正态分布标准差的无偏估计,x与均值差的绝对值-搜答案-大师作文网

标准差和期望是一个量纲上的,反应期望值的波动.（u-Z×δ,u+Z×δ）,Z是某个概率的分位数,则这个集合就是这个概率下因变量的取值范围.另外正态分布是没有上下界这一说法的.再问：正态分布是没有上下界

做无偏估计,自然会有估计量,而估计量是一个随机变量,是可以求期望的,若其期望=你所要估计的参数,那么它就是无偏的

正态分布曲线的对称轴是正态样本的平均值；样本的平均值增大,曲线向右侧平移,样本的平均值减小,曲线向左侧平移.正态样本的标准差越大,则正态分布曲线越平坦,峰值越小.

如果X服从N(m,s*s),则z=(X-m)/s服从N(0,1).证明如下：设X服从N(m,s),其分布函数为F(y)=p(X

题目有问题,最后一句应该是sigma^hat是总体标准差sigma的无偏估计,而不是方差sigma^2的无偏估计.

Y=(X-μ)/σ,则Y服从标准正态分布.

这个直接套公式行了,得到的数是要查表的...挺好理解的吧,哪里不懂啊...

书上想要表达的也许是这种含义假设一个实际变量X服从正态分布（X肯定是有单位的）X的期望与X的单位必然相同方差σ^2=E[(X-EX)^2]=E(X^2)-[EX]^2,所以方差的单位是X的单位的平方那

这个问题非常好,我曾经也在想这个问题

如果是原有数据都加上同一个数（即y—x）,由x变成y,那么标准差不变,因为标准差反映的是数据的变化幅度,原有数据同是增加或减小相同的数,其值是不会变的

规律：图形越矮胖,标准差越大；图形越高瘦,标准差越小正态分布图是反映数据的集中情况的,越矮胖,就是数据越不集中,标准差就越大越高瘦,就说明数据集中在某些数据周围,标准差固然就小

这不是算出来的,这是定义.均值为0,标准差为1的正态分布称为标准正态分布.

设Z为标准正态分布,则X=bZ+a,Y=(bZ+a)^3=b^3Z^3+3b^2aZ^2+3ba^2Z+a^3.EY=0+3b^2a+0+a^3=3b^2a+a^3DY=1/根号（2*pi）*积分_负

百分之0.212不知道对不?我觉得先要化成标准型,然后再查表!有些字母打不出来!不好说明!

注意到所以

由已知X服从均值为1、标准差（均方差）为2的正态分布，所以X−12～N（0，1），E（X）=1，D（X）=2；由Y服从标准正态分布，所以：Y～N（0，1），E（Y）=0，D（Y）=1；又X、Y相互独立

其实你已经快成功了

我的理解是这样的,供你参考,也欢大家迎批评指正.\x0d1.不是正态分布,可以计算标准差,因为标准差的公式是固定的.\x0d但有没有意义要看实际收集的数据的用途,也就是目的.\x0d2.非正态数据的标

甚么分布的标准差都可以用σ表示；方差可用σ²表示,跟分布没关系.随机变量X服从均值为μ,方差为σ²的正态分布,通常表示成：XN(μ,σ²).

根据公式均值+-1.96*标准差求出区间估计再问：具体区间再答：【2229.2，10970.8】再问：不好意思，回答错误，不过鉴于没人回答，分数还是给你了