标签: 正态分布 - 文档

Box-Muller变换从均匀分布生成正态分布的推导过程

2026-07-26 20:38:38

BoxMuller 变换：从均匀分布生成正态分布的推导过程准备：你手头有均匀分布随机数生成器，能产生 U0,1 的独立样本。目标是用这些均匀样本生成服从标准正态分布 N0,1 的独立随机数。 1. 理解逆变换法的局限回忆：若已知累积分布函数 Fx 及其反函数 F^{1}，则令 U U0,1，X

Box-Muller变换均匀分布正态分布

37 0

正态分布N(μ,σ²)的密度函数图像及3σ原则的概率分布

2026-07-24 18:47:39

正态分布 Nμ,σ² 的密度函数图像及 3σ 原则的概率分布正态分布是统计学中最常见的概率分布，它的密度函数决定了数据的分布形态。以下通过四个步骤，帮助你直观理解其图像特征，并精确掌握“3σ原则”所对应的概率范围。 1. 理解密度函数的基本形状写出正态分布密度函数公式（仅在需要精确推导时使用

正态分布密度函数 3σ原则

30 0

为什么大数定律和中心极限定理不矛盾

2026-07-24 12:38:05

为什么大数定律和中心极限定理不矛盾当你第一次接触大数定律和中心极限定理时，可能会产生一种直觉上的冲突：大数定律说样本均值会越来越接近总体均值，而中心极限定理说样本均值的分布会变成钟形曲线。一个强调“趋近”，一个强调“形状”，它们会不会互相打架？理解这两个定理各自的关注点，就能发现它们根本不矛盾，反

大数定律中心极限定理统计推断

33 0

为什么布朗运动的路径处处连续但处处不可导

2026-07-03 22:45:36

为什么布朗运动的路径处处连续但处处不可导理解布朗运动（醉汉走路）这个数学模型的一个核心难点，在于它的一个奇妙性质：它的路径是连续不断的，但如果你在任何一个时间点尝试测量它前进的“速度”，你会发现这个速度根本不存在，是无穷大的。这篇文章将手把手地拆解这个“连续但处处不可导”的结论是如何被严格证明的。

布朗运动随机过程连续路径

56 0

正态分布N(μ,σ²)标准化Z=(X-μ)/σ与查表计算

2026-06-27 22:42:47

正态分布Nμ,σ²标准化Z=Xμ/σ与查表计算正态分布的应用极其广泛，但直接处理一个任意的正态分布 $N\mu, \sigma^2$ 很不方便。标准化是将这个过程转化为通用问题的关键一步。其核心是通过一个简单的线性变换，将你手头的数据 $X$，转化为一个服从标准正态分布的新变量 $Z$。标准

正态分布标准化 Z值

94 0

正态分布 共 5 篇文章