![cover image](https://wikiwandv2-19431.kxcdn.com/_next/image?url=https://upload.wikimedia.org/wikipedia/commons/thumb/7/74/Normal_Distribution_PDF.svg/langzh-mo-640px-Normal_Distribution_PDF.svg.png&w=640&q=50)
正態分佈
機率分布 / 維基百科,自由的 encyclopedia
常態分布(normal distribution,中國大陸作正態分布,台灣作常態分布),物理學中通稱高斯分佈(Gaussian distribution)[1],是一個非常常見的連續機率分佈。正態分佈在統計學上十分重要,經常用在自然和社會科學來代表一個不明的隨機變量。[2][3]
此條目翻譯品質不佳。 (2022年4月24日) |
Quick Facts 記號, 參數 ...
機率密度函數 ![]() 紅線代表標準正態分佈 | |||
累積分佈函數 ![]() 顏色與機率密度函數相同 | |||
記號 |
| ||
---|---|---|---|
參數 |
| ||
值域 |
| ||
機率密度函數 |
| ||
累積分佈函數 |
| ||
期望值 |
| ||
中位數 |
| ||
眾數 |
| ||
變異數 |
| ||
偏度 | 0 | ||
峰度 | 0 | ||
熵 |
| ||
動差母函數 |
| ||
特徵函數 |
|
Close
正態分佈的數學期望值值或期望值,可解釋為位置參數,決定了分佈的位置;其方差
的平方根或標準差
可解釋尺度參數,決定了分佈的幅度。[5]
中心極限定理指出,在特定條件下,一個具有有限均值和方差的隨機變量的多個樣本(觀察值)的平均值本身就是一個隨機變量,其分佈隨着樣本數量的增加而收斂於正態分佈。因此,許多與獨立過程總和有關的物理量,例如測量誤差,通常可被近似為正態分佈。
正態分佈的機率密度函數曲線呈鐘形,因此人們又經常稱之為鐘形曲線(類似於寺廟裏的大鐘,因此得名)。我們通常所說的標準正態分佈是位置參數,尺度參數
的正態分佈[5](見右圖中紅色曲線)。