相互独立的正态分布函数相加减，还是正态分布么？均值和方差的是怎样的？

转载 已于 2022-06-22 09:16:05 修改 · 7.4w 阅读 · 20 ·
CC 4.0 BY-SA版权
原文链接：https://zhidao.baidu.com/question/126807195.html?qbl=relate_question_0&word=%D5%FD%CC%AC%B7%D6%B2%BC%CF%E0%BC%D3%BC%F5%B9%E6%D4%F2
文章标签：

#概率论

于 2021-09-07 20:27:34 首次发布
本文探讨了正态分布的特性，指出当两个独立的正态分布相加或相减时，结果仍保持正态分布。例如，若X服从N(a,b)，Y服从N(c,d)，则X+Y服从N(a+c, b+d)，X-Y服从N(a-c, b+d)。这一性质在统计学和概率论中有广泛应用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

两个正态分布相加减后，仍然是正态分布。
比方说X服从N(a,b)，Y服从N(c,d)，
那么X+Y服从N（a+c，b+d）X-Y服从N（a-c，b+d）。

只有相互独立的正态分布加减之后，才是正态分布。如果两个相互独立的正态分布XN(u1,m)，YN(u2，n)，那么Z=X±Y仍然服从正太分布，Z~N(u1±u2，m+n)。

两个卡方分布之和_正态分布样本均值和样本方差的独立性
weixin_39565300的博客
11-17 3461
前记：假期开始后，主要精力放在了科研上，最近终于抽点时间写点更新。在数理统计的学习中，有一个重要的结论，即对于正态分布而言，样本均值和样本方差是独立的。这个结论初看起来是有些让人吃惊的，因为直观上样本方差依赖于样本均值。对此结论，很多教材一般通过构造正交变换来进行论证。但这种证明方式技巧性较强，不易于被学生理解和掌握。本文尝试对此结论给出一个简易的证明。定理： 设随机样本服从正态分布，样本均值且样...
matlab正态分布噪声,用MATLAB产生正态分布随机噪声来测量直扩系统抗噪性能
weixin_36088083的博客
03-24 2630
本文提出了一种产生正态分布随机噪声的设计方案。即利用MATLAB软件的仿真功能来产生若干正态分布随机噪声,然后以数据文件的形式将其存储在EPROM中并在地址发生器作用下输出噪声,以定量检验直接序列扩频系统(DSSS)的抗干扰能力。最后给出了仿真信号波形和实验信号波形。目前,扩频技术因其良好的抗干扰能力及低截获概率性,因而在通信领域得到了广泛的应用。直接序列扩频是扩频技术的一种主要方式,它是用PN码...
两个均匀分布相加、两个正态分布相加、由均匀分布生成正态分布
Daisy_D99的博客
07-10 1万+
两个均匀分布相加、两个正态分布相加、由均匀分布生成正态分布
两个独立的正态分布的和仍然为正态分布的证明
weixin_40064300的博客
03-14 9311
正态分布的和
3、正态分布 / 高斯分布
manyuan4374的博客
05-13 2784
正态分布（Normal Distribution）和高斯分布（Gaussian Distribution）实际上是同一个概率分布的不同叫法。它们指的是同一种连续概率分布，这种分布在自然科学和社会科学的许多领域中都非常常见，因其钟形曲线而得名“钟形曲线”。正态分布的概率密度函数（Probability Density Function, PDF）由下式给出： 对称性：正态分布关于其均值 ( μ ) 对称，即均值、中位数和众数相同：在正态分布中，均值、中位数和众数都重合于 ( μ )。68-95-99.7 规则
【笔记】独立的高斯（正态）分布随机变量之间计算均值和方差方法：两个独立的随机变量相加减，均值相加减但方差均相加；它们如果分别乘以系数 a 和 b，即 Z=aX+bY,方差计算时系数需要分别取平方
nyist_yangguang的博客
10-17 1537
的情况下，其结果不再是正态分布，它会形成一个更复杂的分布。具体的均值和方差不能简单地通过像加法那样直接计算。这是因为正态分布随机变量相乘的行为与线性组合（加法、减法）不同。两个独立正态分布随机变量。
10 ，正态分布，期望，方差 ：
孙砚秋的博客
06-15 2万+
1 ， 正态分布 ： 公式 ： 图 ： 意义 ： μ ： 平均数 derta ： 标准差 2 ，期望 ： 射手打中几环的概率 ： 期望 ： 假设打 100 次，他大概能射中的平均分数是多少 ？
均匀分布叠加与正态分布叠加
rosefun96的博客
01-13 4万+
1 理论 2 实践 均匀分布生成一个标准正态分布 import numpy as np import matplotlib.pyplot as plt #-1~1 uniform u = 2*np.random.uniform(size=30000)-1 normal_rv = [300 * np.mean(2*np.random.uniform(size=30000)-1) for i in r...
【读书笔记-＞统计学】09-01 将正态分布运用到其他概率分布-正态分布的相加、线性变换与独立观察结果概念简介
小明2766的博客
05-01 4953
将正态分布运用到其他概率分布 正态分布的相加 假设一个情境：德克想到了“爱情过山车”的创意，让新婚夫妇在过山车上办婚礼。在这之前，需要确保他所设想的特别座驾能够承载新郎和新娘的重量。他设想的座驾最多承载380磅的重量，求新郎和新娘综合体重不超过这个重量的概率是多少？ 假设新娘的体重符合正态分布N(150, 400)，新郎的体重符合N(190, 500)，单位为“磅”。 正态新娘+正态新郎 新郎和新娘的体重符合正态分布，如下所示： 我们要求的是新郎和新娘的综合概率分布，即，要求新郎与新娘之和的概率分布。
2021届高考数学一轮复习第11章计数原理概率随机变量及其分布第8节离散型随机变量的均值与方差正态分布课时跟踪检测理含解析20210203194
08-07
本资料涉及的是高中数学的一轮复习内容，特别是关于计数原理、概率、随机变量及其分布的专题，重点讲解了离散型随机变量的均值与方差以及正态分布。以下是对这部分内容的详细解释： 1. **离散型随机变量的均值与...
独立正态分布是什么
最新发布
06-05
\( X_1 \sim N(\mu_1, \sigma_1^2) \) 和 \( X_2 \sim N(\mu_2, \sigma_2^2) \) 是两个独立的正态分布随机变量，则它们的线性组合 \( aX_1 + bX_2 \) 仍然服从正态分布，其均值为 \( a\mu_1 + b\mu_2 \)，方差为 ...
verilog实现2-ASK调制解调
05-07
使用verilog HDL硬件语言实现2-ASK 的调制解调
randMat:在给定范围内均匀生成随机数或匹配给定正态分布-matlab开发
06-01
randMat：生成在指定区间 [a,b] 上具有均匀或正态分布的随机数矩阵，或者对于任意数量的 a,b 对具有特定的均值 (a) 和方差 (b)。 对于均匀分布，MATLAB 函数 rand() 返回的值乘以 (ba)，然后添加到 a。 对于正态分布...
正态分布的一些事儿
Coix的专栏
08-04 7842
本文整理了正态分布的一些常用的性质，以供备忘之用。目录概念 概率密度函数 分布函数 特殊情况标准正态分布 性质 相关matlab函数 概念概率密度函数若连续型随机变量XX的概率密度为 f(x)=12π−−√σe−(x−μ)22σ2,−∞<x<+∞f(x)= \frac{1}{\sqrt{2 \pi} \sigma}e^{-\frac{(x-\mu)^{2}}{2\sigma^{2}}},-\inf
Head First Statistics night 正态分布的运算
你不要担心
05-07 6986
两个独立的正态分布相加还是正态分布 正态分布的运算可分为独立变量的运算和线性变化的运算 独立变量意为独立观察结果是数据的数量发生变化，两个正态分布相加的结果就是两个期望相加减与两个方差相加减：X±YX±YX\pm Y ~ N(μx±μy,σ2x±σ2y)N(μx±μy,σx2±σy2)N(\mu _{x}\pm \mu _{y},\sigma ^{2}_{x}\pm \sigma ^{2}_{...
【概率论】正态分布的叠加性和正态分布的标准化
热门推荐
sxl的博客
11-19 5万+
  正态分布又称为高斯分布，它在机器学习和深度学习中非常常用。如正态分布的叠加性和正态分布的标准化等，在VAE模型中重参技巧就用到了正态分布知识，特别是在高维数据中高维的正态分布更是常用。因此，准备梳理一下相应的知识，其中内容多有参考其他博客，一并在参考文献中给出链接。  正态分布（Normal distribution），又名高斯分布（Gaussian distribution）。若随机变量XXX服从一个数学期望（均值）为μμμ、方差为σ2σ^2σ2的正态分布，记为N(μ,σ2)N(μ, σ^2)N(μ,
高斯随机变量相加得到高斯随机变量的证明
05-12 1万+
假设X∼N(a,A)X\sim \mathcal{N}(a,A), Y∼N(b,B)Y\sim \mathcal{N}(b,B), 并且XX 与 YY相互独立, 证明 nX+mY∼N(na+mb,n2A+m2B)\begin{equation} nX+mY\sim N(na+mb,n^2A+m^2B) \end{equation} 其中m,nm, n是任意常数，以下分两步给出证明。(1) 假设X
概率论总结(3)——高斯分布(正太分布)
feidaji的博客
08-09 9108
一元高斯分布(正太分布) 标准高斯分布(标准正太分布) 二维高斯分布 多维高斯分布 高斯分布的四则运算 加减法运算 乘除运算 ...
两个高斯分布相加（卷积）的理论推导
chaosir的专栏
06-25 4万+
本文主要推导两个高斯分布的相加结果。在知乎上有个问题：**正态分布随机变量的和还是正态分布吗？** 也是本文主要解决的问题。 直觉中，两个高斯（正态）随机变量的和似乎应该是两个概率密度函数的和，如下图所示，其结果就近似为两个概率密度的包络线，这明显是错误的，是用直觉推导数学，大错特错。 在解决此问题前，我们需要搞清楚两个高斯函数的和的物理意义，这里用经典的投骰子作为为例子更好理解。 离散卷积：投骰子 - 同时投求两个骰子所的点数相加得4的概率是多少？ 则其结果为 p1(1)p2(3)+p1(2.
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值