正态分布的一些性质

X\sim N(\mu,\sigma ^2),E(x_{i}^2)=\mu ^2+\sigma^2, E(x_{i}x_{i-1})=E(x_{i})E(x_{i-1})=\mu ^2

X\sim N(\mu,\sigma ^2),
则有E(x_{i}^2)=\mu ^2+\sigma^2,
E(x_{i}x_{i-1})=E(x_{i})E(x_{i-1})=\mu ^2

概率密度函数

p(x)=\frac{1}{\sqrt{2 \pi } \sigma } e^{-\frac{(x-\mu )^2}{2\sigma ^2} }

p(x)=\frac{1}{\sqrt{2 \pi } \sigma } e^{-\frac{(x-\mu )^2}{2\sigma ^2} }

分布函数:

\Phi(x)=\frac{1}{\sqrt{2\pi }\sigma }\int _{-\infty}^{x}e^{-\frac{(t-\mu )^2}{2\sigma ^2} }dt

\Phi(x)=\frac{1}{\sqrt{2\pi }\sigma  }\int _{-\infty}^{x}e^{-\frac{(t-\mu )^2}{2\sigma ^2} }dt 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值