aX-bY服从正态分布，因为正态分布之间的线性加减，以及乘以一个常数，不会影响其正态分布的性质。如果X和Y独立，且各自的均值为μx和μy；那么，aX-bY均值为 aμx-bμy，方差为：（aσx）^2+（bσy）^2 。分析过程如下：X,Y服从正态分布，则X~N(μx,σx^2)，Y~N(μy,σy^2)；...
正态分布的线性组合公式是指当多个正态分布的随机变量经过线性组合后，其结果仍然服从正态分布。假设有两个正态分布的随机变量X和Y，其均值分别为μX和μY，标准差分别为σX和σY。定义一个新的随机变量Z，通过线性组合X和Y得到：Z = aX + bY其中，a和b为常数。如果aX和bY两个随机变量的线性组...
正态分布之间的加减这样的线性计算，包括自己本身乘以一个常数，不会影响其正态分布的性质，所以aX-bY还是服从正态分布。看是否独立，也就是X和Y之间的协方差是否为0。如果X和Y独立，且各自的均值为μx和μy，那么合并后的均值为 aμx-bμy 方差为：（aσx）^2+（bσy）^2 如果X和Y不独立...
a不一定大于b。a与b之间没有大小的限制 如果X~N(μ1，σdao1²)Y~N(μ2，σ2²)那么按照基本公式 aX-bY服从的就是正态分布 N(aμ1-bμ2，a²σ1²+b²σ2²)
正态分布可加性公式 正态分布可加性公式是：X+Y~N（3，8）。相互立的正态变量之线性组合服从正态分布。即X~N（u1，（q1）^2），Y~N(u2，（q2）^）则Z=aX+bY~N（a*u1+b*u2，（a^2）*（q1）^2+（b^2）*（q2）^2）。扩展资料：正态分布（Normal distribution），也称“常态分布”，又名高斯...
正态分布可加性公式是:X+Y~N(3,8)。 相互立的正态变量之线性组合服从正态分布。即X~N(u1,(q1)^2),Y~N(u2,(q2)^)。 则Z=aX+bY~N(a*u1+b*u2,(a^2)*(q1)^2+(b^2)*(q2)^2)。 正态分布的由来: 正态分布是最重要的一种概率分布。正态分布概念是由德国的数学家和天文学家Moivre于173...
当两个正态分布是相互独立的时候，它们的线性组合也保持正态分布的特性。这意味着如果两个随机变量X和Y分别符合正态分布，记作X ~ N(μ₁, σ₁²)和Y ~ N(μ₂, σ₂²)，那么通过线性组合得到的新变量aX + bY，同样也会遵循正态分布规律。具体而言，...
线性组合是两个正态分布进行运算的一种重要方式。如果X、Y是两个正态分布的随机变量,那么它们的线性组合aX+bY也是正态分布的,其中a和b是常数。这个线性组合的正态分布具有均值aμX+bμY,方差a²σX²+b²σY²+2abCov(X,Y)。 二、概率密度函数 概率密度函数是描述随机变量分布密度的函数,对于正态...
aX-bY)=a^2*sigma^2-b^2*sigma^2。看出来了吧a^2=b^2且不为0时，不相关，而且是独立。
那么:aX+bY~N(aμ1+bμ2,a²σ1²+b²σ2²) 此外我们要记住正态分布中最重要的3σ原则: 这个原则可以用来帮助我们处理数据中的异常值,假设一组检测数据只含有随机误差,计算处理该组数据得到标准差,然后按一定的概率确定一个区间,误差超过这个区间的就属于异常值。