标准正态分布计算公式是什么
设X=X1²+X2²+X3²+·····Xn² 即X服从自由度为n的卡方分布 E(X)=E(X1²)+E(X2²)+E(X3²)+·····E(Xn²) 又因为X1····Xn服从标准正态分布
所以E(X1²)=∫(上下限分别为±∞)(x²f(x)dx 【f(x)是标准正态分布的概率密度函数】然后把这个积分求出可以得E(X1²)=1 所以E(X)=E(X1²)+E(X2²)+E(X3²)+·····E(Xn²)=n
扩展资料
为什么从正态总体中抽取出的样本的方差服从分布
在抽样分布理论一节里讲到,从正态总体进行一次抽样就相当于独立同分布的 n 个正态随机变量ξ1,ξ2,…,ξn的一次取值,将 n 个随机变量针对总体均值与方差进行标准化得(i=1,…,n),显然每个都是服从标准正态分布的,因此按照 分布的定义,应该服从参数为 的 分布。
如果将总体中的方差σ2 用样本方差 s2代替,它是否也服从 分布呢?理论上可以证明,它是服从 分布的,但是参数 不是 n 而是 n-1 了,究其原因在于它是 n-1 个独立同分布于标准正态分布的随机变量的平方和
我们常常把一个式子中独立变量的个数称为这个式子的“自由度”,确定一个式子自由度的方法是:若式子包含有 n 个变量,其中k 个被限制的样本统计量,则这个表达式的自由度为 n-k。比如中包含ξ1,ξ2,…,ξn这 n 个变量,其中ξ1-ξn-1相互独立,ξn为其余变量的平均值,因此自由度为 n-1。
简介编辑
分布在数理统计中具有重要意义。 分布是由阿贝(Abbe)于1863年首先提出的,后来由海尔墨特(Hermert)和现代统计学的奠基人之一的卡·皮尔逊(C K.Pearson)分别于1875年和1900年推导出来,是统计学中的一个非常有用的著名分布。
定义
若n个相互独立的随机变量ξ₁、ξ₂、……、ξn ,均服从标准正态分布(也称独立同分布于标准正态分布),则这n个服从标准正态分布的随机变量的平方和 构成一新的随机变量,其
卡方分布
分布规律称为分布(chi-square distribution),其中参数 称为自由度,正如正态分布中均数或方差不同就是另一个正态分布一样,自由度不同就是另一个分布。
卡方分布是由正态分布构造而成的一个新的分布,当自由度 很大时, 分布近似为正态分布。
对于任意正整数x, 自由度为 的卡方分布是一个随机变量X的机率分布。
参考资料:百度百科 卡方分布
绛旓細= (PI)^(1/2)*1 = (PI)^(1/2)銆侾I = 3.1415926銆備粙缁 鏍囧噯姝f佸垎甯冨張绉颁负u鍒嗗竷锛屾槸浠0涓哄潎鏁般佷互1涓烘爣鍑嗗樊鐨勬鎬佸垎甯冿紝璁颁负N锛0锛1锛夈傛爣鍑嗘鎬佸垎甯冩洸绾夸笅闈㈢Н鍒嗗竷瑙勫緥鏄細鍦-1.96锝+1.96鑼冨洿鍐呮洸绾夸笅鐨勯潰绉瓑浜0.9500锛屽湪-2.58锝+2.58鑼冨洿鍐呮洸绾夸笅闈㈢Н涓0.9900銆傜粺璁″瀹惰繕...
绛旓細姝f佸垎甯冩鐜囪绠楀叕寮忥細F(x)=桅锛伙紙x-渭锛夛紡蟽锛锛屾鎬佸垎甯冧篃绉扳滃父鎬佸垎甯冣濓紝鍙堝悕楂樻柉鍒嗗竷锛屾鎬佹洸绾垮憟閽熷瀷锛屼袱澶翠綆锛屼腑闂撮珮锛屽乏鍙冲绉板洜鍏舵洸绾垮憟閽熷舰锛屽洜姝や汉浠張缁忓父绉颁箣涓洪挓褰㈡洸绾裤傝嫢闅忔満鍙橀噺X鏈嶄粠涓涓暟瀛︽湡鏈涗负渭銆佹柟宸负蟽锛2鐨勬鎬佸垎甯冿紝璁颁负N(渭锛屜冿季2)銆傚叾姒傜巼瀵嗗害鍑芥暟涓烘鎬佸垎...
绛旓細鏍囧噯姝f佸垎甯僋(0,1)杩欎釜n=75锛屜=10閮藉凡鐭锛屾爣鍑嗗寲鍙樺够锛60-75锛/10~N锛0,1锛夛紝鍐嶅鍏紡P鐨刋娆″箓锛屼箻浠1-P鐨1-X娆″箓銆
绛旓細姝f佸垎甯冩爣鍑嗗寲鐨勫叕寮忥細Y=锛圶-渭锛/蟽锝濶锛0锛1锛銆傛爣鍑嗘鎬佸垎甯 鏄竴涓湪鏁板銆佺墿鐞嗗強宸ョ▼绛夐鍩熼兘闈炲父閲嶈鐨勬鐜囧垎甯冿紝鍦ㄧ粺璁″鐨勮澶氭柟闈㈡湁鐫閲嶅ぇ鐨勫奖鍝嶅姏銆傛湡鏈涘嘉=0锛屽嵆鏇茬嚎鍥捐薄瀵圭О杞翠负Y杞达紝鏍囧噯宸=1鏉′欢涓嬬殑姝f佸垎甯冿紝璁颁负N(0锛1)銆傛鎬佸垎甯冪殑瀹氫箟 鏍囧噯姝f佸垎甯冨張绉颁负u鍒嗗竷锛屾槸...
绛旓細绉板叾鍒嗗竷涓洪珮鏂垎甯冩垨姝f佸垎甯冿紝璁颁负N锛埼硷紝蟽2锛夛紝鍏朵腑涓哄垎甯冪殑鍙傛暟锛屽垎鍒负楂樻柉鍒嗗竷鐨勬湡鏈涘拰鏂瑰樊銆傚綋鏈夌‘瀹氬兼椂锛宲(x)涔熷氨纭畾浜嗭紝鐗瑰埆褰撐=0锛屜2=1鏃讹紝X鐨勫垎甯冧负鏍囧噯姝f佸垎甯銆偽兼鎬佸垎甯冩渶鏃╃敱妫h帿浣涗簬1730骞村湪姹備簩椤瑰垎甯冪殑娓愯繎鍏紡鏃跺緱鍒帮紱鍚庢媺鏅媺鏂簬1812骞寸爺绌舵瀬闄愬畾鐞嗘椂涔熻寮曞叆銆
绛旓細姒傜巼瀵嗗害涓 f(x)=(1/鈭2蟺)exp(-x^2/2)鑰屽叾涓璭xp(-x^2/2)涓篹鐨-x^2/2娆℃柟锛屽叾瀹氫箟鍩熶负锛-鈭烇紝+鈭烇級锛屼粠姒傜巼瀵嗗害琛ㄨ揪寮忓彲浠ョ湅鍑猴紝f(x)鏄伓鍑芥暟锛屽嵆f(x)鐨勫浘鍍忓叧浜巠杞村绉般偽(x)瀹氫箟涓烘湇浠鏍囧噯姝f佸垎甯鐨勯殢鏈哄彉閲廥鐨勫垎甯冨嚱鏁帮紝鍏跺间负瀵筬(x)鍏充簬x绉垎锛屼粠-鈭炵Н鍒皒銆備粠f(x)...
绛旓細) 鍙堝洜涓篨1路路路Xn鏈嶄粠鏍囧噯姝f佸垎甯 鎵浠锛圶1²锛=鈭紙涓婁笅闄愬垎鍒负卤鈭烇級锛坸²f锛坸锛塪x 銆恌(x)鏄爣鍑嗘鎬佸垎甯冪殑姒傜巼瀵嗗害鍑芥暟銆戠劧鍚庢妸杩欎釜绉垎姹傚嚭鍙互寰桬(X1²)=1 鎵浠(X)=E(X1²)+E(X2²)+E(X3²)+路路路E(Xn²)=n ...
绛旓細绗竴鍙傛暟渭鏄湇浠庢鎬佸垎甯冪殑闅忔満鍙橀噺鐨勫潎鍊硷紝绗簩涓弬鏁跋2鏄闅忔満鍙橀噺鐨勬柟宸紝鎵浠ユ鎬佸垎甯冭浣淣(渭,蟽2 ).鏍囧噯姝f佸垎甯冩槸涓绉嶇壒娈婄殑姝f佸垎甯冿紝鏍囧噯姝f佸垎甯冪殑渭鍜屜2涓0鍜1锛岄氬父鐢 锛堟垨Z锛夎〃绀烘湇浠庢爣鍑嗘鎬佸垎甯冪殑鍙橀噺锛岃涓 N锛0,1锛夈
绛旓細鐢║琛ㄧず鏍囧噯姝f佸垎甯锛屼复鐣屽糧伪婊¤冻P(U>Z伪)=Z伪锛屽嵆P(U鈮伪)=1-伪銆傚綋伪=0.025鏃讹紝灏辨槸鏌ヨ〃涓0.975瀵瑰簲鐨勫硷紝0.975鍦ㄨ〃涓1.9閭d竴琛岋紝0.06閭d竴鍒楋紝鎵浠0.025=1.96銆傝嫢n涓浉浜掔嫭绔嬬殑闅忔満鍙橀噺尉₁銆佄₂銆佲︹︺乨u尉n锛屽潎鏈嶄粠鏍囧噯姝f佸垎甯冿紙涔熺О鐙珛鍚屽垎甯冧簬鏍囧噯...
绛旓細绛旀锛沊~~锛12.4/25锛塒(X~<12.5)=p(X~12/0.4<0.5/0.4)=鏍囧噯姝f锛1.25锛