正态分布简介
所属分类 math
浏览量 191
正态分布函数(Normal Distribution Function)
也称为高斯分布函数(Gaussian Distribution Function)
正态分布函数被广泛应用于各个领域,如金融、生物学、物理学等。
为了纪念高斯,德国在10马克的钞票上印上了高斯的头像,头像旁边就是正态分布曲线。
正态分布曲线 钟型曲线
身高、智商 某方面的能力 都符合 正态分布
个人的绝大多数能力,从概率上来讲都在平均值周围,极差和极优秀都是少数
每个人大概率在某项事物上都是平庸的(高斯分布),但一定有我们非常擅长的东西,
我们需要不断的尝试新的事物来找到它(伯努利实验),因为擅长所带来的回报是指数级别的(幂律分布)
正态分布记作X~N(μ,σ2)
μ是正态分布的位置参数,正态分布以X=μ为对称轴,左右完全对称。
正态分布的期望(expectation)、均数(mean)、中位数(median)、众数(mode)均等于μ
3个标准差(σ)原则,或者68-95-99.7原则
正态分布有两个参数,即均值μ和标准差σ
均值μ决定正态曲线的中心位置
标准差σ 决定正态曲线的陡峭或扁平程度
σ越小,曲线越陡峭 ;σ越大,曲线越扁平
大数定律 和 中心极限定理
中心极限定理 ,只要随机事件有很多独立的因素共同作用,无论每个因素本身是什么分布,这个随机事件最终都会形成正态分布
大数定理 ,当样本数据无限大时,样本均值趋于总体均值
大数定律揭示从局部不确定到整体的确定性,成为统计推断的重要基石,与中心极限定律被称为统计推断的黄金定律
Z-score 计算公式
Z = (X - μ) / σ
μ 均值
σ 标准差,也称波动率
Z score可称作Z值或Z评分(Z values),是一个统计学概念。
表示个体测量值X以标准差σ为单位,偏离总体均数μ的距离。
即:Z score=(X-μ)/σ ,
Z 值>+2 或 Z 值< -2 时, 表示已超出95% 的可信区间,临床上称为“异常”。
正态分布 三σ原则
数值分布在区间(μ-σ,μ+σ)中的概率为 0.6827,
数值分布在区间(μ-2σ,μ+2σ)中的概率为 0.9545,
数值分布在区间(μ-3σ,μ+3σ)中的概率为 0.9973,
几乎全部的数值(99.73% )会落在均值±3个标准差的范围内,
超出这个范围的数值出现的可能性非常小,通常被视为小概率事件
正态分布是数学家高斯发现的,可以用图形法、概率密度表和公式法来表达
正态曲线以均数为中心,左右对称;曲线的高峰位于中间,即平均数所在的位置;正态曲线与X轴所围成的面积为1,也就是概率为100%
正态分布有两个参数,即均值μ和标准差σ。均值μ决定正态曲线的中心位置;标准差σ 决定正态曲线的陡峭或扁平程度。σ越小,曲线越陡峭;σ越大,曲线越扁平。
正态分布是一种普遍存在,但又是一个伟大的分布,它指引人类探索的方向。
上一篇
下一篇
easyrules 例子 从 nacos里读取规则
统计学术语
apache math库计算 z值表
Python数据分析中的统计学基础概念
数学公式中的希腊字母
温和世界 和 疯狂世界