我谈正态分布——正态&偏态

目录

正态分布的英文是Normal Distribution,normal是"正常"或"标准"的意思,中文翻译是正态,多完美的翻译,正态对应偏态,正态是指分布曲线左右对称,偏度为零。正态分布的峰度也为0。

话说现在的翻译真让人受不了,比如那个multi-head attention。head还有body是按身体的部位命名的,那可能是语言习惯,就像描述像素邻域,他们用north, south, southeast这样描述,但是我们用上、下,右下描述,如果中文用北、南、东南这样描述是不是很奇怪,语言习惯不一样。

不会翻译还不如不翻了,那些翻译为头的人到底有脑子吗?很烦那种不说人话的翻译。

言归正传

正态分布(Normal Distribution),也被称为高斯分布(Gaussian Distribution),是一种重要的连续型概率分布。它在自然和社会科学的许多领域中都有广泛的应用。

pdf和cdf

正态分布的概率密度函数可以表示为:
f ( x ) = 1 σ 2 π e − 1 2 ( x − μ σ ) 2 f(x) = \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2} f(x)=σ2π 1e−21(σx−μ)2

其中, x x x是随机变量, μ \mu μ是均值, σ \sigma σ是标准差。记为 X ∼ N ( μ , σ 2 ) X\sim N(\mu, \sigma^2) X∼N(μ,σ2)。

正态分布的图形是对称的,其形状像一个钟形曲线,均值(mean)、中位数(median)和众数(mode)都位于分布的中心点。大部分数据集中在平均值附近,随着离平均值距离的增加,数据出现的概率迅速减少。

正态分布 N ( μ , σ 2 ) N(\mu, \sigma^2) N(μ,σ2)的分布函数为

F ( x ) = 1 2 π σ ∫ − ∞ x e − ( t − μ ) 2 2 σ 2 d t F(x) = \frac{1}{\sqrt{2\pi}\sigma} \int_{-\infty}^{x} e^{-\frac{(t-\mu)^2}{2\sigma^2}} dt F(x)=2π σ1∫−∞xe−2σ2(t−μ)2dt

它是一条光滑上升的 S 形曲线。

参数

正态分布中的两个参数------均值 μ μ μ和标准差 σ σ σ如何影响正态分布图形的形状和位置。

  1. 如果固定 σ σ σ,改变 μ μ μ的值,则曲线沿 x 轴平移,而不改变其形状。也就是说正态密度函数的位置由参数 μ μ μ所确定,因此称 μ μ μ为位置参数

  2. 如果固定 μ μ μ,改变 σ σ σ的值,则分布的位置不变,但 σ σ σ愈小,曲线呈高且窄,数据更加集中于均值周围; σ σ σ愈大,曲线呈低且宽,数据较为分散。也就是说正态密度函数的尺度由参数 σ σ σ所确定,因此称 σ σ σ为尺度参数

总结,均值 μ μ μ决定分布的位置,而标准差 σ σ σ则决定了分布的宽度和数据的集中程度。

标准正态分布

设定随机变量 X X X服从正态分布 N ( μ , σ 2 ) N(\mu, \sigma^2) N(μ,σ2),并将其标准化为 U = X − μ σ U = \frac{X - \mu}{\sigma} U=σX−μ,使得 U U U服从标准正态分布 N ( 0 , 1 ) N(0, 1) N(0,1)。

对于标准正态分布(均值为0,标准差为1),概率密度函数为:
p ( z ) = 1 2 π e − z 2 2 p(z) = \frac{1}{\sqrt{2\pi}} e^{-\frac{z^2}{2}} p(z)=2π 1e−2z2

标准正态分布的累积分布函数:
Φ ( z ) = ∫ − ∞ z 1 2 π e − t 2 2   d t \Phi(z) = \int_{-\infty}^{z} \frac{1}{\sqrt{2\pi}} e^{-\frac{t^2}{2}} \, dt Φ(z)=∫−∞z2π 1e−2t2dt

期望和方差

好巧不巧,正态分布的两个参数正好是均值和标准差。正态分布就是那么完美。

假设 U U U服从标准正态分布 N ( 0 , 1 ) N(0, 1) N(0,1)

  1. 均值的计算

    • 计算 U U U的期望值 E ( U ) E(U) E(U):
      E ( U ) = 1 2 π ∫ − ∞ ∞ u e − u 2 2 d u E(U) = \frac{1}{\sqrt{2\pi}} \int_{-\infty}^{\infty} u e^{-\frac{u^2}{2}} du E(U)=2π 1∫−∞∞ue−2u2du
      由于被积函数是一个奇函数,其积分结果为零,即 E ( U ) = 0 E(U) = 0 E(U)=0。
    • 因此,根据 X = μ + σ U X = \mu + \sigma U X=μ+σU,可以得出 X X X的期望值 E ( X ) E(X) E(X):
      E ( X ) = μ + σ × 0 = μ E(X) = \mu + \sigma \times 0 = \mu E(X)=μ+σ×0=μ
    • 结论:正态分布 N ( μ , σ 2 ) N(\mu, \sigma^2) N(μ,σ2)的均值为 μ \mu μ。
  2. 方差的计算

    • 首先计算 U U U的方差 V a r ( U ) Var(U) Var(U)或者说是 U 2 U^2 U2的期望值 E ( U 2 ) E(U^2) E(U2):
      E ( U 2 ) = 1 2 π ∫ − ∞ ∞ u 2 e − u 2 2 d u E(U^2) = \frac{1}{\sqrt{2\pi}} \int_{-\infty}^{\infty} u^2 e^{-\frac{u^2}{2}} du E(U2)=2π 1∫−∞∞u2e−2u2du
      利用分部积分法,最终得到 E ( U 2 ) = 1 E(U^2) = 1 E(U2)=1。
    • 根据 X = μ + σ U X = \mu + \sigma U X=μ+σU,可以得出 X X X的方差 V a r ( X ) Var(X) Var(X):
      V a r ( X ) = V a r ( μ + σ U ) = σ 2 V a r ( U ) = σ 2 × 1 = σ 2 Var(X) = Var(\mu + \sigma U) = \sigma^2 Var(U) = \sigma^2 \times 1 = \sigma^2 Var(X)=Var(μ+σU)=σ2Var(U)=σ2×1=σ2
    • 结论:正态分布 N ( μ , σ 2 ) N(\mu, \sigma^2) N(μ,σ2)的方差为 σ 2 \sigma^2 σ2。

注意: E ( X ) = μ E(X) = \mu E(X)=μ、 V a r ( X ) = σ 2 Var(X) = \sigma^2 Var(X)=σ2,均值 μ \mu μ和方差 σ 2 \sigma^2 σ2是正态分布的参数,只是在正态分布中正好等于期望和方差,而 E ( X ) E(X) E(X)和 V a r ( X ) Var(X) Var(X)是统计量,注意分区概念。有些刊物真是离谱了。

例如,Rafael Gonzalez的《数字图像处理》,此外这个 a a a也真多余。

和这个

分布形态

对于一个连续随机变量 X X X,其概率密度函数 f ( x ) f(x) f(x)描述了 X X X在某个特定值 x x x处的概率密度。需要注意的是, f ( x ) f(x) f(x)不直接表示概率,而是表示概率的密度。

对于任意区间 [ a , b ] [a, b] [a,b],随机变量 X X X落在这个区间内的概率可以通过计算该区间上的曲线下面积来得到。数学上,这可以通过积分来表示:
P ( a ≤ X ≤ b ) = ∫ a b f ( x )   d x P(a \leq X \leq b) = \int_{a}^{b} f(x) \, dx P(a≤X≤b)=∫abf(x)dx

要计算 X X X落在某个区间 [ a , b ] [a, b] [a,b]内的概率,可以使用正态分布的累积分布函数(CDF):
P ( a ≤ X ≤ b ) = Φ ( b ) − Φ ( a ) P(a \leq X \leq b) = \Phi(b) - \Phi(a) P(a≤X≤b)=Φ(b)−Φ(a)

其中, Φ ( x ) \Phi(x) Φ(x)是正态分布的累积分布函数。

假设要计算标准正态分布中 Z Z Z落在 [ − 1 , 1 ] [-1, 1] [−1,1]区间内的概率。

  1. 计算 Φ ( 1 ) \Phi(1) Φ(1)
    Φ ( 1 ) = ∫ − ∞ 1 1 2 π e − t 2 2   d t ≈ 0.8413 \Phi(1) = \int_{-\infty}^{1} \frac{1}{\sqrt{2\pi}} e^{-\frac{t^2}{2}} \, dt \approx 0.8413 Φ(1)=∫−∞12π 1e−2t2dt≈0.8413

  2. 计算 Φ ( − 1 ) \Phi(-1) Φ(−1)
    Φ ( − 1 ) = ∫ − ∞ − 1 1 2 π e − t 2 2   d t ≈ 0.1587 \Phi(-1) = \int_{-\infty}^{-1} \frac{1}{\sqrt{2\pi}} e^{-\frac{t^2}{2}} \, dt \approx 0.1587 Φ(−1)=∫−∞−12π 1e−2t2dt≈0.1587

  3. 计算概率
    P ( − 1 ≤ Z ≤ 1 ) = Φ ( 1 ) − Φ ( − 1 ) = 0.8413 − 0.1587 = 0.6826 P(-1 \leq Z \leq 1) = \Phi(1) - \Phi(-1) = 0.8413 - 0.1587 = 0.6826 P(−1≤Z≤1)=Φ(1)−Φ(−1)=0.8413−0.1587=0.6826

因此,标准正态分布中 Z Z Z落在 [ − 1 , 1 ] [-1, 1] [−1,1]区间内的概率约为0.6826,即68.26%。

3 σ 3\sigma 3σ原则

  • 1 σ 1σ 1σ区间 :大约68.27%的数据点位于平均值 μ μ μ的一个标准差 σ σ σ的范围内,即在 ( μ − σ , μ + σ ) (μ - σ, μ + σ) (μ−σ,μ+σ)之间。
    P ( μ − σ < X < μ + σ ) ≈ 0.6827 P(μ - σ < X < μ + σ) ≈ 0.6827 P(μ−σ<X<μ+σ)≈0.6827
  • 2 σ 2σ 2σ区间 :大约95.45%的数据点位于平均值 μ μ μ的两个标准差 2 σ 2σ 2σ的范围内,即在 ( μ − 2 σ , μ + 2 σ ) (μ - 2σ, μ + 2σ) (μ−2σ,μ+2σ)之间。
    P ( μ − 2 σ < X < μ + 2 σ ) ≈ 0.9545 P(μ - 2σ < X < μ + 2σ) ≈ 0.9545 P(μ−2σ<X<μ+2σ)≈0.9545
  • 3 σ 3σ 3σ区间 :大约99.73%的数据点位于平均值 μ μ μ的三个标准差 3 σ 3σ 3σ的范围内,即在 ( μ − 3 σ , μ + 3 σ ) (μ - 3σ, μ + 3σ) (μ−3σ,μ+3σ)之间。
    P ( μ − 3 σ < X < μ + 3 σ ) ≈ 0.9973 P(μ - 3σ < X < μ + 3σ) ≈ 0.9973 P(μ−3σ<X<μ+3σ)≈0.9973

正态分布的3σ原则指出,正态分布随机变量取值落在三倍标准差之外的概率非常小,大约是0.27%(即100% - 99.73%)。

  • 落在 μ ± 3 σ μ±3σ μ±3σ之外的概率为 1 − 0.9973 = 0.0027 1 - 0.9973 = 0.0027 1−0.9973=0.0027或者说约为0.27%。

在实际应用中,由于这个概率非常小,通常认为这样的事件几乎不会发生。因此,在很多情况下,可以将区间 ( μ − 3 σ , μ + 3 σ ) (μ - 3σ, μ + 3σ) (μ−3σ,μ+3σ)视为正态分布随机变量的实际可能取值区间。这意味着在这个区间之外的值可以被视为异常值或者极端值。

这种处理方式简化了数据分析和决策制定的过程,尤其是在质量控制、过程改进等实际问题中, 3 σ 3σ 3σ原则提供了一种有效的方法来识别和处理异常数据点。这也就是所谓的正态分布的 3 σ 3σ 3σ原则。

matlab 复制代码
normcdf(1)-normcdf(-1)
normcdf(2)-normcdf(-2)
normcdf(3)-normcdf(-3)

正态和偏态

正态

正态分布的曲线是左右对称的,其形状像一个钟形曲线,均值(mean)、中位数(median)和众数(mode)都位于分布的中心点。

偏态

偏态分布是指数据分布不是对称的,而是偏向一侧。偏态可以是正偏(右偏)或负偏(左偏)。

  • 当分布曲线的尾巴向右延伸时,称为正偏态;在正偏态分布中,大多数数据值集中在左侧,而右侧有较长的拖尾。
  • 当分布曲线的尾巴向左延伸时,称为负偏态。而在负偏态分布中,大多数数据值集中在右侧,左侧有较长的拖尾。

瑞利分布

看瑞利分布,我喜欢这个分布,并不知道什么用,就是喜欢它的流线型。

对于参数为 σ \sigma σ的瑞利分布,其概率密度函数 (PDF) 可以表示为:
f ( x ; σ ) = x σ 2 e − x 2 / ( 2 σ 2 ) , x ≥ 0 f(x;\sigma) = \frac{x}{\sigma^2} e^{-x^2/(2\sigma^2)}, \quad x \geq 0 f(x;σ)=σ2xe−x2/(2σ2),x≥0

其中, σ > 0 \sigma > 0 σ>0是尺度参数。

  • 均值(期望):
    E ( X ) = σ π 2 E(X) = \sigma \sqrt{\frac{\pi}{2}} E(X)=σ2π

  • 方差:
    V a r ( X ) = ( 4 − π ) σ 2 2 Var(X) = \left( 4 - \pi \right) \frac{\sigma^2}{2} Var(X)=(4−π)2σ2

瑞利分布的均值和方差如何随着形状参数 σ \sigma σ的变化而变化。具体来说,当 σ \sigma σ增大时,均值和方差都会相应地增加。

偏度 (Skewness)

瑞利分布的偏度是正的,表明分布是右偏的。具体来说,偏度 γ 1 \gamma_1 γ1可以通过以下公式计算:
γ 1 = 2 π ( 4 − π 2 ) − 3 / 2 ≈ 0.6311 \gamma_1 = \sqrt{\frac{2}{\pi}} \left( \frac{4 - \pi}{2} \right)^{-3/2} \approx 0.6311 γ1=π2 (24−π)−3/2≈0.6311

峰度 (Kurtosis)

峰度描述了分布的尖峭程度,对于瑞利分布,其峰度 β 2 \beta_2 β2可以表示为:
β 2 = ( 4 − π 2 ) − 2 ⋅ ( 3 − 6 π 4 − π + π 2 2 ) ≈ 3.245 \beta_2 = \left( \frac{4 - \pi}{2} \right)^{-2} \cdot \left( 3 - \frac{6\pi}{4 - \pi} + \frac{\pi^2}{2} \right) \approx 3.245 β2=(24−π)−2⋅(3−4−π6π+2π2)≈3.245

这里,峰度是指四阶标准化矩,而超峰度(excess kurtosis)则是指峰度减去3,因此瑞利分布的超量峰度为:
Excess Kurtosis = β 2 − 3 ≈ 0.245 \text{Excess Kurtosis} = \beta_2 - 3 \approx 0.245 Excess Kurtosis=β2−3≈0.245

正态分布的偏度为0,峰度为3(超峰度为0),而瑞利分布的偏度为正值,峰度略大于3,这反映了它的分布形态特点。

比较

  • 对称性:正态分布是对称的,而偏态分布是非对称的。
  • 中心位置:在正态分布中,均值、中位数和众数都是相同的;而在偏态分布中,这三个统计量通常不同,且它们之间的关系可以用来判断偏态的方向。
相关推荐
哈市雪花4 小时前
图像处理 之 凸包和最小外围轮廓生成
图像处理·人工智能·图形学·最小外围轮廓·最小外包
如若1234 小时前
实现了图像处理、绘制三维坐标系以及图像合成的操作
图像处理·人工智能
思通数科AI全行业智能NLP系统9 小时前
六大核心应用场景,解锁AI检测系统的智能安全之道
图像处理·人工智能·深度学习·安全·目标检测·计算机视觉·知识图谱
命里有定数10 小时前
Paper -- 洪水深度估计 -- 利用图像处理和深度神经网络绘制街道照片中的洪水深度图
图像处理·人工智能·dnn·洪水深度·高度估计
蚂蚁没问题s15 小时前
图像处理 - 色彩空间转换
图像处理·人工智能·算法·机器学习·计算机视觉
KL's pig/猪头/爱心/猪头2 天前
在幸狐picomax SDK里面添加app
linux·图像处理
计算机科研之友(Friend)2 天前
【图像处理识别】数据集合集!
网络·图像处理·人工智能·计算机视觉·网络安全
jerry2011082 天前
图像预处理之图像滤波
图像处理·计算机视觉
testtraveler3 天前
形态学图像处理(Morphological Image Processing)
图像处理·python
如若1233 天前
实现了两种不同的图像处理和物体检测方法
图像处理·opencv·计算机视觉