你可能感兴趣的试题
设 X~N(μ,σ2)则 u=(X- μ/ σ)~N(0 ,1) 设 X ~N(μ,σ2)则对任意实数 a、b 有 P(X 设 X ~N(μ,σ2)则对任意实数 a、b 有 P(X>a)=1- Φ(a-μ)/ σ 设 X~N(μ,σ2)则对任意实数 a、b 有 P(a 设 X ~N(μ1, σ21),Y~N(μ2,σ22)则 X+Y ~N(μ1+μ2,(σ1+σ2)2)
μ1<μ2,σ1<σ2 μ1<μ2,σ1>σ2 μ1>μ2,σ1<σ2 μ1>μ2,σ1>σ2
若Xi(i=1,2,…,服从正态分布,且分布参数相同,则服从正态分布 若Xi(i=1,2,…,服从指数分布,且λ相同,则服从正态分布 若Xi(i=1,2,…,服从[a,b]上的均匀分布,则服从正态分布 无论Xi(i=1,2,…,服从何种相同的分布,其均值都服从正态分布
两点分布b(1,p)方差np(1-p) 超几何分布h(h,N,M)方差n(N-n)/(N-1)•(M/N)(1-(M/N)) 均匀分布U(a、b)方差((b+a)2/12 对数正态分布LN(μ,σ2)方差
若n增大,P(x)与P(n-x)的差减少 若n增大,二项分布图形接近正态分布 若接近0.5,二项分布图形接近正态分布 若nπ>5,二项分布图形接近正态分布 二项分布中的n很大,π很小,则可用泊松分布近似二项分布
多个随机变量的平均值(仍然是一个随机变量)服从或近似服从正态分布 几个相互独立同分布随机变量,其共同分布不为正态分布或未知,但其均值μ和方差σ2都存在,则在n相当大的情况下,样本均值X近似服从正态分布N(μ,σ2/ 无论什么分布(离散分布或连续分布,正态分布或非正态分布),其样本均值X的分布总近似于正态分布 设n个分布一样的随机变量,假如其共同分布为正态分布N(μ,σ2),则样本均值X仍为正态分布,其均值不变仍为μ,方差为σ2
μ1<μ2, σ1<σ2 μ1<μ2, σ1>σ2 μ1>μ2, σ1>σ2 μ1>μ2, σ1>σ2
PX+Y≤0=1/2 PX+Y≤1=1/2 PX-Y≤0=1/2 PX-Y≤1=1/2