1樓：匿名使用者
你好！normal distribution
正態分佈
normal distribution 主要講的是什麼啊？
2樓：苗文旭
這個copy有講到
統計學的問題 關於normal distribution的問題 10
3樓：守望者l尚
（normal distribution)一種概率分佈，也稱「常態分佈」。
正態分佈
正態分佈具有兩個引數μ和σ^2的連續型隨機變數的分佈，第一引數μ是服從正態分佈的隨機變數的均值，第二個引數σ^2是此隨機變數的方差，所以正態分佈記作n（μ，σ^2）。服從正態分佈的隨機變數的概率規律為取與μ鄰近的值的概率大，而取離μ越遠的值的概率越小；σ越小，分佈越集中在μ附近，σ越大，分佈越分散。
正態分佈的密度函式的特點是：關於μ對稱，並在μ處取最大值，在正（負）無窮遠處取值為0，在μ±σ處有拐點，形狀呈現中間高兩邊低，影象是一條位於x軸上方的鐘形曲線。當μ=0，σ^2 =1時，稱為標準正態分佈，記為n（0，1）。
μ維隨機向量具有類似的概率規律時，稱此隨機向量遵從多維正態分佈。多元正態分佈有很好的性質，例如，多元正態分佈的邊緣分佈仍為正態分佈，它經任何線性變換得到的隨機向量仍為多維正態分佈，特別它的線性組合為一元正態分佈。
正態分佈又名高斯分佈（gaussian distribution），是一個在數學、物理及工程等領域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。若隨機變數x服從一個數學期望為μ、標準方差為σ2的高斯分佈，記為：則其概率密度函式為正態分佈的期望值μ決定了其位置，其標準差σ決定了分佈的幅度。
因其曲線呈鐘形，因此人們又經常稱之為鐘形曲線。我們通常所說的標準正態分佈是μ = 0,σ = 1的正態分佈。
統計學中區間估計：當a=0.01時，查正態分佈表z0.005=2.58（2.58如何得來？）
4樓：匿名使用者
按照正態分佈函式積分得來的。從圖中可以看到，正態曲線下，橫軸區間（μ-σ，μ+σ）內的面積為68.268949%，橫軸區間（μ-2σ，μ+2σ）內的面積為95.
449974%，橫軸區間（μ-3σ，μ+3σ）內的面積為99.730020%。如果想要得到面積為99%的部分，經計算可得到σ=2.
58正態分佈（normal distribution）又名高斯分佈（gaussian distribution），是一個在數學、物理及工程等領域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。若隨機變數x服從一個數學期望為μ、方差為σ^2的高斯分佈，記為n(μ，σ^2)。其概率密度函式為正態分佈的期望值μ決定了其位置，其標準差σ決定了分佈的幅度。
因其曲線呈鐘形，因此人們又經常稱之為鐘形曲線。我們通常所說的標準正態分佈是μ = 0,σ = 1的正態分佈。
5樓：匿名使用者
a/2=0.005，再用0.5-0.
005=0.495，我們再來看正態分佈表，發現0.4951離0.
495最小，我們再與0.4951對應的橫縱座標的數值相加。
6樓：匿名使用者
如果x服從標準正態分佈n(0,1)
pr[x>2.58] = 0.005
怎么求置信區間，怎麼求置信區間？
置信區間的計算公式取決於所用到的統計量。置信區間是在預先確定好的顯著性水平下計算出來的，顯著性水平通常稱為 絕大多數情況會將 設為0.05。置信度為 1 或者100 1 如果 0.05，那麼置信度則是0.95或95 後一種表示方式更為常用。置信區間的常用計算方法為pr c1 c2 1 其中 是顯著性...
置信區間的計算步驟
第一步 求一個樣本的均值 第二步 計算出抽樣誤差。人們經過實踐，通常認為調查 100個樣本的抽樣誤差為 10 500個樣本的抽樣誤差為 5 1,200個樣本時的抽樣誤差為 3 第三步 用第一步求出的 樣本均值 加 減第二步計算的 抽樣誤差 得出置信區間的兩個端點。統計學問題 計算置信區間！急急急！要...
置信區間與假設檢驗有什麼聯絡，區間估計和假設檢驗有什麼區別和聯絡
聯絡 二者都屬於推斷統計 利用樣本的資料得到樣本統計量 statistic 然後做出對總體引數 parameter 的論斷。用統計量推斷引數時，如果引數未知，則這種推斷叫引數估計 用統計量估計未知的引數 如果引數已知 或假設已知 需要利用統計量檢驗已知的引數是否靠譜，此時的統計推斷即為假設檢驗。理論...