两个相同的正态分布相减之后的方差

两个独立正态分布随机变量的联合分布是二维正态分布,而二维正态分布的随机向量的线性组合还依然服从正态分布从而,……再问：为什么两个独立正态分布随机变量的联合分布是二维正态分布再答：独立，联合概率密度等于

正态分布的内容很丰富.首先,一维正态分布的概率密度,期望,方差,特征函数要记住.其次,一维正态分布的平方是独立平方和分布,也是伽马分的特殊情形.多元正态分布的话,记住用协方差矩阵来写它的密度函数.值得

由于独立的正态分布的线性组合仍服从正态分布,所以Y=∑1,n(Xi)仍服从正态分布.EY=0,DY=D∑1,n(Xi)=∑1,n(DXi)=nθ；于是Y~N（0,nθ)

若独立,相乘即可. 联合密度为：f(x1,x2)=N(1,1,10,3,0)=[1/(2π√10√3)]e^{(-1/2}[(x1-1)²/10+(x2-1)&su

正态分布的任意线性变换仍是正态分布,（X,Y）可以写成（U,V）线性变化形式,你给出的系数矩阵就是线性变换的系数矩阵

对于正态分布,其线性组合也是正态分布：N(0,1),N(1,1)所以：X+Y的分布是N(1,2),X-Y的分布是N(-1,2)所以只有D是正确的,-1是X-Y的期望,也就是正态分布图像的对称轴,是概率

正态分布随机数则是各个数字的出现几率是满足正态分布的,越靠近中间的数字出现几率越大,越是在两边的出现几率越小.一般使用平均分布随机数比较多,正态分布随机数一般是在做一些专业数学计算的时候才需要用到

生成服从标准正态分布（均值为0,方差为1）的随机数.基本语法和rand()类似.randn(5,1)%生成5个随机数排列的列向量,一般用这种格式randn(5)%生成5行5列的随机数矩阵randn([

无论是否独立,无论参数是否相同,正态分布的随机数相加必然还是正态分布.不过我想你问的是：有一组X1,X2,.,Xn是一组独立同分布的样本,服从正态分布；而Y1,Y2,.,Yn是另一组独立同分布的样本,

再答：结果应该没错，你再算一下，有些生疏了！

书上想要表达的也许是这种含义假设一个实际变量X服从正态分布（X肯定是有单位的）X的期望与X的单位必然相同方差σ^2=E[(X-EX)^2]=E(X^2)-[EX]^2,所以方差的单位是X的单位的平方那

1、检验正态分布的办法,在spss菜单中选择分析——描述统计——探索,将需要检验的变量放入因变量里面,选择“绘制——带检验的正态图,看一下testsofnormality就可以,如果成正态,sig不会

是的只有相互独立的时候相加减得到的才能是正态分布

E(X1-2X2)=E(X1)-2E(X2)=0D(X1-2X2)=D(X1)+4D(X2)=4+16=20X1-2X2~N(0,20)

用定义求解而不是性质,X4次方当成一个g(x)函数,根据定义,E（X4次方）=积分符号g(x)f(x)dx,其中f(x)是标准正态分布的概率密度.用分部积分法求解,不过运算很麻烦.还有另一种解这种复杂

N（0,1）则Y=X^2~卡方分布X^2(1)所以EX^2=1E(X^4)=DY+(EY)^2=2+1=3E(X^5)=0.pdf概率密度函数关于y对称.

因为X,Y独立,所以Var（X-Y）=Var（X）+Var（Y）=2∑（∑^2）=2（∑^2）一般的,如果∑（大写,不是小写的σ）出现,它代表的就是方差阵：）

1、均值相同、方差不同：密度图的对称中轴线在一个位置上,方差越大,图像越矮胖；方差越小,图像越高瘦.2、均值不同、方差相同：各密度图高矮胖瘦都一样,只是对称线不同.也就是左右平移的样子.

两个独立正态分布的随机变量的线性组合仍服从正态分布.这是二维正态分布的边缘分布(不需要独立)的线性组合服从正态分布的特殊情况.因为若X,Y服从相互独立的正态分布,则(X,Y)服从二维正态分布(密度函数

当然也可用辅助函数法(二重积分换元)直接得出倒数第三行的公式.