具体来说,若两个独立的正态分布分别为( X \sim N(\mu_1, \sigma_1^2) )和( Y \sim N(\mu_2, \sigma_2^2) ),则( X - Y )的期望为( \mu_1 - \mu_2 ),方差为( \sigma_1^2 + \sigma_2^2 )。以下从期望和方差的计算原理分别展开说明。...
- 对于正态分布(N(u_2,v_2^2)),随机变量(Y)的方差为(D(Y)=v_2^2)。 - 当计算(X - Y)的方差时,由于(X)和(Y)是两个独立的随机变量(如果没有明确说明独立,在正态分布相减求方差的理论中,默认是独立的情况),根据方差的性质(D(aX + bY)=a^{2}D(X)+b^{2}D(Y))(这里(a = 1),(b...
是正态分布，原因：设X，Y均为正态分布，均值方差分别为uX，uY和varX和varY，则-Y也为正态分布，其均值方差为-uY和varY，所以由两个独立正态随即变量的和仍为正态的，得知X-Y服从均值为X-Y，方差为varX+varY的正态分布。