1、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。

(资料图)

2、于是：∫e^[-(x-u)^2/2(t^2)]dx=(√2π)t（*）积分区域是从负无穷到正无穷，下面出现的积分也都是这个区域。

3、（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。

4、(2)方差过程和求均值是差不多的，我就稍微略写一点了。

5、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正好凑出了方差的定义式，从而结论得证。

6、扩展资料：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)。

7、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。

8、当μ = 0,σ = 1时的正态分布是标准正态分布。

9、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。

10、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。

11、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。

12、只要会用它求正态总体在某个特定区间的概率即可。

13、为了便于描述和应用，常将正态变量作数据转换。

14、将一般正态分布转化成标准正态分布。

15、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。

16、（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。

17、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。

18、参考资料来源：百度百科--方差参考资料来源：百度百科--正态分布。

本文就为大家分享到这里，希望小伙伴们会喜欢。