简单正态分布，求均值和标准方差

1. 简单正态分布，求均值和标准方差

1、先自己画图，平均车速就是概率为0.5的地方，可以看出来50在平均车速左边，70在右边；因为这个图关于X=平均值  对称，因此  平均车速=（70+50）/2=60
2、假设X～N(μ,σ^2),则Y=(X-μ)/σ～N(0,1).

因此有F((50-60）/σ）=0.15然后查表，算出σ
我想说F((50-60）/σ）你要懂啊，那个符号不会打啊……我没表，算不了，你得自己查查看

2. 求正态分布的方差？？急！

答案给出的不是方差，而应该是标准差才是。
标准差的计算值为  66。
1，计算均值为-80*0.4+60*0.5=-2.
2，计算方差为 0.4*（-80+2）^2+0.1*2^2+0.5*(60+2)^2=4356
3，计算标准差为 √4356=66。

3. 怎样求正态分布的平均值与方差

要求正态分布的平均值和方差，需要先确定正态分布的概率密度函数。正态分布的概率密度函数为： f(x)= 1/(√(2π)σ) * e^(-((x-μ)^2)/(2σ^2)) 其中，μ 表示正态分布的平均值，σ 表示正态分布的标准差，π 是圆周率。 如果已知正态分布的概率密度函数，那么就可以很容易地求解正态分布的平均值和方差。 正态分布的平均值（mean）就是μ。 正态分布的方差（variance）是指数据分布离散程度的度量，用来衡量数据的分散程度。正态分布的方差是σ^2。 如果已知正态分布的数据样本，那么可以使用样本均值和样本方差来近似估计正态分布的平均值和方差。 样本均值（sample mean）是所有样本数据的平均值，公式为： x̄ = ∑(xi
/ n)
其中，x̄ 表示样本均值，xi 表示第 i 个样本数据，n 表示样本数量。
样本方差（sample variance）是指样本数据的离散程度的度量，用来衡量样本数据的分散程度。样本方差的公式为：
s^2 = ∑((xi-x̄)^2) / (n-1)
其中，s^2 表示样本方差，xi 表示第 i 个样本数据，x̄ 表示样本均值，n 表示样本数量。
样本均值和样本方差可以用来估计正态分布的平均值和方差，但是样本数量较小时，样本均值和样本方差的精确性会有所下降。因此，如果要求出精确的正态分布平均值和方差，应该使用正态分布的概率密度函数来求解。

4. 正态分布的均值与方差怎么算？

在正态分布中，均值是数据的中心位置，表示数据的平均值；方差是数据的离散程度，表示数据的分散程度。
计算正态分布的均值和方差的公式如下：
均值：μ = ∑x_i / n
方差： σ^2 = ∑(x_i - μ)^2 / (n - 1)
其中，x_i 表示样本中第 i 个数据，n 表示样本数据的个数，μ 表示均值，σ^2 表示方差。
例如，对于一组数据{3, 4, 5, 6, 7}，计算其均值和方差如下：
均值：μ = (3 + 4 + 5 + 6 + 7) / 5 = 5
方差： σ^2 = [(3 - 5)^2 + (4 - 5)^2 + (5 - 5)^2 + (6 - 5)^2 + (7 - 5)^2] / (5 - 1) = 2
因此，对于这组数据，均值为5，方差为2。

5. 正态分布方差是什么?

正态分布方差为各个数据与平均数之差的平方的和的平均数。
当数据分布比较分散（即数据在平均数附近波动较大）时，各个数据与平均数的差的平方和较大，方差就较大；当数据分布比较集中时，各个数据与平均数的差的平方和较小。因此方差越大，数据的波动越大；方差越小，数据的波动就越小。

正态分布简介：
正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution），最早由棣莫弗（Abraham de Moivre）在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。
P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。
正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。
若随机变量X服从一个数学期望为μ、方差为σ2的正态分布，记为N(μ，σ2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。

6. 正态分布的方差怎么求？

在X~N（μ，σ2），∑xi2⦁pi-μ2，除此之外，对于二项分布的数据来说还有一种求出Var的方法。
X~B（n，p）
np>5
nq>5
则有
E（X）=np
Var（X）=npq=np（1-p）

正态曲线呈钟型
两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。若随机变量X服从一个数学期望为μ、方差为σ2的正态分布，记为N(μ，σ2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。

7. 正态分布方差是什么呢?

正态分布方差为各个数据与平均数之差的平方的和的平均数。
若随机变量X服从一个数学期望为μ、方差为σ2的正态分布，记为N（μ，σ2）。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0，σ = 1时的正态分布是标准正态分布。

正态分布
正态分布（Normal distribution），也称常态分布，又名高斯分布（Gaussian distribution），最早由棣莫弗（Abraham de Moivre）在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。
是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。
以上内容参考 百度百科——正态分布

8. 常数成以正态分布，均值和方差怎么变化

x ~ N(μ, σ²)
kx ~ N(kμ, k²σ²)
即：均值增大 k 倍
而方差增大 k² 倍
分布不变。