可否认为,所有的概率分布都可看作正态分布和均匀分布的叠加
发布网友
发布时间：2022-05-23 03:17
共2个回答
热心网友
时间：2023-10-11 15:25
首先，概率分布就分为离散分布和连续分布，而无论正态分布还是均匀分布都只属于连续性分布。当然，我们可以说，连续性分布可以作为离散分布的极限，比如二项分布、泊松分布的极限都是正态分布。但我们还是无法把有限量下的离散分布直接当作正态分布，就好比统计检验中的t检验和u检验不能混为一谈一般。
第二，更重要的是，就算连续分布本身，都还有许多不能归类到正态分布或均匀分布或二者组合的分布。经典的（我的意思是中学课本里就有的）就有指数分布，此外还有χ2分布（卡方分布）、Γ分布（伽马分布）等，都既不属于正态分布，又不属于均匀分布，也不能拆解为二者的某种组合。
其实，我们看“正态分布”一词，就能知道其背后必然还有许多偏度不为零的分布，它们都不是“正态”分布，只能算是偏态的分布。
当然，如果你把正态分布的极端，即δ函数拿出来，然后强行把每一种分布都拆解为一系列δ函数的线性代数和，也未尝不可，但这时你也不必把均匀分布另外归为一类了。
热心网友
时间：2023-10-11 15:25
离散型随机变量及其分布律 方面的题目,求解～～～ 因为所有事件的概率和应该为1,所以∑P{X=n}=1(从2加到n),代入计算,可以发现只有B满足这个...
设随机变量X的分布律为P(X=k)=A(2/3)k,(k=1,2,3),则A=? 这是一道填空题,我...～～～ 因为 P(X=k)=A(2/3)^k, (k=1,2,3)是概率分布函数 所以其所有概率可能性的积分。
正态分布有一个特殊的性质，就是中心极限定理。其他任意分布的随机数，取大量，其均值服从高斯分布。严格的理论是这样的：
对于服从均匀分布的随机变量，只要n充分大，随机变量 就服从均值为零，方差为1的正态分布。所以，很简单，取N个均匀分布的随机变量即可。特别的，一般可以取N=12，由于（0,1）均匀分布的均值为0.5，方差为1/12，因此代入上式，结果为 x1+x2+..+x12-6.编程的时候就很方便。
