正态分布数学期望？由X~N（0，4）与Y~N（2，3/4）为正态分布得：X~N（0，4）数学期望E（X）＝0，方差D（X）＝4；Y~N（2，3/4）数学期望E（Y）＝2，方差D（Y）＝4/3。由X，Y相互独立得：E（XY）＝E（X）E（Y）＝0×2＝0，D（X＋Y）＝D（X）＋D（Y）＝4×4/3＝16/3，那么，正态分布数学期望？一起来了解一下吧。
具体回答如图：
期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合里。
大数定律规定，随着重复次数接近无穷大，数值的算术平均值几乎肯定地收敛于期望值。
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。
扩展资料：
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。
如果变量可以在某个区间内取任一实数，即变量的取值可以是连续的，这随机变量就称为连续型随机变量。例如，公共汽车每15分钟一班，某人在站台等车时间x是个随机变量，x的取值范围是[0,15），它是一个区间，从理论上说在这个区间内可取任一实数3.5、无理数等。
参考资料来源：百度百科--正态分布
参考资料来源：百度百科--数学期望
当n是奇数时，EX^n=0;
当n是偶数时，EX^n=&^n(n-1)!!
[&是标准差，（n-1)!!=(n-1)*(n-3)*(n-5)*……*3*1]
正态分布的期望求法为E（X）=X1*p（X1）+X2*p（X2）+…+Xn*p（Xn）。正态分布也称常态分布，又名高斯分布最早由棣莫弗，在求二项分布的渐近公式中得到。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。
正态分布的数学期望是μ，方差是σ^2；标准正态分布的数学期望是0，方差是1。
正态分布：正态分布是一种常见的连续概率分布，其形状呈钟形曲线。对于正态分布，数学期望表示为μ，它描述了数据分布的中心位置。方差表示为σ^2，它描述了数据分布的离散程度，即数据点与其均值之间的偏差的平方的平均值。
标准正态分布：标准正态分布是正态分布的一种特殊情况，其均值μ为0，方差σ^2为1。标准正态分布在实际应用中非常重要，因为它可以通过线性变换转换为任何具有特定均值和方差的正态分布。
具体回答如图：
期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合里。
大数定律规定，随着重复次数接近无穷大，数值的算术平均值几乎肯定地收敛于期望值。
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。
扩展资料：
第一参数μ是服从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2 )。服从正态分布的随机变量的概率规律为取 μ邻近的值的概率大 ，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。
正态分布的密度函数的特点是：关于μ对称，在μ处达到最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点。它的形状是中间高两边低 ，图像是一条位于x轴上方的钟形曲线。当μ=0，σ2 =1时，称为标准正态分布，记为N（0，1）。
μ维随机向量具有类似的概率规律时，称此随机向量遵从多维正态分布。
以上就是正态分布数学期望的全部内容，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。内容来源于互联网，信息真伪需自行辨别。如有侵权请联系删除。
