1樓:匿名使用者
x~抄n(1,4)當然不是標準正態分佈
但是計襲算的時候
式子裡不是已經做出了先減去1,再除以2的處理了麼?
x~n(a,b2),那麼(x-a)/b~n(0,1)那樣得到的就是標準正態分佈,
寫出來了φ,表示的就是標準正態分佈的值
於是φ(-1.5) 等於1-φ(1.5)
正態分佈φ(-1.5) 等於1-φ(1.5) 為什麼?
2樓:nice沒事看一看
x~n(1,4),那麼y~n(0,1),其中y = (x - 1) / 2。**裡,φ()函式裡面的自變數確實是服從標準正態分佈的,那麼,只要把x轉化成y,就可以使用φ()函式了。
3樓:匿名使用者
x~n(1,4)當然不是標準正態分佈
但是計算的時候
式子裡不是已經做出了先減專去1,再除以2的處理了麼?屬x~n(a,b2),那麼(x-a)/b~n(0,1)那樣得到的就是標準正態分佈,
寫出來了φ,表示的就是標準正態分佈的值
於是φ(-1.5) 等於1-φ(1.5)
4樓:匿名使用者
對稱的啊,畫個圖啊面積關係。
正態分佈的φ是什麼意思?
5樓:假面
ф是標準
正態分佈的函式符號,首先將正態分
布轉化成標準正態分佈,然後通過專標準正態分屬布表查詢數值,就可以算出結果了。
若隨機變數x服從一個數學期望為μ、方差為σ^2的正態分佈,記為n(μ,σ^2)。其概率密度函式為正態分佈的期望值μ決定了其位置,其標準差σ決定了分佈的幅度。當μ = 0,σ = 1時的正態分佈是標準正態分佈。
6樓:匿名使用者
可以從影象上理解:
標準正態分佈影象(那個鼓包)反應的是概率密度的影象,就是每個點x0處的一點的概率;
φ是標準正態分佈的分佈函式,
反應的是x0處左側的面積,就是x 7樓:匿名使用者 φ是標準正態分佈的分佈函式,資料是查表得到的 8樓:幾何分佈 一個符號啊,表示小於2的概率 求證標準正態分佈函式φ(-x)=1–φ(x) 9樓:巴山蜀水 ^其詳細過程可以是,∵x~n(0,1),∴其密度函式f(x)=[1/√(2π)]e^(-x2/2)【設a=1/√(2π)】。 ∴φ(x)=∫(-∞,x)f(x)dx=a∫(-∞,x)e^(-x2/2)dx。∴φ(-x)=a∫(-∞,-x)e^(-x2/2)dx。 對∫(-∞,-x)e^(-x2/2)dx。令x=-t,∴∫(-∞,-x)e^(-x2/2)dx=∫(t,∞)e^(-t2/2)dt=∫(x,∞)e^(-x2/2)dx, ∴φ(x)+φ(-x)=a[∫(-∞,x)e^(-x2/2)dx+∫(x,)e^(-x2/2)dx]=a[∫(-∞,∞)e^(-x2/2)dx=1。 ∴ φ(-x)=1-φ(x)。 供參考。 首先提一下正態分佈和卡方分佈的關係，如果一個隨機變數是若干服從標準正態分佈的變數的平方和構成，該變數服從卡方分佈。如果一個隨機變數是由一個服從正態分佈的隨機變數除以一個服從卡方分佈的變數組成的，則該變數服從t分佈，t分佈是正態分佈的小樣本形態，也就是如果某變數服從正態分佈，當樣本容量小於30或小於5... 分佈的來 正太性檢驗 x為你要檢驗的資料來源。load x histfit x normplot x 從這bai兩個圖中可以看出是du 否近似服從正zhi太分佈。然後估計引數 dao muhat,sigmahat,muci,sigmaci normfit x muhat sigmahat,muci,... 可以應用變數變換的方法，將不服從正態分佈的資料轉化為非正態分佈或近似正態分佈。常用的變數變換方法有對數變換 平方根變換 倒數變換 平方根反正玄變換等，應根據資料性質選擇適當的變數變換方法。x lgx當原始資料中有小值及零時，亦可取x lg x 1 還可根據需要選用x lg x k 或x lg k x...t分佈與正態分佈的有什麼不同t分佈與正態分佈有什麼不同？請通俗說明。謝謝。
怎麼用《matlab》驗證正態分佈,並給出正態分佈的表示式
SPSS非正態分佈資料如何修改成為正態分佈資料！急求