2个回答
展开全部
一般来说
如果独立的随机变量X_i~N(a_i,b_i^2) i=1,2,,...,n
那么X_1+...+X_n服从正态分布N(a_1+...+a_n , b_1^2+...+b_n^2)
这一事实可以通过概率特征函数得到
如果没有学过的话,可以通过归纳法得到
就是计算两个正态分布的和,然后归纳到n的情形。
如果独立的随机变量X_i~N(a_i,b_i^2) i=1,2,,...,n
那么X_1+...+X_n服从正态分布N(a_1+...+a_n , b_1^2+...+b_n^2)
这一事实可以通过概率特征函数得到
如果没有学过的话,可以通过归纳法得到
就是计算两个正态分布的和,然后归纳到n的情形。
本回答被提问者采纳
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
展开全部
Φ(x)=1/2+(1/√π)*∑(-1)^n*(x/√2)^(2n+1)/(2n+1)/n! 其中n从0求和到正无穷因为正态分布是超越函数,所以没有原函数,只能用级数积分的方法。
正态分布(Normal distribution)又名高斯分布(Gaussian distribution),是一个在数学、物理及工程等领域都非常重要的概率分布,在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、方差为σ^2的高斯分布,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。因其曲线呈钟形,因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。
正态分布(Normal distribution)又名高斯分布(Gaussian distribution),是一个在数学、物理及工程等领域都非常重要的概率分布,在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、方差为σ^2的高斯分布,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。因其曲线呈钟形,因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。
已赞过
已踩过<
评论
收起
你对这个回答的评价是?
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询