Funzione di Densità di Probabilità (PDF) della Distribuzione Normale

Core idea

Overview

Questa formula rappresenta la classica curva a campana Gaussiana, dove il picco è definito dalla media (μ) e la diffusione o larghezza è controllata dalla varianza (σ²). È la pietra angolare della statistica inferenziale, poiché il Teorema del Limite Centrale stabilisce che le somme di molte variabili casuali indipendenti tendono verso questa distribuzione. L'integrale di questa funzione su qualsiasi intervallo rappresenta la probabilità che la variabile casuale ricada all'interno di quell'intervallo.

When to use: Utilizzare questo per modellare fenomeni fisici, biologici o sociali in cui i punti dati si raggruppano attorno a una media centrale con deviazioni simmetriche.

Why it matters: Consente il calcolo di probabilità, test di ipotesi e stima di parametri in quasi tutti i campi scientifici e ingegneristici.

Symbols

Variables

x = Random Variable, $μ$ = Mean, $σ^{2}$ = Variance

x

Random Variable

Variable

μ

Mean

Variable

σ^{2}

Variance

Variable

Walkthrough

Derivation

Derivazione della Funzione di Densità di Probabilità (PDF) della Distribuzione Normale

La distribuzione normale viene derivata dal requisito che lo stimatore di massima verosimiglianza per la media di osservazioni indipendenti sia la media aritmetica, portando all'equazione funzionale di Gauss.

La funzione di densità di probabilità f(x) dipende solo dalla distanza dalla media.
La probabilità congiunta di osservazioni indipendenti è il prodotto delle loro probabilità individuali.
La funzione deve essere normalizzata in modo che l'area totale sotto la curva sia uguale a 1.

1

Formulazione dell'Equazione Funzionale

Assumendo che il valore più probabile per la media sia la media aritmetica, il prodotto delle densità deve essere una funzione della somma dei quadrati delle osservazioni.

f (x_{1}) f (x_{2}) ... f (x_{n}) = ϕ (\sum x_{i}^{2})

Note: Questo è spesso chiamato derivazione di Gauss basata sul postulato della media aritmetica.

2

Soluzione tramite Differenziazione Logaritmica

Prendendo il logaritmo naturale di entrambi i lati, il prodotto si trasforma in una somma, il che implica che la derivata deve essere lineare, portando alla forma f(x) = Ce^{ax^2}.

ln (f (x_{1})) + ln (f (x_{2})) + ... + ln (f (x_{n})) = ln (ϕ (\sum x_{i}^{2}))

Note: Identifichiamo 'a' come negativo per garantire che la funzione decada all'aumentare di |x|.

3

Determinazione delle Costanti

Utilizziamo l'identità dell'integrale Gaussiano per trovare la costante di normalizzazione C, assicurando che la probabilità totale si integri a 1.

\int_{- \infty}^{\infty} C e^{- k (x - μ)^{2}} d x = 1

Note: Ricorda che l'integrale di $e^{- x^{2}}$ è la radice quadrata di pi.

4

Normalizzazione Finale

Sostituendo la varianza sigma-quadrato per il parametro di dispersione si ottiene la forma standard della PDF normale.

f (x) = \frac{1}{2 π σ ^{2}} e^{- \frac{( x - μ ) ^{2}}{2 σ ^{2}}}

Note: Questa forma finale soddisfa la proprietà che la distribuzione è centrata su mu con varianza sigma-quadrato.

Result

f (x) = \frac{1}{2 π σ ^{2}} e^{- \frac{( x - μ ) ^{2}}{2 σ ^{2}}}

Source: Gauss, C. F. (1809). Theoria motus corporum coelestium.

Free formulas

Rearrangements

Solve for $x$

Isolare x

x = μ \pm - 2 σ^{2} ln (f (x ∣ μ, σ^{2}) 2 π σ^{2})

Isola la variabile x prendendo il logaritmo naturale ed eseguendo operazioni algebriche.

Difficulty: 3/5

Solve for $μ$

Isolare $μ$

μ = x \mp - 2 σ^{2} ln (f 2 π σ^{2})

Riorganizza l'equazione per isolare mu.

Difficulty: 3/5

Solve for $σ^{2}$

Isolare $σ^{2}$

σ^{2} = - \frac{( x - μ ) ^{2}}{W ( - 2 π f ^{2} ( x - μ ) ^{2} )}

Risolvi la varianza utilizzando la funzione Lambert W o metodi iterativi poiché $σ^{2}$ appare sia nella base che nell'esponente.

Difficulty: 4/5

The static page shows the finished rearrangements. The app keeps the full worked algebra walkthrough.

Why it behaves this way

Intuition

Immagina una catena montuosa fisica creata lasciando cadere sabbia su una superficie piana. La cima (la media) è dove si accumula la maggior parte della sabbia, e l'altezza diminuisce esponenzialmente man mano che ci si allontana dal centro. La curva è una forma 'ponderata dalla gravità' in cui la pendenza dei versanti è controllata dalla dispersione della sabbia; un cumulo ampio (grande varianza) è dolce, mentre un picco alto e magro (piccola varianza) è ripido.

Term

Funzione di Densità di Probabilità

La prima voce (f(x | μ, σ²)) in Derivazione della Funzione di Densità di Probabilità (PDF) della Distribuzione Normale va letta come il dato che aggancia il testo al modello matematico: prima si decide se sia nota o cercata, poi si controlla come modifica scala, verso e interpretazione del risultato.

Term

Media (Valore Atteso)

Nella seconda voce (μ) di Derivazione della Funzione di Densità di Probabilità (PDF) della Distribuzione Normale, il punto pratico consiste nel seguire il passaggio dall'enunciato alla formula; questa quantita non e una lettera isolata, ma un contributo coerente con ipotesi e unita.

Term

Varianza

Usa la terza voce (σ²) in Derivazione della Funzione di Densità di Probabilità (PDF) della Distribuzione Normale per verificare quale parte del sistema sta cambiando. Se il suo valore aumenta o diminuisce, la relazione indica quale effetto attendersi sul calcolo finale.

Term

Numero di Eulero

Per la quarta voce (e) dentro Derivazione della Funzione di Densità di Probabilità (PDF) della Distribuzione Normale, separa significato fisico e manipolazione algebrica: il simbolo entra nella formula solo dopo aver chiarito contesto, misura e vincoli del problema.

Signs and relationships

-(x - μ)²: Prima spiegazione: il vincolo -(x - μ)² in Derivazione della Funzione di Densità di Probabilità (PDF) della Distribuzione Normale stabilisce quale operazione e ammessa e quale lettura va evitata. Prima di usare il risultato numerico, controlla verso, uguaglianza o condizione limite e mantieni coerente il significato della relazione.
1 / sqrt(2πσ²): Seconda spiegazione: il vincolo 1 / sqrt(2πσ²) in Derivazione della Funzione di Densità di Probabilità (PDF) della Distribuzione Normale stabilisce quale operazione e ammessa e quale lettura va evitata. Prima di usare il risultato numerico, controlla verso, uguaglianza o condizione limite e mantieni coerente il significato della relazione.

One free problem

Practice Problem

Per una distribuzione normale con una media (μ) di 0 e una varianza (σ²) di 1, calcola la densità f(x) in x = 0.

Hint: Ricorda che $e^{0}$ = 1 e l'espressione si semplifica in 1/sqrt(2π).

The full worked solution stays in the interactive walkthrough.

Where it shows up

Real-World Context

Le altezze degli uomini adulti in una specifica popolazione, che si raggruppano attorno a un'altezza media con una deviazione standard prevedibile.

Study smarter

Tips

Ricordare che l'area totale sotto la curva è sempre esattamente 1.
Usare la distribuzione normale standard (Punteggio Z) impostando μ=0 e σ=1 per semplificare calcoli complessi.
Notare che circa il 68%, 95% e 99,7% dei dati ricade entro 1, 2 e 3 deviazioni standard dalla media, rispettivamente.

Avoid these traps

Common Mistakes

Confondere la deviazione standard (σ) con la varianza (σ²).
Supporre che il valore della PDF sia una probabilità stessa, piuttosto che una densità (la probabilità di un punto esatto è 0).

Keep going

Related Formulas

Common questions

Frequently Asked Questions

La distribuzione normale viene derivata dal requisito che lo stimatore di massima verosimiglianza per la media di osservazioni indipendenti sia la media aritmetica, portando all'equazione funzionale di Gauss.

Utilizzare questo per modellare fenomeni fisici, biologici o sociali in cui i punti dati si raggruppano attorno a una media centrale con deviazioni simmetriche.

Consente il calcolo di probabilità, test di ipotesi e stima di parametri in quasi tutti i campi scientifici e ingegneristici.

Confondere la deviazione standard (σ) con la varianza (σ²). Supporre che il valore della PDF sia una probabilità stessa, piuttosto che una densità (la probabilità di un punto esatto è 0).

Le altezze degli uomini adulti in una specifica popolazione, che si raggruppano attorno a un'altezza media con una deviazione standard prevedibile.

Ricordare che l'area totale sotto la curva è sempre esattamente 1. Usare la distribuzione normale standard (Punteggio Z) impostando μ=0 e σ=1 per semplificare calcoli complessi. Notare che circa il 68%, 95% e 99,7% dei dati ricade entro 1, 2 e 3 deviazioni standard dalla media, rispettivamente.

References

Sources

Feller, W. (1968). An Introduction to Probability Theory and Its Applications.
Ross, S. M. (2014). A First Course in Probability.
Gauss, C. F. (1809). Theoria motus corporum coelestium.

Overview

Variables

Derivation

Formulazione dell'Equazione Funzionale

Soluzione tramite Differenziazione Logaritmica

Determinazione delle Costanti

Normalizzazione Finale

Rearrangements

Intuition

Practice Problem

Real-World Context

Tips

Common Mistakes

Related Formulas

Standard Normal Distribution

Frequently Asked Questions

Sources