作者:長行
時間:2019.03.15
統計學解釋
正態分佈:正態分佈(normal distribution),又稱高斯分佈;其概率密度(正態分佈曲線)呈鍾型,兩頭低,中間高,左右對稱。分佈如圖:
(圖片參見同名word文件)
其概率密度公式爲:
其中爲標準差,爲均值。
當,時稱隨機變量X服從標準正態分佈,其概率密度爲:
標準正態分佈的概率即爲φ(x)的標準正態分佈的概率密度的積分,也就是標準正態分佈的分佈函數的值。標準正態分佈的分佈函數如下:
實現思路
因爲標準正態分佈的概率密度爲超越函數(不可積積分),因此我們通過將被函數包圍的面積切分爲大量矩陣來計算它的積分。
因爲在計算機中我們不方便直接從-∞開始切分爲小矩形,所以對於x>0的情況,我們利用將轉化爲在區間(0,X)上的積分,再加上的0.5;對於x<0的情況,我們利用公式:
進行處理,將x<0的情況轉化爲x>0的情況。
實現代碼
import math
def normal_distribution(x):
#處理x<0(目標點在分佈中心左側)的情況
if x<0:
return 1-normal_distribution(-x)
if x=0:
return 0.5
#求標準正態分佈的概率密度的積分
s=1/10000
xk=[]
for i in range(1,x*10000):
xk.append(i*s)
integral=(fx_normal_distribution(0)+fx_normal_distribution(x))/2 #f(0)和f(x)各算一半
for each in xk:
integral+=fx_normal_distribution(each)
return 0.5+integral*s
def fx_normal_distribution(x):
return math.exp((-(x)**2)/2)/(math.sqrt(2*math.pi))
print(normal_distribution(1))
結果
0.8413447458669009