|
本公眾號【讀芯樹：duxinshu_PD】主要介紹數(shù)字集成電路物理設計相關知識，才疏學淺，如有錯誤，歡迎指正交流學習。 這是集成電路物理設計的第五個系列【signoff】的第十篇文章，本篇文章主要介紹POCV(SOCV) 正態(tài)分布相關內(nèi)容： 什么是正態(tài)分布? 正態(tài)分布又叫高斯分布（Gaussian Distribution）。 若隨機變量X服從一個數(shù)學期望u，方差為a2的正態(tài)分布，記為N（u, a2），其概率密度函數(shù)為正態(tài)分布，期望值u決定了其分布位置，標準差決定了分布的集中程度（胖瘦）。 
標準正態(tài)分布：當u=0, a=1時，該正態(tài)分布符合標準正態(tài)分布。 如果X~N(u, a2)，Y=(X-u)/a~N(0,1)，則可以將普通正態(tài)分布變換為標準正態(tài)分布。
正態(tài)分布
協(xié)方差與相關系數(shù)
協(xié)方差：若E{[X-E(X)][Y-E(Y)]}存在，則稱其為X與Y的協(xié)方差，記為Cov(X， Y)。協(xié)方差的大小在一定程度上反映了X和Y之間的相互關系。 當X與Y相互獨立時，Cov(X, Y)=0 Var(X+Y) = Var(X) + Var(Y) + 2Cov(X, Y)
相關系數(shù)：設Var(X)>0，Var(Y)>0，則稱p(XY)為隨機變量X和Y的相關系數(shù)。 當X和Y獨立時，Cov(X，Y)=0，p=0
累積分布函數(shù)
概率密度函數(shù) 
當C=0，n=1的1階矩(moments)是連續(xù)隨機變量的數(shù)學期望，表示位置。
當C=0，n=2的2階矩(moments)是連續(xù)隨機變量的方差，表示胖瘦。 
當C=0，n=3的3階矩(moments)是連續(xù)隨機變量的偏度(skewness)，表示隨機變量與中心分布的不對稱程度，向右偏斜為負，向左偏斜為正。 
當C=0，n=4的4階矩(moments)是連續(xù)隨機變量的峰度(kurtosis)，表示隨機變量在均值附近的相對平坦程度或峰值程度。 
參考文獻 https://www./kurtosis-skewness-%E4%B8%AD%E6%96%87-%E5%B3%B0%E5%BA%A6/
|
