정규분포
위키백과 ― 우리 모두의 백과사전.
확률밀도함수 붉은 색은 표준정규분포 |
|
누적분포함수 확률밀도함수의 색과 같은 색 |
|
| 매개변수 | μ location (real) σ2 > 0 squared scale (real) |
| 받침 |  |
 |
|
| cdf |  |
| 기대값 | μ |
| 중앙값 | μ |
| 최빈값 | μ |
| 분산 | σ2 |
| 왜도 | 0 |
| 첨도 | 0 |
| 엔트로피 |  |
| mgf |  |
| 특성함수 |  |
정규분포(正規分布)는 많은 분야에 적용되는 매우 중요한 연속 확률 분포로, 가우스 분포라고도 한다.
정규분포는 2개의 매개 변수 평균 m과 표준편차 σ에 대해 모양이 결정되고, 이때의 분포를 N(m,σ2)로 표기한다. 특히, 평균이 0이고 표준편차가 1일 정규분포 N(0,1)을 표준정규분포라고 한다.
목차 |
[편집] 역사
정규분포는 드무아브르가 1733년 쓴 글에서 특정 이항 분포의 n이 클 때 그 분포의 근사치를 계산하는 것과 관련하여 처음 소개되었고 이 글은 그의 저서 《우연의 교의》 2판(1738년)에 다시 실렸다. 라플라스는 그의 저서 《확률론의 해석이론》(1812년)에서 이 결과를 확장하였고 이는 오늘날 드무아브르-라플라스의 정리로 알려져있다.
라플라스는 실험 오차를 분석하면서 정규분포를 사용했다. 1805년에는 르장드르가 매우 중요한 방법인 최소 제곱법을 도입했다. 가우스는 이 방법을 1794년부터 사용해왔다고 주장했는데 1809년에는 실험 오차가 정규분포를 따른다는 가정하에 최소 제곱법을 이론적으로 엄밀히 정당화했다.
이 분포가 최초의 발견자 이름을 따지 않고 가우스 분포로 불리는 것은 과학적 발견은 그 최초 발견자의 이름을 따지 않는다는 스티글러의 명명법칙의 한 예이다.
[편집] 성질
정규분포에서는 산술평균, 최빈값, 중앙값이 모두 같다.
[편집] 정규분포의 예
학교에서 학생들의 성적은 정규분포와 유사한 형태를 뛴다. 학생들의 키의 분포도 예가 된다. 공학에서 열에 의해서 발생하는 노이즈도 정규분포 형태를 뛴다.[출처 필요] 정규분포를 기반으로 하는 분포들로는 로그 정규분포, 레일레이 정규분포, 복소 정규분포등이 있다. 이중 복소 정규분포는 실수와 허수부분이 각각 독립적이고 동일하게 (i.i.d.) 정규분포 형태를 가질 때를 의미한다.
