正态分布数学期望怎么算

Ⅰ 正态分布的期望怎么求

Ⅱ 正态分布的数学期望推导过程！希望拍照啊！

设正态分布概率密度函数是f(x)=[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]

其实就是均值是u，方差是t^2

于是：∫e^[-(x-u)^2/2(t^2)]dx=(√2π)t.（*）

（1）求均值

对（*）式两边对u求导：

∫{e^[-(x-u)^2/2(t^2)]*[2(u-x)/2(t^2)]dx=0

约去常数，再两边同乘以1/(√2π)t得：

∫[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]*(u-x)dx=0

把(u-x)拆开，再移项：

∫x*[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]dx=u*∫[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]dx

也就是 ∫x*f(x)dx=u*1=u

这样就正好凑出了均值的定义式，证明了均值就是u。

（2）方差

对(*)式两边对t求导：∫[(x-u)^2/t^3]*e^[-(x-u)^2/2(t^2)]dx=√2π

移项：∫[(x-u)^2]*[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]dx=t^2

也就是 ∫(x-u)^2*f(x)dx=t^2

(2)正态分布数学期望怎么算扩展阅读：

由于一般的正态总体其图像不一定关于y轴对称，对于任一正态总体，其取值小于x的概率。只要会用它求正态总体在某个特定区间的概率即可。

为了便于描述和应用，常将正态变量作数据转换。将一般正态分布转化成标准正态分布。

服从标准正态分布,通过查标准正态分布表就可以直接计算出原正态分布的概率值。故该变换被称为标准化变换。（标准正态分布表：标准正态分布表中列出了标准正态曲线下从-∞到X（当前值）范围内的面积比例。）

Ⅲ 正态分布期望如何算

这个计算有些麻烦的，不过只要熟悉了反常积分的解题技巧巧妙地构造二重积分(或用我们熟知的贝塔函数)就很容易解出来了

要计算正态分布的期望就要遇到解决积分：∫[(-∞，+∞)，e^(-x^2)]dx
由函数的奇偶性知：∫[(-∞，+∞)，e^(-x^2)]dx=2∫[(0，+∞)，e^(-x^2)]dx
记A=∫[(0，+∞)，e^(-x^2)]dx，
我们先来计算：A^2=∫[(0，+∞)，e^(-x^2)]dx∫[(0，+∞)，e^(-y^2)]dy
=∫[(0，+∞)]dx∫[(0，+∞)，e^(-x^2-y^2)dy
作变量替换：x=rcosθ，y=rsinθ，在上式可化为
A^2=∫[(0，π/2)]dθ∫[(0,+∞)，re^(-r^2)]dr=π/4
那么A=(√π)/2
所以：∫[(-∞，+∞)，e^(-x^2)]dx=2A==√π

那么：E(X)=1/[σ√（2π）]∫[(-∞，+∞)，xe^{[-(x-µ)^2)]/(2σ^2)}dx
=1/[σ√（2π）]∫[(-∞，+∞)，(x-µ)e^{[-(x-µ)^2)]/(2σ^2)}dx
+ µ/[σ√（2π）]∫[(-∞，+∞)，e^{[-(x-µ)^2)]/(2σ^2)}dx
第一个积分算得0，第二个积分根据上面的结论得 µ，
所以E(X)= µ

还可以用根据第一类欧拉积分与第二类欧拉积分的关系来求解

Ⅳ 正态分布的期望和方差是什么

在概率论和统计学中，数学期望(mean)（或均值，亦简称期望）为试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。

正态分布（Normal distribution）又名高斯分布（Gaussian distribution），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。若随机变量X服从一个数学期望为μ、方差为σ^2的高斯分布，记为N(μ，σ^2)。

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。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。

若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。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。

在统计描述中，方差用来计算每一个变量（观察值）与总体均数之间的差异。为避免出现离均差总和为零，离均差平方和受样本含量的影响，统计学采用平均离均差平方和来描述变量的变异程度。

由于一般的正态总体其图像不一定关于y轴对称，对于任一正态总体，其取值小于x的概率。只要会用它求正态总体在某个特定区间的概率即可。

为了便于描述和应用，常将正态变量作数据转换。将一般正态分布转化成标准正态分布。

对于连续型随机变量X，若其定义域为（a，b），概率密度函数为f（x），连续型随机变量X方差计算公式：D（X）=（x-μ）^2 f（x） dx

方差刻画了随机变量的取值对于其数学期望的离散程度。（标准差、方差越大，离散程度越大）

若X的取值比较集中，则方差D（X）较小，若X的取值比较分散，则方差D（X）较大。

因此，D（X）是刻画X取值分散程度的一个量，它是衡量取值分散程度的一个尺度。