当前课程知识点:概率论与数理统计 > 第十周 独立随机变量和的分布与顺序统计量 > 独立正态分布和的分布 > 10.2 独立正态分布和的分布
当随机变量X,Y
为相互独立的标准正态分布时
X加Y也服从正态分布
期望仍为0,方差为2
是X,Y的方差和
下面证明这一结论
利用卷积公式
Z等于X加Y在点z的密度函数值
等于fX(x)乘以fY(z-x)
从负无穷到正无穷对x积分
代入X和Y的密度函数
等于2pi分之1乘以
e的负(x方减zx加2分之z方)次幂
对x从负无穷到正无穷积分
将x方减zx加2分之z方对x进行配方
将剩下的z都放到积分号外
对系数进行整理
得到其中最后一个等式中的被积函数
恰好为以2分之z为期望
2分之1为方差的正态分布随机变量的
概率密度函数
它在负无穷到正无穷的积分等于1
所以Z的概率密度函数
在z点等于根号4pi分之1
乘以e的负4分之z方次幂
这个函数是参数为
0,2的正态分布的密度函数
所以Z等于X加Y服从期望为0
方差为2的正态分布
再给出一个更一般些的结论
若X服从期望为0
方差为sigma1方的正态分布
Y服从期望为0
方差为sigma2方的正态分布
且X,Y相互独立
则X加Y也服从正态分布
期望仍是0
方差为sigma1方加sigma2方
是X,Y的方差和
仍然利用卷积公式计算X加Y的密度函数
推导过程与X,Y方差为1时完全相同
只是这里对指数关于x配方的过程更加复杂
将配方后,作为常数的z的剩余项提出
积分号内的部分恰为参数为sigma1方
加sigma2方分之sigma1方乘z
方差为,sigma1方加sigma2方分之sigma1方
乘sigma2方的正态分布随机变量的密度函数
得到Z服从期望为0
方差为sigma1方加sigma2方的正态分布
上面做好了准备工作
现在我们给出独立的正态分布
随机变量求和的一般结果
设随机变量X1,X2到Xn相互独立
分别服从参数为mu1,sigma1方
直到 mu n,sigma n方的正态分布
则对任意常数a1,a2,到an
a1X1加a2X2一直加到anXn仍服从正态分布
其期望为a1X1、 a2X2直到anXn的期望和
其方差为a1X1、 a2X2直到anXn的方差和
首先证明两个随机变量和的结果
考虑a1乘以X1减mu1服从期望为0
方差为a1方sigma1方的正态分布
a2乘以X2减mu2服从期望为0
方差为a2方sigma2方的正态分布
所以根据刚才所证定理得
a1 X1加a2 X2减去a1 mu1加a2 mu2
服从期望为0 方差为a1方sigma1方
加a2方sigma2方的正态分布
所以a1 X1加a2 X2服从
期望为a1 mu1加a2 mu2
方差为a1方sigma1方
加a2方sigma2方的正态分布
利用两个变量的结果
通过归纳法即可得到定理的结论
-随机试验与随机事件
-古典概型
--1.2 古典概型
--第一周:古典概型
-事件间的关系与事件的运算
--第一周:事件间的关系与事件的运算
-两个著名的例子
--第一周:两个著名的例子
-讲义
-条件概率
--2.1 条件概率
--第二周:条件概率
-有关条件概率的三个重要计算公式
--第二周:有关条件概率的三个重要计算公式
-事件的独立性
--第二周:事件的独立性
-应用实例
--2.4 应用实例
--第二周:应用实例
-网球比赛胜率的计算
--Video
-讲义
-随机变量及分布函数
--第三周:随机变量及分布函数
-离散型与连续型随机变量
--第三周:离散型与连续型随机变量
-分布函数的性质与特殊的例子
--第三周:分布函数的性质与特殊的例子
-概率论所需微积分要点回顾
--第三周:概率论所需微积分要点回顾
-讲义
-二项分布与负二项分布
--第四周:二项分布与负二项分布
-泊松分布
--4.2 泊松分布
--第四周:泊松分布
-几何分布与指数分布
--第四周:几何分布与指数分布
-正态分布
--4.4 正态分布
--第四周:正态分布
-讲义
-随机变量函数的分布
--第五周:随机变量函数的分布
-随机变量的数学期望
--第五周:随机变量的数学期望
-随机变量的方差
--第五周:随机变量的方差
-原点矩与中心矩
--第五周:原点矩与中心矩
-期望和方差的一些补充性质
--第五周:期望和方差的一些补充性质
-讲义
-二项分布与泊松分布的期望与方差
--第六周:二项分布与泊松分布的期望与方差
-几何分布的期望与方差
--第六周:几何分布的期望与方差
-均匀、指数和正态分布的期望与方差
--第六周:均匀、指数和正态分布的期望与方差
-随机变量数学期望的应用实例
--第六周:随机变量数学期望的应用实例
-快速排序算法的平均计算量分析
--Video
-讲义
-多维随机变量
-第七周:多维随机变量
-常见多维随机变量举例
--第七周:常见多维随机变量举例
-随机变量的独立性
--第七周:随机变量的独立性
-独立随机变量期望和方差的性质
--第七周:独立随机变量期望和方差的性质
-讲义
-条件分布
--8.1条件分布
--第八周:条件分布
-条件期望
--8.2 条件期望
--第八周:条件期望
-全期望公式(上)
--第八周:全期望公式(上)
-全期望公式(下)
--第八周:全期望公式(下)
-讲义
-随机变量函数的期望
--第九周:随机变量函数的期望
-协方差
--9.2 协方差
--第九周:协方差
-相关系数
-- 9.3 相关系数
--第九周:相关系数
-相关与独立
--第九周:相关与独立
-讲义
-独立随机变量和的分布
--第十周:独立随机变量和的分布
-独立正态分布和的分布
--第十周:独立正态分布和的分布
-最大值、最小值分布
--第十周:最大值、最小值分布
-顺序统计量
--第十周:顺序统计量
-讲义
-正态分布的相关与独立
--第十一周:正态分布的相关与独立
-边缘密度均为正态,联合分布不是二元正态的例子
--第十一周:边缘密度均为正态,联合分布不是二元正态的例子
-二项分布的正态近似
--第十一周:二项分布的正态近似
-正态近似计算实例
--第十一周:正态近似计算实例
-讲义
-大数定律
--12.1大数定律
--第十二周:大数定律
-中心极限定理
--第十二周:中心极限定理
-蒙特卡洛(Monte Carlo)算法
-伪随机数和随机模拟
-讲义
-统计学实例
-总体与样本
-常用统计量
--第十三周:常用统计量
-三种重要的统计分布和分位数
--第十三周:三种重要的统计分布和分位数
-讲义
-参数的矩估计
--第十四周:参数的矩估计
-参数的极大似然估计
--第十四周:参数的极大似然估计
-参数点估计的无偏性和有效性
--第十四周:参数点估计的无偏性和有效性
-参数点估计应用实例
--第十四周:参数点估计应用实例
-讲义
-区间估计的基本思想
--第十五周:区间估计的基本思想
-区间估计的构造方法
--第十五周:区间估计的构造方法
-两个正态总体的区间估计
--第十五周:两个正态总体的区间估计
-大样本置信区间
--第十五周:大样本置信区间
-讲义
-假设检验问题的提示和标准步骤
--第十六周:假设检验问题的提示和标准步骤
-假设检验问题的两类错误和P值
--第十六周:假设检验问题的两类错误和P值
-单个正态总体参数的假设检验
--第十六周:单个正态总体参数的假设检验
-拟合优度检验
--第十六周:拟合优度检验
-讲义
-利用条件概率计算网球比赛胜率
-利用期望的计算性质分析快速排序算法的平均计算量
-讲义
-事件
--事件
-分布函数
--分布函数
-正态
--正态
-指数与二项
--指数与二项
-随机变量函数的分布
-指数分布期望
--指数分布期望
-切比雪夫不等式
--切比雪夫
-二元离散
--二元离散
-协方差
--协方差
-二元特征
--二元特征
-统计量
--统计量
-无偏估计
--无偏估计
-点估计
--点估计
-假设检验
--假设检验
-选择
--选择
-填空
--填空
-大题
--大题