如何把正態分佈化為標準正態分佈
1樓：陌上一片綠
一般正態分佈x～n（u，62）化為標準正態z=（x-u）/6～n（0，1）
2樓：這酒啊你在
如果非標準正態分佈x~n(μ,2)，那麼關於x的乙個一次函式 (x-μ)就一定是服從標準正態分佈n(0,1)。舉個具體的例子，乙個量x，是非標準正態分佈，期望是10，方差是5^2（即x~n(10,5^2)）；那麼對於x的線性函式y=(x-10)/5，y就是服從標準正態分佈的y~n(0,1)。
提問。那假如x服從正態分佈n(4,16).試通過標準化變換後計算概率p(-3＜x≤4)
這個具體怎麼算呢？
這個具體怎麼算呢？
如果x~n(μ，2)，那麼關於x的乙個一次函式 (x-μ)就一定是服從標準正態分佈n(0，1)的。舉個具體的例子，乙個量x，服從正態分佈，期望是10，方差是5^2（即x~n(10，5^2)）；那麼對於x的線性函式(x-10)/5，它就是服從標準正態分佈的（[(x-10)/5]~n(0，1)）
提問。你沒告訴我上道題怎麼做啊。
**。根本不會做！
垃圾。這個不是乙個型別的嗎。
自己套一下不就好了。
4－1除以4
如何標準化正態分佈的資料？
3樓：劉浩琦
正態分佈標準化的公式：y=（x-μ）n（0，1）。
標準正態分佈。
是乙個在數學、物理及工程等領域友扮都非常重要的概率分佈，在統計學的許多方面有著重大的影響力。期望值。
0，即曲線圖象對稱軸為y軸，標準差。
1條件下的正態分佈，記為n(0，1)。
正態分佈的定義。
標準正態分佈又稱為u分佈，是以0為均數、以1為標準差的正態分佈猛告首，記為n（0，1）。
標準正態分佈曲線下面積分布規律是：在範圍內曲線下的面積等於，在範圍內曲線下面積為。統計學家還制定了一張統計用表（自由度。
為∞時），藉助該表就可以估計出某些特殊u1和u2值範圍內的曲線下面積枝數。
正態分佈如何進行標準化？急！
4樓：惠企百科
惹x～n（p，k＾2）的正態分佈，則z＝（x－p）／k～n（0，1）的標準正態分佈。
即統計量減期望值。
後除以方差。
假設x～n（μ，2），則y＝（x－μ）n（0，1）．證明；因為x～n（μ，2），所以p（x）＝（2π）＾1／2）＊σ1）＊exp｛［－x－μ）2］／（2σ＾2）｝
注：f（y）為y的分佈函式，fx（x）為x的分佈函式）
正態分佈怎麼標準化啊？
5樓：網友
答：假設x～n(μ,2),則y=(x-μ)n(0,1).證明；因為x～n(μ,2),所以p(x)=(2π)^1/2)*σ1)*exp.
注：f(y)為y的分佈函式，fx(x)為x的分佈函式）而 f(y)=p(y≤y)=p((x-μ)y)=p(x≤σy+μ)fx(σy+μ)所以 p(y)=f'(y)=f'x(σy+μ)p(σy+μ)2π)^1/2)]*e^[-x^2)/2].從而，n(0,1).
正態分佈標準化的意義是可以方便計算，是一種統隱姿計學概念。
原本的正態分佈圖形有高矮胖瘦不同的形態，實際上是積分變換的必然結灶鎮絕果，就好比是：
y = kx + b 直線，它不一定過原點的，但是通過變換就可以了：大y = y-b ; 大x = kx ; 大y = 大x
a*b 乘積，通過變換就可以變成加法運算：ln(y) =lna + lnb
ax² +bx + c 通過變換就可以變成標準形式：y = a(x + b/(2a))²c -b²/(4a))
正態分佈的標準化也只不過是 「積分變換」而已，雖然高矮胖瘦不同的形態，但是 變數的 線性伸縮變換 並不改變其 量化特性，雖然標準化以後都變成期望是0,方差是1的 標準分佈了，但這種 因變數 自變數的 依賴關係仍然存在，不用擔心會 「質變」。
拓旅型展資料：
為什麼一般正態分佈都可以化為標準正態分佈
6樓：邰蝶屠酉
一般的正態分佈是指隨機變數。
x服從均值為 μ,標準差為。
正態隨機變數。x~n(μ
這樣的正態隨機變數。
x，都可以化為標準正態隨機變數。
t只要作如下線性變換。
t =(x-μ)/σ
那麼變數。t就變成均值為。
0，標準差為。
1的標準正態分佈。這是因為線性變換不改變正態分佈的"本性"；又可以使均值非零的一般正態分佈均值歸。
0；還可使非。
1標準差歸。
1化！給正態分佈查錶帶來無限的好處！只需運用數學期望運算對上述線性變換作均值和方差計算即可：
e(t) e[(x-μ)/σ] = [e(x)-nμ]/σ=(nμ-nμ)/σ=0
t的均值。e[(t-0)²]
e(t²)e[(x-μ)/σ²]
即隨機變數。
t變成了：t
n(0，1)
均值為0，方差為。
1的標準正態分佈隨機變數了！
正態分佈如何進行標準化?
7樓：戶如樂
惹x～n(p,k^2)的正態分佈，則碧渣z=(x-p)/k～n(0,1)的標準正態分佈。
即統計雹大量減期望值悔肆悄後除以方差。
正態分佈是怎麼標準化的？
8樓：微涼錦夏
答：假設x～n(μ,2),則y=(x-μ)n(0,1).證明；因為x～n(μ,2),所以p(x)=(2π)^1/2)*σ1)*exp.
注：f(y)為y的分佈函式，fx(x)為x的分佈函式）而 f(y)=p(y≤y)=p((x-μ)則伏扒σ≤y)=p(x≤σy+μ)fx(σy+μ)所以 p(y)=f'(y)=f'孫昌x(σy+μ)p(σy+μ)2π)^1/2)]*e^[-x^2)/2].從而，n(0,1).
正態分佈標準化的意義廳兆是可以方便計算，是一種統計學概念。
標準正態分佈公式推算過程，標準正態分佈密度函式公式
如果是計算概率抄，那就要用分佈函式，但是它的分佈函式是不能寫成正常的解析式的。一般的計算方法就是，將標準正態分佈函式的分佈函式在各點的值計算出來製成表，實際計算時通過查表找概率。非標準正態分佈函式可以轉換成標準正態分佈再算。若隨機變數x服從一個數學期望為 方差為 2的正態分佈，記為n 2 其概率密度...
正態分佈加減還是正態分佈，正態分佈加減還是正態分佈？
正態分佈。正態分佈 normal distribution 也稱 常態分佈 又名高斯分佈 gaussian distribution 最早由a.棣莫弗在求二項分佈的漸近公式中得到。c.f.高斯在研究測量誤差時從另一個角度匯出了它。p.s.拉普拉斯和高斯研究了它的性質。是一個在數學 物理及工程等領域都...
如何將指數分佈轉化為正態分佈，所有的概率分佈都可以轉化成正態分佈嗎
令z z a sqrt b 其中sqrt 為開方。這樣，z 就變成了服從標準正態分佈n 0,1 的隨機變數。舉倆例子吧。例一 z服從n 0,1 求p z 2 由於z已經服從標準正態分佈n 0,1 那麼z z，不必轉化了。p z 2 p z 2 p z 2 2 p z 2 2 1 p z 2 查表可知...