概率论 正太分布

1. 概率论 正太分布

第一题，正态分布是关于x轴对称的，
F（-a）是x小于-a的概率，也就等于x大于a的概率。x大于a是x小于a的对立事件，所以x大于a的概率就等于1-F（a）。
这样就得出1-F（a）=F（-a）
可以得出F（-a）+F（a）=1

2. 正太分布，概率

3. 概率分布是正态分布么

楼上正解。
正态分布仅仅是连续概率分布的一种。
概率分布，表述随机变量取值的概率规律。描述不同类型随机变量有不同概率分布形式。
随机变量分为离散型与连续型。
1.离散型随机变量分布列
只取有限个或可列个实数值的随机变量。例如，100件产品中有10件次品，从中随意抽取5件，则其中的次品数X就是一个只取0，1，2，3，4，5离散型随机变量。描述离散型随机变量概率分布使用分布列
2.连续型随机变量的密度函数
如果存在一非负实函数P(x),使随机变量x的分布函数F(x)可以表成F(x),在－∞到x上的积分，则称X为连续型随机变量,P(x)称为X的密度函数。连续型随机变量取任何一个实数值的概率等于0
常见的连续型随机变量分布：均匀，正态、柯西、对数正态分布、指数、伽玛（Γ）、贝塔（Β）、x2分布、学生分布、F分布等等。把分布函数的概念推广到随机向量的情形，得到联合分布函数、边缘分布函数、联合分布列、边缘分布列、联合密度函数和边缘密度函数等概念。

4. 概率分布的正态分布

5. 概率论正态分布

因为该正态分布的期望值是u=1，而正态分布曲线关于 x=u 左右对称。
即x=u两侧的概率相等，全概率为1，两侧均为1/2
所以P(x>1)=P(x<1)=1/2
以上，请采纳。

6. 概率分布是正态分布么？

正态分布是连续概率分布的一种。
概率分布是概率论的基本概念之一。用以表述随机变量取值的概率规律。描述不同类型的随机变量有不同的概率分布形式。
随机变量可分为离散型与连续型。
1.离散型随机变量的分布列
只取有限个或可列个实数值的随机变量称为离散型随机变量。例如，100件产品中有10件次品，从中随意抽取5件，则其中的次品数X就是一个只取0，1，2，3，4，5的离散型随机变量。描述离散型随机变量的概率分布使用分布列，即给出离散型随机变量的全部取值，及取每个值的概率。例如上面例子中次品数X的分布列为：其中，表示从n个不同事物中取m个的组合数：
2.连续型随机变量的密度函数
如果存在一非负实函数P（x），使随机变量X的分布函数F（x）可以表成P（x)在－∞到x上的积分，则称X为连续型随机变量，P（x)称为X的密度函数。连续型随机变量取任何一个实数值的概率等于0。常见的连续型随机变量的分布有：均匀分布，正态分布、柯西分布、对数正态分布、指数分布、伽玛（Γ）分布、贝塔（Β）分布、x2分布、学生分布、F分布等等。把分布函数的概念推广到随机向量的情形，得到联合分布函数、边缘分布函数、联合分布列、边缘分布列、联合密度函数和边缘密度函数等概念。

7. 正态分布为什么是概率中最重要的分布

正态分布是许多统计方法的理论基础：如t分布、F分布、x2分布都是在正态分布的基础上推导出来的,u检验也是以正态分布为基础的.此外,t分布、二项分布、Poisson分布的极限为正态分布,在一定条件下,可以按正态分布原理来处理.
  还有就是中心极限定理,在客观实际中有许多随机变量,他们是由大量的相互独立的随机因素的综合影响所形成的,而其中每一个个别因素在总的影响中所起的作用都是微小的,这种随机变量往往近似地服从正态分布.这种现象是中心极限定理的客观背景.

8. 问个概率论中的正态分布的问题

Φ(1.54)就是P(X<1.54)的意思
所以P(X>1.54)=1-Φ(1.54)
对称性可以得到P(X1.54)
------------------------------------------------------------------
P(|X|<1.54)=P(X<1.54)-P(X<-1.54)=Φ(1.54)-(1-Φ(1.54))=2Φ(1.54)-1