混合高斯分布概率密度函数超过3倍标准差的概率分析

本文使用 MATLAB 模拟了混合高斯分布的概率密度函数，并分析了在不同标准差下样本超过 3 倍标准差的概率。

假定混合高斯分布由两个高斯分布组成：

$$ f(x) = \frac{1}{2\sigma_1\sqrt{2\pi}}\exp\left(-\frac{(x-\mu_1)^2}{2\sigma_1^2}\right) + \frac{1}{2\sigma_2\sqrt{2\pi}}\exp\left(-\frac{(x-\mu_2)^2}{2\sigma_2^2}\right) $$

其中 $\mu_1$ 和 $\mu_2$ 是两个高斯分布的均值，$\sigma_1$ 和 $\sigma_2$ 是它们的标准差。假定 $\sigma_1 = 1$，并在不同的 $\sigma_2$ 下进行模拟。

使用 MATLAB 的 normrnd 函数生成样本，并统计超过 $3\sigma$ 的概率。代码如下：

% 生成模拟数据
mu1 = -2;
mu2 = 2;
sigma1 = 1;
sigma2 = 2;
epsilon = 0.01;
N = 10000;
x = [normrnd(mu1, sigma1, N/2, 1); normrnd(mu2, sigma2, N/2, 1)];

% 绘制概率密度函数
t = linspace(mu1-5*sigma2, mu2+5*sigma2, 1000);
f = 0.5*normpdf(t, mu1, sigma1) + 0.5*normpdf(t, mu2, sigma2);
plot(t, f, 'LineWidth', 2);
xlabel('x');
ylabel('f(x)');
title(sprintf('Mixed Gaussian PDF (%.2f, %.2f, %.2f, %.2f)', mu1, mu2, sigma1, sigma2));

% 统计超过 3 sigma 的概率
threshold = mu1 - 3*sigma2;
p = sum(x < threshold) / N;
fprintf('P(x < %.2f) = %.4f\n', threshold, p);

当 $\sigma_2 = 2$，$\sigma_1 = 1$ 时，超过 $3\sigma$ 的概率非常小，为 0。如果将 $\sigma_2$ 增大到 3，超过 $3\sigma$ 的概率约为 0.27%。随着 $\sigma_2$ 的增大，概率会进一步增大。

该分析结果表明，混合高斯分布的标准差对样本超过 $3\sigma$ 的概率有显著影响。在实际应用中，需要根据具体情况选择合适的标准差，以确保结果的可靠性。

该分析方法可用于各种需要分析概率分布的领域，例如信号处理、金融分析和机器学习等。