正态分布有三个常用的公式，分别是哪些？
[CLASSIC] 正态分布是统计学中最重要且最常用的连续概率分布之一。它可以用以下三个常用的公式来描述：1. 概率密度函数（Probability Density Function, PDF）：正态分布的概率密度函数通常用符号 φ(x) 表示。对于给定的均值 μ 和标准差 σ，概率密度函数描述了随机变量在每个可能取值 x 处的相对概率密度。正态分布的概率密度函数是一个钟形曲线，其峰值位于均值处，标准差决定了曲线的宽度。
2. 累积分布函数（Cumulative Distribution Function, CDF）：正态分布的累积分布函数通常用符号 Φ(x) 表示。对于给定的均值 μ 和标准差 σ，累积分布函数描述了随机变量小于或等于给定值 x 的概率。它是概率密度函数的积分，表示了从负无穷到 x 的区间内的概率。
3. 逆正态分布函数（Inverse Normal Distribution Function）：逆正态分布函数是累积分布函数的反函数，通常用符号 z(p) 表示。对于给定的概率值 p，逆正态分布函数给出了使得累积分布函数等于 p 的对应随机变量值。逆正态分布函数在统计推断和假设检验中经常使用，用于计算给定概率下的临界值。
这些公式对于理解和应用正态分布在统计分析、概率论和数据建模中的重要性至关重要。
在高中统计学中，我们通常使用正态分布来描述连续型的随机变量。正态分布有三个常用的公式：
1. 概率密度函数（Probability Density Function, PDF）：
正态分布的概率密度函数是一个关于变量 x 的函数，表示了变量取某个值的概率密度。正态分布的概率密度函数表达式为：
f(x) = (1 / (σ * sqrt(2π))) * e^(-((x - μ)^2) / (2σ^2))
其中，f(x) 表示 x 的概率密度，μ 表示正态分布的均值，σ 表示正态分布的标准差，e 是自然对数的底，sqrt 表示开平方。
2. 累积分布函数（Cumulative Distribution Function, CDF）：
正态分布的累积分布函数是一个关于变量 x 的函数，表示了变量小于等于某个值的累积概率。正态分布的累积分布函数表达式为：
F(x) = 1/2 * (1 + erf((x - μ) / (σ * sqrt(2))))
其中，F(x) 表示 x 小于等于某个值的累积概率，erf 表示误差函数。
3. 逆累积分布函数（Inverse Cumulative Distribution Function, ICDF）：
逆累积分布函数是累积分布函数的反函数，它用来计算给定累积概率的对应变量值。对于正态分布来说，逆累积分布函数通常称为正态分布的 z 分数表。它表示了给定一个概率值，找到对应的标准分数 z。
这三个公式是用来描述正态分布的重要工具，可以帮助我们计算概率、百分位数和标准分数等。
绛旓細姝ｆ佸垎甯冨父鐢姒傜巼璁＄畻鍏紡濡備笅锛氬叕寮忚В鏋愶細鍏朵腑渭涓哄潎鏁帮紝蟽涓烘爣鍑嗗樊銆偽煎喅瀹氫簡姝ｆ佸垎甯冪殑浣嶇疆锛屼笌渭瓒婅繎锛岃鍙栧埌鐨勬鐜囧氨瓒婂ぇ锛屽弽涔嬭秺灏忋傁冩弿杩扮殑鏄鎬佸垎甯冪殑绂绘暎绋嬪害銆傁冭秺澶э紝鏁版嵁鍒嗗竷瓒婂垎鏁ｆ洸绾胯秺鎵佸钩锛浵冭秺灏忥紝鏁版嵁鍒嗗竷瓒婇泦涓洸绾胯秺闄″抄銆傛鎬佸垎甯冨巻鍙插彂灞曪細姝ｆ佸垎甯冩蹇垫槸鐢辨硶鍥芥暟瀛﹀妫ｈ帿寮...
绛旓細姝ｆ佸垎甯冩爣鍑嗗寲鐨勫叕寮锛歒=锛圶-渭锛/蟽锝濶锛0锛1锛夈傛爣鍑嗘鎬佸垎甯 鏄竴涓湪鏁板銆佺墿鐞嗗強宸ョ▼绛夐鍩熼兘闈炲父閲嶈鐨勬鐜囧垎甯冿紝鍦ㄧ粺璁″鐨勮澶氭柟闈㈡湁鐫閲嶅ぇ鐨勫奖鍝嶅姏銆傛湡鏈涘嘉=0锛屽嵆鏇茬嚎鍥捐薄瀵圭О杞翠负Y杞达紝鏍囧噯宸=1鏉′欢涓嬬殑姝ｆ佸垎甯冿紝璁颁负N(0锛1)銆傛鎬佸垎甯冪殑瀹氫箟 鏍囧噯姝ｆ佸垎甯冨張绉颁负u鍒嗗竷锛屾槸...
绛旓細桅锛坸)=P(X⩽x)=1鈭2蟺鈭玿−鈭瀍−t22dt銆傛鎬佸垎甯冨叿浣撲粙缁嶏細姝ｆ佸垎甯冩鐜囪绠鍏紡锛欶(x)=桅锛伙紙x-渭锛夛紡蟽锛锛屾鎬佸垎甯涔熺О鈥甯告佸垎甯鈥濓紝鍙堝悕楂樻柉鍒嗗竷锛姝ｆ佹洸绾垮憟閽熷瀷锛屼袱澶翠綆锛屼腑闂撮珮锛屽乏鍙冲绉板洜鍏舵洸绾垮憟閽熷舰锛屽洜姝や汉浠張缁忓父绉颁箣涓閽熷舰鏇茬嚎銆傝嫢闅忔満鍙橀噺X鏈嶄粠涓涓...
绛旓細姝ｆ佸垎甯冩爣鍑嗗寲鐨勫叕寮锛歒=锛圶-渭锛/蟽锝濶锛0锛1锛夈傛爣鍑嗘鎬佸垎甯 鏄竴涓湪鏁板銆佺墿鐞嗗強宸ョ▼绛夐鍩熼兘闈炲父閲嶈鐨勬鐜囧垎甯冿紝鍦ㄧ粺璁″鐨勮澶氭柟闈㈡湁鐫閲嶅ぇ鐨勫奖鍝嶅姏銆傛湡鏈涘嘉=0锛屽嵆鏇茬嚎鍥捐薄瀵圭О杞翠负Y杞达紝鏍囧噯宸=1鏉′欢涓嬬殑姝ｆ佸垎甯冿紝璁颁负N(0锛1)銆傛鎬佸垎甯冪殑瀹氫箟 鏍囧噯姝ｆ佸垎甯冨張绉颁负u鍒嗗竷锛屾槸...
绛旓細姝ｆ佸垎甯鍙姞鎬鍏紡鏄細X+Y~N(3锛8)銆傜浉浜掔珛鐨勬鎬佸彉閲忎箣绾挎х粍鍚堟湇浠庢鎬佸垎甯冦傚嵆X~N(u1锛(q1)^2)锛孻~N(u2锛(q2)^)鍒橺=aX+bY~N(a*u1+b*u2锛(a^2)*(q1)^2+(b^2)*(q2)^2)
绛旓細X^2锛堝崱鏂癸級鍒嗗竷鏄竴涓姝ｆ佸垎甯冪殑骞虫柟銆倀鍒嗗竷鏄竴涓鎬佸垎甯冮櫎浠ワ紙涓涓猉^2鍒嗗竷闄や互瀹冪殑鑷敱搴︾劧鍚庡紑鏍瑰彿锛夈侳鍒嗗竷鏄袱涓崱鏂鍒嗗竷鍒嗗竷闄や互浠栦滑鍚勮嚜鐨勮嚜鐢卞害鍐嶇浉闄ゃ傛瘮濡俋鏄竴涓猌鍒嗗竷锛孻(n)=X1^2+X2^2+鈥︹+Xn^2,杩欓噷姣忎釜Xn閮芥槸涓涓猌鍒嗗竷锛宼(n)=X/鏍瑰彿(Y/n),F锛坢,n锛=(Y1/m)/(...
绛旓細姝ｆ佸垎甯冨嚱鏁扮殑鐗瑰緛 1銆侀泦涓э紝姝ｆ佹洸绾跨殑楂樺嘲浣嶄簬姝ｄ腑澶紝鍗冲潎鏁版墍鍦ㄧ殑浣嶇疆銆2銆佸绉版э紝姝ｆ佹洸绾夸互鍧囨暟涓轰腑蹇冿紝宸﹀彸瀵圭О锛屾洸绾夸袱绔案杩滀笉涓庢í杞寸浉浜ゃ3銆佸潎鍖鍙樼瓟鍔ㄦэ紝姝ｆ佹洸绾跨敱鍧囨暟鎵鍦ㄥ寮濮锛屽垎鍒鍚戝乏鍙充袱渚ч愭笎鍧囧寑涓嬮檷銆4銆姝ｆ佸垎甯冩湁涓や釜鍙傛暟锛屽嵆鍧囨暟渭鍜屾爣鍑嗗樊蟽锛屽彲璁颁綔N锛埼硷紝蟽锛夈...
绛旓細閫氬父鎸囧彂鐢熺殑姒傜巼灏忎簬5%鐨勪簨浠讹紝璁や负鍦ㄤ竴娆¤瘯楠屼腑璇ヤ簨浠舵槸鍑犱箮涓嶅彲鑳藉彂鐢熺殑銆傜敱姝ゅ彲瑙乆钀藉湪锛埼-3蟽锛屛+3蟽锛変互澶栫殑姒傜巼灏忎簬鍗冨垎涔嬩笁锛屽湪瀹為檯闂涓父璁や负鐩稿簲鐨勪簨浠舵槸涓嶄細鍙戠敓鐨勶紝鍩烘湰涓婂彲浠ユ妸鍖洪棿锛埼-3蟽,渭+3蟽锛夌湅浣滄槸闅忔満鍙橀噺X瀹為檯鍙兘鐨勫彇鍊煎尯闂达紝杩欑О涔嬩负姝ｆ佸垎甯冪殑鈥3蟽鈥濆師鍒欍
绛旓細桅(x)=1/2+锛1/鈭毾锛*鈭(-1)^n*(x/鈭2)^(2n+1)/(2n+1)/n! 鍏朵腑n浠0姹傚拰鍒版鏃犵┓鍥犱负姝ｆ佸垎甯冩槸瓒呰秺鍑芥暟锛屾墍浠ユ病鏈夊師鍑芥暟锛屽彧鑳界敤绾ф暟绉垎鐨勬柟娉曘傛鎬佸垎甯冭嫢鐨勫瘑搴﹀嚱鏁帮紙棰戠巼鏇茬嚎锛変负姝ｆ佸嚱鏁帮紙鏇茬嚎锛 (3-1)鍒欑О 鏈嶄粠姝ｆ佸垎甯冿紝璁板彿 锝 銆傚叾涓 銆 鏄袱涓笉纭畾甯告暟锛屾槸姝ｆ...
绛旓細2. 鍑忔硶锛氬噺娉曡繍绠楀彲浠ョ被浼煎湴杩涜锛屽亣璁炬湁涓や釜姝ｆ佸垎甯僗鍜孻锛屽叾鍧囧煎垎鍒负渭₁鍜屛₂锛屾柟宸垎鍒负蟽₁²鍜屜₂²銆傚垯X-Y鐨勫垎甯冧负姝ｆ佸垎甯冿紝鍏跺潎鍊间负渭 = 渭₁ - 渭₂锛屾柟宸负蟽² = 蟽₁² + 蟽₂²銆3. ...
