本公众号【读芯树:duxinshu_PD】主要介绍数字集成电路物理设计相关知识,才疏学浅,如有错误,欢迎指正交流学习。 这是集成电路物理设计的第五个系列【signoff】的第十篇文章,本篇文章主要介绍POCV(SOCV) 正态分布相关内容: 什么是正态分布? 正态分布又叫高斯分布(Gaussian Distribution)。 若随机变量X服从一个数学期望u,方差为a2的正态分布,记为N(u, a2),其概率密度函数为正态分布,期望值u决定了其分布位置,标准差决定了分布的集中程度(胖瘦)。
标准正态分布:当u=0, a=1时,该正态分布符合标准正态分布。 如果X~N(u, a2),Y=(X-u)/a~N(0,1),则可以将普通正态分布变换为标准正态分布。
正态分布
协方差与相关系数
协方差:若E{[X-E(X)][Y-E(Y)]}存在,则称其为X与Y的协方差,记为Cov(X, Y)。协方差的大小在一定程度上反映了X和Y之间的相互关系。 当X与Y相互独立时,Cov(X, Y)=0 Var(X+Y) = Var(X) + Var(Y) + 2Cov(X, Y)
相关系数:设Var(X)>0,Var(Y)>0,则称p(XY)为随机变量X和Y的相关系数。 当X和Y独立时,Cov(X,Y)=0,p=0
累积分布函数
概率密度函数
当C=0,n=1的1阶矩(moments)是连续随机变量的数学期望,表示位置。
当C=0,n=2的2阶矩(moments)是连续随机变量的方差,表示胖瘦。 当C=0,n=3的3阶矩(moments)是连续随机变量的偏度(skewness),表示随机变量与中心分布的不对称程度,向右偏斜为负,向左偏斜为正。
当C=0,n=4的4阶矩(moments)是连续随机变量的峰度(kurtosis),表示随机变量在均值附近的相对平坦程度或峰值程度。 参考文献 https://www./kurtosis-skewness-%E4%B8%AD%E6%96%87-%E5%B3%B0%E5%BA%A6/
|