标准正态分布_正态分布,正态分布如何变换为标准正态分布

本文介绍了正态分布,特别是当数学期望为μ,方差为σ^2时的正态分布,强调了标准正态分布(μ=0, σ=1)的特点。内容包括正态分布的概率密度函数,以及正态分布如何通过变换转化为标准正态分布。此外,还讨论了一维正态分布的性质,如两个独立正态变量的和与差仍服从正态分布的规则。" 84585711,7965221,阿里云ECS数据备份与恢复实践,"['阿里云', '云服务器ECS', '数据管理', '备份恢复']

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

正态分布(Normal distribution),又名高斯分布(Gaussian distribution)

若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布,记为N(μ,σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。当μ = 0, σ = 1时的正态分布是标准正态分布。

一维正态分布的概率密度函数为

50260fac395e8c77aa7a9362b2af204f.png

正太分布 变换 标准正太分布(均值为0,标准差为1)

其中

为正太分布分均值,
为正太分布的标准差,z为变化后的值。X为随意变量。
例如:2,3,4的均值为3,方差为
,标准差为

进行标准正太分布后,随机变量变为
,0,
,然后求均值为0,方差为1。

正态分布的一些性质:

(1)如果

69ecc5041bd6ae543075cdc367e101f6.png

且a与b是实数,那么

114ddd705c2a6b62799700065a2a610c.png

(2)如果

4ab6af2af875c0b39999f475315914be.png

9925283ab2d50dd854999f1e92acfdef.png

统计独立的正态随机变量,那么:

它们的和也满足正态分布

78c6bfbee47566be64adfbbb00807c43.png

它们的差也满足正态分布

5889459b2c6ffe31d60b566122bf35a4.png

U与V两者是相互独立的。(要求X与Y的方差相等)。

期望和方差的性质:

双木止月Tong:【“数”你好看】期望E(X)与方差Var(X)​zhuanlan.zhihu.com
410836550c435be19f1b2fdfc2463cf2.png
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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