[Statistics 110] Lecture 13: Normal Distribution

Normal Distribution(정규분포)

Central Limit Theorem(중심극한정리)

적당히 많은 수의 i.i.d 확률변수를 더하면 더한 평균값의 분포는 정규분포에 수렴한다

대칭인 종모양의 pdf

평균이 0이고 분산이 1이면 표준정규분포 $Z \sim N(0,1^2)$.

PDF

$$ f(z) = ce^{-z^2/2} $$

c는 normalize constant로 적분을 통해 c값을 구해보자

$$ \int_{-\inf}^{\inf} e^{-z^2/2}dz $$

closed-form으로 적분식 풀이가 불가능

$$ \int_{-\inf}^{\inf} e^{-x^2/2}dx\int_{-\inf}^{\inf} e^{-y^2/2}dy \\=\int_{-\inf}^{\inf}\int_{-\inf}^{\inf} e^{-(x^2+y^2)/2}dxdy $$

위처럼 같은식을 2번 곱하는 식으로 바꾸고 전개를 시작

위 식을 $\theta, r$ 을 사용하는 극좌표계로 바꾸면 (r은 jacobian)

$$ \int_{0}^{2\pi}\int_{0}^{\inf} e^{-r^2/2}rdrd\theta \\ =\int_{0}^{2\pi}\int_{0}^{\inf} e^{-u}dud\theta \\ = \int_{0}^{2\pi}1d\theta =2\pi $$

원래 구하려던 적분식을 두번 곱한식의 결과이기 때문에 root를 씌우면 $\sqrt{2\pi}$이므로 정규화 상수 c는 $\frac{1}{\sqrt{2 \pi}}$

즉 PDF는

$$ f(z) = ce^{-z^2/2} = \frac{1}{\sqrt{2 \pi}} e^{-z^2/2} $$

표준정규분포를 따르는 확률변수 Z의 Expected value는 대칭성을 사용하여 쉽게 구할 수 있다

$$ E(X) = \frac{1}{\sqrt{2\pi}}\int_{-\inf}^{inf}ze^{-z^2/2}dz = 0 $$

integral 내부의 수식이 기함수(odd function)이기 때문에 적분값은 0이 된다.

Variance를 구하기 위해 아래 식을 먼저 풀어야 하는데 부분적분을 사용하여 식을 정리하면 1의 값이 나온다

$$ E(X^2) = \frac{1}{\sqrt{2\pi}}\int_{-\inf}^{inf}z^2e^{-z^2/2}dz = \frac{2}{\sqrt{2\pi}}\int_{0}^{inf}(z)(ze^{-z^2/2})dz = \frac{2}{\sqrt{2\pi}}[uv|^{\inf}_{0}\int{0}^{\inf}e^{-z^2/2}dz] = 1 $$

분산은 1 - 0 으로 1이다

 

Reference

[0] https://www.youtube.com/playlist?list=PL2SOU6wwxB0uwwH80KTQ6ht66KWxbzTIo 

Statistics 110: Probability