正态分布误差计算方法

㈠ 正态分布标准差σ计算公式

正态分布标准差σ计算公式σ=√{Σ(i：1→n)(xi-E)²/n}。正态分布也称“常态分布”，又名高斯分布。最早由棣莫弗在求二项分布的渐近公式中得到。
正态分布是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。

㈡ 正态分布的标准差如何计算 它和方差如何换算

正态分布的标准差正态分布N～（μ，δ^2），方差D(x)=δ^2，E(x)=μ。

服从标准正态分布,通过查标准正态分布表就可以直接计算出原正态分布的概率值。μ维随机向量具有类似的概率规律时，随机向量遵从多维正态分布。

多元正态分布有很好的性质，例如，多元正态分布的边缘分布仍为正态分布，它经任何线性变换得到的随机向量仍为多维正态分布，特别它的线性组合为一元正态分布。

(2)正态分布误差计算方法扩展阅读：

正态曲线呈钟形，两头低，中间高，左右对称因其曲线呈钟形，若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布。

其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布成为标准正态分布。

㈢ 姝ｆ佸垎甯冩槸镐庢牱璁＄畻鍑烘潵镄

姝ｆ佸垎甯冩槸涓绉嶈繛缁鍨嬫傜巼鍒嗗竷锛岄氩父鐢ㄤ簬鎻忚堪镊铹剁晫鍜岀ぞ浼氱幇璞′腑镄勮稿氶殢链哄彉閲忋傚湪瀹为檯搴旂敤涓锛屾垜浠缁忓父闇瑕佸规ｆ佸垎甯冭繘琛屽姞鍑忎箻闄よ繍绠椼备笅闱㈡槸鍏充簬姝ｆ佸垎甯冨姞鍑忎箻闄よ繍绠楃殑涓浜涘熀链铡熷垯锛

1. 锷犳硶锛濡傛灉涓や釜姝ｆ佸垎甯幂嫭绔嬩笖鍏锋湁鐩稿悓镄勫潎鍊煎拰鏂瑰樊锛屽畠浠镄勫拰浠岖劧鏄涓涓姝ｆ佸垎甯冦傚叿浣撹岃█锛屽傛灉X鍜孻鏄涓や釜镫绔嬬殑姝ｆ佸垎甯冨彉閲忥纴鍏跺潎鍊煎垎鍒涓何1鍜屛2锛屾柟宸鍒嗗埆涓合1²鍜屉2²锛屽垯瀹冧滑镄勫拰Z=X+Y 链崭粠鍧囧间负渭1+渭2锛屾柟宸涓合1²+蟽2² 镄勬ｆ佸垎甯冦

2. 鍑忔硶锛鍑忔硶杩愮畻鍙浠ヨ浆鍖栦负锷犳硶杩愮畻銆傚傛灉X鍜孻鏄涓や釜姝ｆ佸垎甯冨彉閲忥纴瀹冧滑镄勫樊涓篫=X-Y锛屾垜浠鍙浠ュ皢鍑忔硶杞鍖栦负锷犳硶杩愮畻锛歓=X+(-Y)銆傚湪杩欑嶆儏鍐典笅锛屽潎鍊间负渭1-渭2锛屾柟宸涓合1²+蟽2² 镄勬ｆ佸垎甯冦

3. 涔樻硶锛姝ｆ佸垎甯幂殑涔樻硶杩愮畻闇瑕佹洿澶嶆潅镄勫勭悊銆傚傛灉X鍜孻鏄涓や釜姝ｆ佸垎甯冨彉閲忥纴瀹冧滑镄勪箻绉痁=X*Y 涓嶅啀鏄涓涓姝ｆ佸垎甯冦备箻娉曡繍绠楀悗镄勫垎甯冨舰寮忓彇鍐充簬X鍜孻涔嬮棿镄勭浉鍏虫с傚傛灉X鍜孻鏄镫绔嬬殑锛岄偅涔圸灏嗕笉鍐嶆槸姝ｆ佸垎甯冿纴钥屾槸链崭粠鍙︿竴绉嶅垎甯冿纴绉颁负瀵规暟姝ｆ佸垎甯冦

4. 闄ゆ硶锛姝ｆ佸垎甯幂殑闄ゆ硶杩愮畻涔熼渶瑕佹洿澶嶆潅镄勫勭悊銆傚傛灉X鍜孻鏄涓や釜姝ｆ佸垎甯冨彉閲忥纴瀹冧滑镄勫晢Z=X/Y 涓嶅啀鏄涓涓姝ｆ佸垎甯冦傞櫎娉曡繍绠楀悗镄勫垎甯冨舰寮忓悓镙峰彇鍐充簬X鍜孻涔嬮棿镄勭浉鍏虫с

涓婅堪瑙勫垯阃傜敤浜庣壒瀹氭浔浠朵笅镄勬ｆ佸垎甯冨彉閲忋傚湪瀹为檯搴旂敤涓锛屾垜浠杩橀渶瑕佽冭槛鍙橀噺涔嬮棿镄勭浉鍏虫с佹娊镙疯宸浠ュ强鍏朵粬褰卞搷锲犵礌锛屼互杩涜屽嗳纭镄勮繍绠楀拰鎺ㄦ柇銆

姝ｆ佸垎甯幂殑璁＄畻鍏寮

姝ｆ佸垎甯冿纸涔熺О涓洪珮鏂鍒嗗竷锛夋槸涓绉甯歌佺殑杩炵画姒傜巼鍒嗗竷锛屽叾璁＄畻鍏寮忓彲浠ヨ〃绀轰负锛

f(x) = (1 / (蟽 * 鈭(2蟺))) * exp(-(x - 渭)² / (2蟽²))

鍏朵腑锛宖(x) 鏄姒傜巼瀵嗗害鍑芥暟锛圥robability Density Function, PDF锛夛纴琛ㄧず闅忔満鍙橀噺 X 鍙栧间负 x 镄勬傜巼瀵嗗害銆

渭 鏄姝ｆ佸垎甯幂殑鍧囧硷纸鍗虫湡链涘硷级锛屽喅瀹氢简鍒嗗竷镄勪腑蹇冧綅缃銆

蟽 鏄姝ｆ佸垎甯幂殑镙囧嗳宸锛屽喅瀹氢简鍒嗗竷镄勬墿灞旷▼搴︺

exp 琛ㄧず镊铹舵寚鏁板嚱鏁帮纴e 鏄镊铹跺规暟镄勫簳銆

娉ㄦ剰锛氢笂杩板叕寮忔弿杩扮殑鏄镙囧嗳褰㈠纺镄勬ｆ佸垎甯冿纴鍗冲潎鍊间负 0锛屾爣鍑嗗樊涓 1銆傚傛灉闇瑕佹弿杩颁笉钖屽潎鍊煎拰镙囧嗳宸镄勬ｆ佸垎甯冿纴鍙浠ラ氲繃绾挎у彉鎹㈡潵瀹炵幇銆

姝ｆ佸垎甯幂殑锷犲噺涔橀櫎杩愮畻鍦ㄥ疄闄呭簲鐢ㄤ腑镄勪綔鐢

1. 锷犳硶杩愮畻锛姝ｆ佸垎甯幂殑锷犳硶杩愮畻鍙浠ョ敤浜庢弿杩板氢釜镫绔嬩簨浠剁殑镐绘晥搴斻备緥濡傦纴鍦ㄩ庨橹绠＄悊涓锛屽傛灉鎴戜滑链夊氢釜闅忔満鍙橀噺琛ㄧず涓嶅悓鎶曡祫缁勫悎镄勬敹鐩婏纴鍙浠ュ皢姣忎釜鎶曡祫缁勫悎镄勬敹鐩婄湅浣沧槸涓涓姝ｆ佸垎甯冨彉閲忥纴骞朵娇鐢ㄥ姞娉曡繍绠楀缑鍒版暣浣撴姇璧勭粍钖堢殑鏀剁泭鍒嗗竷銆

2. 鍑忔硶杩愮畻锛姝ｆ佸垎甯幂殑鍑忔硶杩愮畻鍙浠ョ敤浜庢瘆杈冨拰璁＄畻宸寮伞备緥濡傦纴鍦ㄥ疄楠岃捐′腑锛屾垜浠缁忓父闇瑕佹瘆杈冧袱缁勬牱链镄勫樊寮伞傚傛灉鎴戜滑链変袱涓姝ｆ佸垎甯冨彉閲忚〃绀轰袱缁勬牱链镄勮傛祴鍊硷纴鍙浠ヤ娇鐢ㄥ噺娉曡繍绠楀缑鍒板樊鍊肩殑鍒嗗竷锛屽苟杩涜岃繘涓姝ョ殑缁熻″垎鏋愩

3. 涔樻硶杩愮畻锛姝ｆ佸垎甯幂殑涔樻硶杩愮畻鍦ㄦ傜巼瀵嗗害鍑芥暟镄勫彉鎹涓璧风潃閲嶈佺殑浣灭敤銆备緥濡傦纴褰撴垜浠瀵归殢链轰簨浠剁殑涔樼Н镒熷叴瓒ｆ椂锛屽彲浠ヤ娇鐢ㄤ箻娉曡繍绠楁潵鎺ㄥ肩粨鏋灭殑姒傜巼鍒嗗竷銆傚叿浣揿簲鐢ㄥ寘𨰾淇″彿澶勭悊棰嗗烟镄勫嵎绉杩愮畻銆侀噾铻嶉嗗烟镄勬敹鐩婄巼妯″瀷绛夈

4. 闄ゆ硶杩愮畻锛姝ｆ佸垎甯幂殑闄ゆ硶杩愮畻涔熷湪涓浜涘簲鐢ㄤ腑鍙戞尌镌浣灭敤銆备緥濡傦纴鍦ㄩ庨橹璇勪及涓锛屾垜浠鍙鑳介渶瑕佽＄畻涓涓闅忔満鍙橀噺镄勭浉瀵瑰彉锷ㄧ巼锛屽嵆涓や釜姝ｆ佸垎甯冨彉閲忕殑姣斿笺傝繖鍙浠ラ氲繃闄ゆ硶杩愮畻𨱒ュ疄鐜帮纴骞跺府锷╄瘎浼伴庨橹镄勪紶鎾鍜屽奖鍝嶃

姝ｆ佸垎甯冨姞鍑忎箻闄よ繍绠楃殑渚嬮

1. 锷犳硶杩愮畻锛

锅囱炬湁涓や釜姝ｆ佸垎甯冨彉閲 X 鍜 Y锛屽潎鍊煎垎鍒涓 渭X 鍜 渭Y锛屾爣鍑嗗樊鍒嗗埆涓 蟽X 鍜 蟽Y銆傝＄畻瀹冧滑镄勫拰 Z = X + Y 镄勫潎鍊煎拰鏂瑰樊銆

瑙ｏ细

涓や釜姝ｆ佸垎甯冨彉閲忕殑鍜屼粛铹舵湇浠庢ｆ佸垎甯冦傛墍浠 Z 镄勫潎鍊间负 渭Z = 渭X + 渭Y锛屾柟宸涓 蟽Z² = 蟽X² + 蟽Y²銆

2. 鍑忔硶杩愮畻锛

锅囱炬湁涓や釜姝ｆ佸垎甯冨彉閲 X 鍜 Y锛屽潎鍊煎垎鍒涓 渭X 鍜 渭Y锛屾爣鍑嗗樊鍒嗗埆涓 蟽X 鍜 蟽Y銆傝＄畻瀹冧滑镄勫樊 D = X - Y 镄勫潎鍊煎拰鏂瑰樊銆

瑙ｏ细

涓や釜姝ｆ佸垎甯冨彉閲忕殑宸涔熸湇浠庢ｆ佸垎甯冦傛墍浠 D 镄勫潎鍊间负 渭D = 渭X - 渭Y锛屾柟宸涓 蟽D² = 蟽X² + 蟽Y²銆

3. 涔樻硶杩愮畻锛

锅囱炬湁涓や釜镫绔嬬殑姝ｆ佸垎甯冨彉閲 X 鍜 Y锛屽潎鍊煎垎鍒涓 渭X 鍜 渭Y锛屾爣鍑嗗樊鍒嗗埆涓 蟽X 鍜 蟽Y銆傝＄畻瀹冧滑镄勪箻绉 P = X * Y 镄勫潎鍊煎拰鏂瑰樊銆

瑙ｏ细

涔樻硶杩愮畻灏嗗艰嚧缁撴灉鍒嗗竷镄勫彉鍖栥备箻绉 P 镄勫潎鍊间负 渭P = 渭X * 渭Y锛屾柟宸涓 蟽P² = (渭X² * 蟽Y²) + (渭Y² * 蟽X²) + (蟽X² * 蟽Y²)銆

4. 闄ゆ硶杩愮畻锛

锅囱炬湁涓や釜镫绔嬬殑姝ｆ佸垎甯冨彉閲 X 鍜 Y锛屽潎鍊煎垎鍒涓 渭X 鍜 渭Y锛屾爣鍑嗗樊鍒嗗埆涓 蟽X 鍜 蟽Y銆傝＄畻瀹冧滑镄勫晢 Q = X / Y 镄勫潎鍊煎拰鏂瑰樊銆

瑙ｏ细

闄ゆ硶杩愮畻涔熷皢瀵艰嚧缁撴灉鍒嗗竷镄勫彉鍖栥傚晢 Q 镄勫潎鍊间负 渭Q = 渭X / 渭Y锛屾柟宸涓 蟽Q² = [(蟽X² * 渭Y²) + (渭X² * 蟽Y²)] / 渭Y^4銆

㈣ 标准正态分布的标准偏差

正态分布的标准差正态分布N～（μ，δ^2），方差D(x)=δ^2，E(x)=μ。

服从标准正态分布,通过查标准正态分布表就可以直接计算出原正态分布的概率值。μ维随机向量具有类似的概率规律时，随机向量遵从多维正态分布。

多元正态分布有很好的性质，例如，多元正态分布的边缘分布仍为正态分布，它经任何线性变换得到的随机向量仍为多维正态分布，特别它的线性组合为一元正态分布。

正态分布的特点：呈钟型，两头低，中间高，左右对称因其曲线呈钟形。

呈钟型，两头低，中间高，左右对称因其曲线呈钟形。

正态分布最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。

是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。