Thực đơn
Phân phối chuẩn Tính chấtMột số tính chất của phân phối chuẩn:
Một hệ quả của Tính chất 1 là ta có thể quy mọi biến ngẫu nhiên phân phối chuẩn về dạng phân phối chuẩn tắc.
Nếu X {\displaystyle X} ~ N ( μ , σ 2 ) {\displaystyle N(\mu ,\sigma ^{2})} , thì
Z = X − μ σ {\displaystyle Z={\frac {X-\mu }{\sigma }}\!}là một biến có phân phối chuẩn tắc: Z {\displaystyle Z} ~ N ( 0 , 1 ) {\displaystyle N(0,1)} .Từ đó lại dẫn đến một hệ quả quan trọng là hàm phân phối tích lũy của một phân phối chuẩn nói chung sẽ là:
Pr ( X ≤ x ) = Φ ( x − μ σ ) = 1 2 ( 1 + erf ( x − μ σ 2 ) ) . {\displaystyle \Pr(X\leq x)=\Phi \left({\frac {x-\mu }{\sigma }}\right)={\frac {1}{2}}\left(1+\operatorname {erf} \left({\frac {x-\mu }{\sigma {\sqrt {2}}}}\right)\right).}
Ngược lại, nếu Z {\displaystyle Z} ~ N ( 0 , 1 ) {\displaystyle N(0,1)} , thì
X = σ Z + μ {\displaystyle X=\sigma Z+\mu }là một biến ngẫu nhiên có phân phối chuẩn với trị trung bình μ {\displaystyle \mu } và phương sai σ 2 {\displaystyle \sigma ^{2}} .
Giá trị của phân phối chuẩn hóa đã được lập thành bảng, và các phân phối chuẩn khác đều là các dạng biến đổi đơn giản từ phân phối chuẩn hóa.Do đó, có thể tra bảng giá trị phân phối tích lũy của hàm phân phối chuẩn hóa để tính các giá trị phân phối tích lũy của phân phối chuẩn.
Một số mô-men bậc nhỏ của phân phối chuẩn:
Number | Raw moment | Central moment | Cumulant |
---|---|---|---|
0 | 1 | 0 | |
1 | μ {\displaystyle \mu } | 0 | μ {\displaystyle \mu } |
2 | μ 2 + σ 2 {\displaystyle \mu ^{2}+\sigma ^{2}} | σ 2 {\displaystyle \sigma ^{2}} | σ 2 {\displaystyle \sigma ^{2}} |
3 | μ 3 + 3 μ σ 2 {\displaystyle \mu ^{3}+3\mu \sigma ^{2}} | 0 | 0 |
4 | μ 4 + 6 μ 2 σ 2 + 3 σ 4 {\displaystyle \mu ^{4}+6\mu ^{2}\sigma ^{2}+3\sigma ^{4}} | 3 σ 4 {\displaystyle 3\sigma ^{4}} | 0 |
Mọi ước lượng của phân phối chuẩn lớn hơn bậc hai đều bằng zero.
Khi mô phỏng bằng máy tính, người ta thường khởi tạo các giá trị số có phân phối chuẩn.Có nhiều cách và cách đơn giản nhất là chuyển ngược bằng hàm phân phối tích lũy chuẩn tắc.Có nhiều phương pháp hiệu quả được dùng đến, một trong chúng là biến đổi Box-Muller.
Biến đổi Box-Muller nhận hai giá trị có phân phối đều làm đầu vào và ánh xạ chúng thành giá trị có phân phối chuẩn.Phương pháp này đòi hỏi phải khởi tạo giá trị từ phân phối đều, và có nhiều phương pháp như vậy. Xem thêm khởi tạo số ngẫu nhiên.
Biến đổi Box-Muller là dựa vào: phân phối chi-bình phương với hai bậc tự do (xem tính chất 4 ở trên) là một biến ngẫu nhiên lũy thừa có thể khởi tạo dễ dàng.
Phân phối chuẩn có một tính chất rất quan trọng là trong một số trường hợp nhất định, phân phối của tổng rất nhiều biến ngẫu nhiên độc lập sẽ có phân phối xấp xỉ chuẩn.
Đây là định lý giới hạn trung tâm.
Tầm quan trọng thực tiễn của định lý giới hạn trung tâm là phân phối chuẩn có thể được sử dụng như một xấp xỉ cho một số dạng phân phối khác.
Việc các phép xấp xỉ trên đây có đạt được đủ độ chính xác hay không còn tùy thuộc vào mục đích sử dụng chúng và tốc độ hội tụ về phân phối chuẩn. Thường trong những trường hợp nói trên, độ kém chính xác sẽ xảy ra ở đuôi của đường phân phối.
Phân phối chuẩn có khả năng phân chia vô hạn.
Phân phối chuẩn là phân phối xác suất ổn định.
Trong thực nghiệm, ta thường giả thiết rằng dữ liệu lấy từ tổng thể có dang phân phối xấp xỉ chuẩn. Nếu giả thiết này được kiểm chứng thì có khoảng 68% số giá trị nằm trong khoảng 1 độ lệch chuẩn so với trị trung bình, khoảng 95% số giá trị trong khoảng hai lần độ lệch chuẩn và khoảng 99.7% nằm trong khoảng 3 lần độ lệch chuẩn. Đó là "quy luật 68-95-99.7" hoặc quy tắc kinh nghiệm.
Thực đơn
Phân phối chuẩn Tính chấtLiên quan
Phân Phân loại sinh học Phân phối chuẩn Phân cấp hành chính Việt Nam Phân người Phân loại giới Động vật Phân bón Phân loại sao Phân số Phân tích kỹ thuậtTài liệu tham khảo
WikiPedia: Phân phối chuẩn http://www.danielsoper.com/statcalc/calc02.aspx http://www.sixsigmafirst.com/proba.htm http://mathworld.wolfram.com/NormalDistribution.ht... http://www.elektro-energetika.cz/calculations/no.p... http://socr.stat.ucla.edu/htmls/SOCR_Distributions... http://www.visualstatistics.net/Statistics/Euler/E... http://www.visualstatistics.net/Statistics/Maxwell... http://web.archive.org/19990117033417/members.aol.... http://web.archive.org/19990508224238/members.aol.... http://web.archive.org/19990508225359/members.aol....