浅谈正态分布的重要性质

浅谈正态分布的重要性质摘要：正态分布是概率论中最常见、最重要的一个分布，原因有三：一、许多实际问题中的变量都服从或者近似服从正态分布；二、正态分布的密度函数和分布函数具有各种优良性质；三、一些重要分布的极限分布为正态分布。四、一般正态变量都可以变换为标准正态变量，而人们制定了标准正态变量的分布函数值以供查询，这给有关正态分布的计算问题带来了极大的方便。本文就正态分布的这些特点做简要归纳。关键词：正态分布；正态变量；性质以下首先介绍正态分布的定义，接着介绍正态变量的数字特征、曲线性质、取值范围，然后说明一般正态变量与标准正态变量的关系以及多个正态变量的和分布。最后介绍正态分布与其他分布的关系。1正态分布的定义如果一个连续型随机变量的密度函数为，其中为常数，那么就称服从正态分布，记作.正态分布也叫高斯〔Gauss〕分布。2实际问题中的正态变量在实际问题中，气象学中的温度、湿度、降雨量，有机体的长度、重量，实验中的测量误差、热力学中理想气体分子的速度、经济学中的众多度量等都服从或者近似服从正态分布.3正态变量的重要性质3.1数学期望和方差假设正态变量，那么.即正态变量的两个参数正是它的期望和方差。证明有令，那么===令 ，那么有 ====3.2图形性质正态分布的密度曲线图形呈钟形，关于对称，在时取最大值.当不变时，越大，图形越平、越宽，在点附近取值的概率越小；越小，图形越尖、越窄，在点附近取值的概率越大。当不变时，变大，图形往右移，变小，图形往左移.直观地说，正态变量在点附近取值概率最大，在远离点处取值概率很小。3.3法那么假设，那么有由此可知，正态变量落在区间外的概率不到0.003，这样的事件在数学上被称作小概率事件，在一次试验中被认为是不可能发生的。即正态变量几乎一定落在区间内，这被称为法那么.3.4可标准化引理设随机变量，那么〔1〕，其中为常数.〔2〕.证明〔1〕分别记的分布函数与密度函数为与，先设即有假设，那么有将以上两式分别关于求导,得故.〔2〕在引理中取，即得.由这一引理知，假设，那么它的分布函数和密度函数可以分别写成.对于任意区间有这样利用标准正态分布表就能方便地求出一般正态变量落在任意区间的概率。3.5可加性假设，二者相互独立，那么；证明和的密度函数分别是，由卷积公式可得的密度函数为整理得其中，，.而积分,得因此服从.由数学归纳法容易得知对任意有限个正态变量仍具有可加性。即有如下定理：3.5.2假设，.而且它们彼此都相互独立，那么.3.6个独立同分布的随机变量和的中心极限定理由以上可知任意有限多个相互独立的正态变量的和仍是正态变量，不仅如此，多个非正态变量的和虽不是正态变量，但当个数很多时依然可认为是服从正态分布，因为有如下定理：3.6.1林德贝格-勒维〔Lindeberg-Levy〕定理假设是一列独立同分布的随机变量，且，，，那么有证明设的特征函数为，那么的特征函数为又因为，所以于是特征函数有展开式=从而对任意固定的，有而是的特征函数，由此可知命题成立。这个定理说明当相互独立且同分布的随机变量个数无限增大时，不管它们服从什么分布，它们的和的极限分布都是正态分布。特别的，一个服从二项分布的随机变量可以看成是个相互独立的服从二点分布的随机变量的和。因此有如下定理：3.6.2棣莫弗-拉普拉斯〔DeMoivre-Laplace〕定理在重伯努利试验中，事件在每次试验中出现的概率为，为重伯努利试验中事件出现的次数，那么.这个定理说明二项分布收敛于正态分布。这样当很大时，可以通过查标准正态分布表来求服从二项分布的随机变量的概率，这比直接计算二项分布的概率优越的多。此外还可以证明泊松分布也收敛于正态分布。总之，正态分布自身具有