X与Y独立，X与Y的均值都是0，方差分别为 (σ1)^2 和 (σ2)^2
所以：Z = X-Y也是正态分布，均值为0，方差为：(σ1)^2 + (σ2)^2
你就按照一维正态分布的公式写出 Z～N(0, (σ1)^2+(σ2)^2) 的概率密度就行了。
f(z) = 1/sqrt(2π ((σ1)^2+(σ2)^2))) * exp(-z^2 / (σ1)^2+(σ2)^2))
其中，sqrt 代表开根号。
正态总体的均值是0,方差是1\/2;
所以：Z = X-Y也是正态分布，均值为0，方差为：(σ1)^2 + (σ2)^2 你就按照一维正态分布的公式写出 Z～N(0, (σ1)^2+(σ2)^2) 的概率密度就行了。f(z) = 1\/sqrt(2π ((σ1)^2+(σ2)^2))) * exp(-z^2 \/ (σ1)^2+(σ2)^2))其中，sqrt 代表开根号。
均值为0,方差为1\/2,则期望为多少?
结果为：解题过程如下：
...Y相互独立,且都服从均值为0,方差为1\/2的正态分布,求随机变量|X-Y|...
最后可得答案为根号下2\/π
...Y相互独立,且都服从均值为0,方差为1\/2的正态分布,求随机变量|X-Y|...
V=X-Y X,Y独立，所以EV=EX-EY=0 Var(V)=Var(X)+Var(-Y)=1 所以V=X-Y~N(0,1) 所以V的密度函数是f(v)=1\/√2π*e^(-v^2\/2)那么U=|V| F(u)=P(U<=u)=P(|V|<=u)=P(-u<=V<=u)=2P(V<=u)-1=2Φ(u)-1 fU(u)=F'(u)=2Φ'(u)=2fV(u)=2\/√2...
...Y相互独立,且都服从均值为0,方差为1\/2的正态分布,求随机变量|X-Y|...
如图
...y相互独立,且都服从均值为0,方差为1\/2的正态分布,求随机变量|x-y|...
X~N(0,0.5)Y~N(0,0.5)X-Y~N(0,1)所以令Z=X-Y 就是求Z绝对值的方差 VarZ=EZ^2-(EZ)^2 Z绝对值的期望可以自己算一算，根号(2\/pi)，EZ^2就等于标准正态的二阶原点矩，是1 所以VarZ=1的平方减去2\/pi=(pi-2)\/pi
标准正态分布均值是为什么是0标准差为什么是1
标准差的计算公式是E[(Z - E(Z))^2]。将Z = (x - μ) \/ σ代入，得到E[(X - μ)^2\/σ^2]。进一步简化，我们得到σ^2\/σ^2 = 1。因此，标准正态变量的标准差为1。综上所述，标准正态变量的平均值是0，标准差是1，我们通常用符号Z ~ N(0，1)来表示。
标准正态分布方差怎么求?
标准正态分布是指均值为0，标准差为1的正态分布。x2指的是随机变量X的平方，其中X服从标准正态分布。对于一个标准正态分布X，它的方差是1（方差是指随机变量离其均值的平均距离的平方）。因此，对于X2，我们需要计算它的方差，即：Var(X2) = E(X4) - [E(X2)]2其中，E(X2)表示X2的期望...
正态分布是如何进行加减乘除运算的
具体而言,如果X和Y是两个独立的正态分布变量,其均值分别为μ1和μ2,方差分别为σ1²和σ2²,则它们的和Z=X+Y 服从均值为μ1+μ2,方差为σ1²+σ2² 的正态分布。 2. 减法:减法运算可以转化为加法运算。如果X和Y是两个正态分布变量,它们的差为Z=X-Y,我们可以将减法转化为加法运算:Z=X+(...
matlab中,在同一窗口,画均值为0,方差为1,2,3的正态分布密度曲线图
x=linspace(-5,5,501)';y1=normpdf(x,0,1);y2=normpdf(x,0,sqrt(2));y3=normpdf(x,0,sqrt(3));plot(x,[y1 y2 y3]);legend('\\sigma^2=1','\\sigma^2=2','\\sigma^2=3');
