随机变量X服从正态分布N(0,1),则N(0,1)=？

这就是洞。
别相信。
不要这样做。

随机变量X服从标准正态分布，那它的四次方的期望怎么求呢

简而言之，使用方差和平方期望来求出标准正态分布 X 的期望的四次方。
我们先来说说最重要的事情。
χ2 (1 ) 的卡方分布等于 X2 它的期望自由度为1 ，方差为2 这是我们去年启动项目时用来计算期望的。
还有一点：偏差公式 D(X2 ) = E(X⁴)
(E(X2 ))2 ，代入值 χ2 (1 )，可以得到 E(X⁴)=3 的解。
还有一个更重要的细节。
当N为奇数时，E(Xⁿ)=0。
由于正态分布是对称的，因此正项和负项在展开奇次幂后会抵消。
说实话，这很令人困惑。
很多人不注意这一步。

一开始我以为这需要眼镜，但后来我发现使用卡方属性更容易。
等等，还有一件事。
扩展中提到的拐点实际上与期望没有任何关系，所以不要偏离主题。
下次当您面临高功率期望时，最好首先考虑奇偶校验。
直接将这个公式应用到偶数上，奇数的瞬时湮灭就是0。

如何求一个随机变量的标准正态分布？

这是标准正态分布表搜索步骤。
真实故事：2 000年金融业审计的基本方法。
数字：1 .1 5 对应于 Φ 值 0.8 7 4 9 不要相信您可以在网上找到的任何表格搜索教程。
不要这样做：直接使用 Excel 函数 NORM.S.DIST(1 .1 5 ,TRUE) 而不绘制图表。

设随机变量X和Y都服从标准正态分布，则

说实话，这个问题有点绕。
X 和 Y 均服从 N(0,1 )，这是均值 0、标准差 1 的正态分布。

因此 X 的平方 χ^2 (1 ) 是卡方分布，自由度为 1 这就像说如果你抛一枚硬币，正面的概率是 0.5 如果滚动 1 0 次，正面的数量约为 N(5 , 2 .5 )。

选项C是正确的，因为X和Y都是N(0,1 )独立的，它们的平方和是χ^2 (2 )并且自由度相加。
选项A不正确，因为它没有说X和Y是独立的，并且X+Y不一定是正规的。
选项B和D也不正确，因为X和Y不一定独立，它们的平方也不一定独立。

正态分布的一维和二维关系简单来说就是： 1 、(X,Y)正规，X、Y肯定正规，aX+bY也正规。
但事实恰恰相反。
X和Y是正规的，(X,Y)不一定是正规的，aX+bY也不一定是正规的。
除非所有 aX+bY 都是正规的，则 (X, Y) 都是正规的。
2 . 如果X和Y是正规且独立的，则(X,Y)是二维正规且相关系数ρXY=0。

当时我不明白为什么B和D不起作用，但是χ^2 分布的独立性一定是独立且正态的。
我们这里不是谈论独立。