怎么求一个随机变量的均值和方差？
用U表示标准正态分布，临界值Zα满足P(U>Zα)=Zα，即P(U≤Zα)=1-α。当α=0.025时，就是查表中0.975对应的值，0.975在表中1.9那一行，0.06那一列，所以Z0.025=1.96。
若n个相互独立的随机变量ξ₁、ξ₂、……、duξn，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，其分布规律称为卡方分布（chi-squaredistribution）。
编程代码
*可利用stata函数（n、n1、n2是自由度，p是尾概率值）：
*chi2(n)分布的上p分位数：
dispinvchi2tail(n,p)
*F(n1,n2)分布的上p分位数：
dispinvFtail(n1,n2,p)。
扩展资料：
正态分布具有两个参数μ和σ^2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ^2是此随机变量的方差，所以正态分布记作N（μ,σ2）。
μ是正态分布的位置参数，描述正态分布的集中趋势位置。概率规律为取与μ邻近的值的概率大，而取离μ越远的值的概率越小。正态分布以X=μ为对称轴，左右完全对称。正态分布的期望、均数、中位数、众数相同，均等于μ。
σ描述正态分布资料数据分布的离散程度，σ越大，数据分布越分散，σ越小，数据分布越集中。也称为是正态分布的形状参数，σ越大，曲线越扁平，反之，σ越小，曲线越瘦高。
参考资料来源：百度百科-正态分布
绛旓細鐢║琛ㄧず鏍囧噯姝ｆ佸垎甯冿紝涓寸晫鍊糧伪婊¤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E锛埾嘵2锛=n D(蠂^2)=2n E(鍧囧)=E锛埾嘵2) D(鍧囧)=2n/n=2銆傚畠浠鐨勫潎鍊绛変簬浠栦滑鐩稿姞闄や互鍗侊紝鏍规嵁E(ax+by)=aE(x)+bE(y)锛孷(ax+by)=a2V(x)+b2V(y)锛屾牱鏈潎鍊肩殑鏈熸湜鍜屼粬浠殑鏈熸湜涓鏍凤紝涔熷氨鏄疦銆傛柟宸殑璇濇槸2N/10=N/5銆傛柟宸湪姒傜巼璁哄拰缁熻瀛︿腑锛涓涓殢鏈哄彉閲忕殑鏂瑰樊鎻忚堪鐨勬槸...
绛旓細瀵逛簬杩炵画鍨嬮殢鏈哄彉閲 X锛屽叾鏈熸湜锛堝潎鍊硷級E(X)鍙互閫氳繃浠ヤ笅鍏紡璁＄畻锛E(X) = 鈭(x * f(x)) dx鍏朵腑锛宖(x) 鏄殢鏈哄彉閲 X 鐨勬鐜囧瘑搴﹀嚱鏁銆傛柟宸細瀵逛簬绂绘暎鍨嬮殢鏈哄彉閲 X锛屽叾鏂瑰樊 Var(X) 鍙互閫氳繃浠ヤ笅鍏紡璁＄畻锛歏ar(X) = 危((x - E(X))^2 * P(X=x))瀵逛簬杩炵画鍨嬮殢鏈哄彉閲 X锛屽叾鏂瑰樊 Va...
绛旓細鍧囧间笌鏂瑰樊璁＄畻娉曞垯1.瀵逛换鎰忓父鏁癮,b鏈塃锛坸+b)=E(x)+bE(ax)=aE(x)V(x+b)=V(x)V(ax)=a2V(x)2.瀵筺涓殢鏈哄彉閲x1锛寈2锛屸︼紝xn,鑻ョ浉搴鐨勫潎鍊瀛樺湪锛屽垯E(x1+x2+鈥+xn)=E(x1)+E(x2)+鈥+E(xn)3.鑻ラ殢鏈哄彉閲弜1锛寈2锛屸︼紝xn鐩镐簰鐙珛锛屼笖鍧囧奸兘瀛樺湪锛屽垯E(x1x2鈥n)=E(x1)...
绛旓細鈭玿*f(x)dx=u*1=u 杩欐牱灏辨濂藉噾鍑轰簡鍧囧肩殑瀹氫箟寮忥紝璇佹槑浜嗗潎鍊煎氨鏄痷銆(2)鏂瑰樊 杩囩▼鍜屾眰鍧囧兼槸宸笉澶氱殑锛屾垜灏辩◢寰暐鍐欎竴鐐逛簡銆傚(*)寮忎袱杈瑰t姹傚锛氣埆[(x-u)^2/t^3]*e^[-(x-u)^2/2(t^2)]dx=鈭2蟺 绉婚」锛氣埆[(x-u)^2]*[1/(鈭2蟺)t]*e^[-(x-u)^2/2(t^2)]...
绛旓細鍙互鐨勶紝寰堢畝鍗曪細鏄剧劧X^2鏈嶄粠鑷敱搴︿负1鐨勫崱鏂瑰垎甯冿紝鏁匛(X^2)=1锛孌(X^2)=2 寰楀埌E(X^4)=D(X^2) + (E(X^2))^2 = 3.甯屾湜浣犺兘鏄庣櫧锛岀涓姝ュ埄鐢ㄤ簡鍗℃柟鍒嗗竷鐨勫畾涔夛紝绗簩姝ュ埄鐢ㄤ簡鏂瑰樊鐨勫畾涔夈傜粨璁猴紝鑻 X~N(0,1)锛屽垯 鑻涓哄鏁板垯E(X^N)=0 鑻涓哄伓鏁板垯E(X^N)=(N-1)!!
绛旓細濡傛灉闅忔満鍙橀噺X鏈嶄粠鏍囧噯姝ｆ佸垎甯冿紝鍗砐~N锛0锛1锛夛紝姒傜巼瀵嗗害涓 f(x)=(1/鈭2蟺)exp(-x^2/2)鈥︹︼紙闅忎究涓鏈鐜囩粺璁＄殑涔︿笂閮芥湁锛屽湪鐧惧害涓婅緭鍏ユ柟绋嬬湡楹荤儲锛夊叾涓璭xp(-x^2/2)涓篹鐨-x^2/2娆℃柟 瀹氫箟鍩熶负锛-鈭烇紝+鈭烇級浠庢鐜囧瘑搴﹁〃杈惧紡鍙互鐪嬪嚭锛宖(x)鏄伓鍑芥暟锛屽嵆f(x)鐨勫浘鍍忓叧浜巠杞村绉 ...
绛旓細绂绘暎鍨闅忔満鍙橀噺鐨勬柟宸鍏紡锛欴锛圶锛=E{[X-E锛圶锛塢^2}=E锛圶^2锛-锛圗X锛塣2銆傚父瑙佺殑鍒嗗竷鐨勬柟宸拰鏈熸湜锛1銆佸潎鍖鍒嗗竷锛氭湡鏈涙槸锛坅+b锛/2锛屾柟宸槸锛坆-a锛夌殑骞虫柟/12銆2銆佷簩椤瑰垎甯冿細鏈熸湜鏄痭p锛屾柟宸槸npq銆3銆佹硦鏉惧垎甯冿細鏈熸湜鏄痯锛屾柟宸槸p銆4銆佹寚鏁板垎甯冿細鏈熸湜鏄1/p锛屾柟宸槸1/锛坧鐨勫钩鏂癸級銆5...
绛旓細璁炬讳綋x~u[a,b]锛屾牱鏈鍧囧鐨勬湡鏈鍜屾柟宸濡備笅锛
绛旓細鏂瑰樊涓嶄粎浠呰〃杈句簡鏍锋湰鍋忕鍧囧鐨勭▼搴︼紝鏇存槸鎻ず浜嗘牱鏈唴閮ㄥ郊姝ゆ尝鍔ㄧ殑绋嬪害锛屼篃鍙互鐞嗚В涓烘柟宸唬琛ㄤ簡鏍锋湰褰兼娉㈠姩鐨勬湡鏈涖傚綋鐒讹紝杩欎釜缁撹鏄湪浜岄樁缁熻鐭╀笅鎴愮珛銆傛ц川 1锛庤C涓哄父鏁帮紝鍒橠(C) = 0锛堝父鏁版棤娉㈠姩锛夈2锛嶥(CX )=C2D(X )锛堝父鏁板钩鏂规彁鍙栵紝C涓哄父鏁帮紝X涓闅忔満鍙橀噺锛夛紱璇侊細鐗瑰埆鍦癉(-X ) =...
