证明正态分布经过z变换之后变成了标准正态分布
时间: 2023-10-23 10:42:58 浏览: 61
根据z变换的定义,对于一个连续随机变量X,其z变换为:
$$Z_X(s)=\int_{-\infty}^{\infty} e^{-st}f_X(t)dt$$
其中,$f_X(t)$为X的概率密度函数。
对于正态分布,其概率密度函数为:
$$f_X(x)=\frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x-\mu)^2}{2\sigma^2}}$$
将其代入z变换中:
$$\begin{aligned} Z_X(s) &= \int_{-\infty}^{\infty} e^{-st}\frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x-\mu)^2}{2\sigma^2}}dt \\ &= \frac{1}{\sigma\sqrt{2\pi}}\int_{-\infty}^{\infty} e^{-st-\frac{(x-\mu)^2}{2\sigma^2}}dt \end{aligned}$$
将指数项中的二次项改写为完全平方:
$$\begin{aligned} st+\frac{(x-\mu)^2}{2\sigma^2} &= \frac{1}{2\sigma^2}(2\sigma^2s+(x-\mu)^2) \\ &= \frac{1}{2\sigma^2}((x-\mu)^2+2\sigma^2s) \end{aligned}$$
将上式代入z变换式中:
$$Z_X(s) = \frac{1}{\sigma\sqrt{2\pi}}\int_{-\infty}^{\infty} e^{-\frac{1}{2\sigma^2}((x-\mu)^2+2\sigma^2s)}dt$$
将指数项中的二次项改写为完全平方:
$$\begin{aligned} \frac{1}{2\sigma^2}((x-\mu)^2+2\sigma^2s) &= \frac{(x-\mu)^2}{2\sigma^2}+s \\ &= \frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2 + s - \frac{1}{2}\left(\frac{\mu}{\sigma}\right)^2 \end{aligned}$$
将上式代入z变换式中:
$$Z_X(s) = e^{-\frac{1}{2}\left(\frac{\mu}{\sigma}\right)^2}\int_{-\infty}^{\infty} \frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2}e^{s\sigma^2}dt$$
上式中的积分项为标准正态分布的概率密度函数,即:
$$\int_{-\infty}^{\infty} \frac{1}{\sqrt{2\pi}}e^{-\frac{1}{2}t^2}dt = 1$$
因此:
$$Z_X(s) = e^{-\frac{1}{2}\left(\frac{\mu}{\sigma}\right)^2}e^{s\sigma^2}$$
上式中的指数项为标准正态分布的z变换形式。因此,正态分布经过z变换之后变成了标准正态分布。