이번 페이지에서는 이론적으로 가장 중요한 분포인 normal distribution(정규 분포)에 대하여 알아본다. 또 다른 이름으로 Gauss distribution(가우스 분포), Gaussian distribution(가우시안 분포), Laplace-Gauss distribution(라플라스-가우스 분포) 등의 이름으로 부른다. normal distribution의 응용 범위는 자연과학, 공학, 사회과학의 모든 영역에 걸쳐 있을 정도로 광범위 하므로 이 페이지에서 모든 것을 다루는 것은 불가능하다. 이 페이지에서는 normal distribution의 정의와 pdf, 평균, 분산 등만 살펴보도록 한다.
#Normal Distribution
실수
랜덤 변수
#Gaussian Integral
실제로
첫번째 조건은 확률이 음수가 될 수 없다는 의미이고, 두번째 조건은 모든 확률을 더하면 1이 된다는 뜻이다. exponential 함수는 양수 함수이므로 첫번째 조건은 자연스럽게 만족된다. 두번째 조건을 만족하기 위해서는 다음을 보여야 한다.
적분을 간단히 하기 위해서 새로운 변수
THEOREM Gaussian Integral
가장 이해하기 쉬운 증명은 극좌표를 이용한 것이다.
먼저 식
이 적분은 좌표평면 전체에 대한 적분이 된다.
이를 극좌표로 다시 나타내보자.
이 기본 단위를 먼저
그리고 직교좌표와 극좌표의 관계
를 이용하면,
이므로
변수를 치환하여 다음과 같은 결론을 얻을 수 있다.
COROLLARY
#Moment Generating Function of Normal Distribution
Normal distribution에서 mgf를 구하는 것이 크게 어렵지 않으므로, 이를 이용해 평균과 분산을 구하도록 하자. Mgf는 정의로부터 4
이 때,
이므로, 식
이고, 마지막 적분은 Gaussian integral이므로
을 얻을 수 있다.
#Mean of Normal Distribution
Mgf를
이므로
따라서 normal distribution의 평균은 parameter
#Variance of Normal Distribution
Mgf를
이므로
따라서 normal distribution의 분산은
임을 알 수 있다.
#Graph of Normal Distribution
식
다른 parameter
이러한 사실들을 그래프에서 직접 확인할 수 있다.
Inductiveload / Public domain via Wikimedia
같은
- 여러 normal distribution을 다룰때는 혼동되지 않도록 parameter를 명시해 주는것이 좋다. [본문으로]
- 1.6 확률 질량 함수, 확률 밀도 함수 Probability Mass Function, Probability Density Function 참고. [본문으로]
- 정적분은 구분구적법의 극한이다. [본문으로]
- 2.3 분산, 모멘트 생성 함수 Variance, Moment Generating Functions 참고. [본문으로]
'Mathematics > 통계학' 카테고리의 다른 글
[통계학] 4.1 다중 랜덤 변수 Multiple Random Variables (0) | 2021.02.15 |
---|---|
[통계학] 2.2-(1) 최빈값, 중앙값 Mode, Median (0) | 2021.02.13 |
[통계학] 3.7-① 표준 정규 분포 Standard Normal Distribution (0) | 2020.10.07 |
[통계학] 3.6 균등 분포 Uniform Distribution (0) | 2020.08.17 |
[통계학] 3.5 음이항 분포, 기하 분포 Negative Binomial Distribution, Geometric Distribution (0) | 2020.07.31 |
[통계학] 3.4 초기하 분포 Hypergeometric Distribution (0) | 2020.07.25 |