源： https://www.cnblogs.com/bruce1992/p/16483632.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。