Introducción a la varianza de la distribución normal: En este artículo aprenda la varianza de distribución normal. La distribución normal es una distribución completamente continúa con cero acumulada en todos los pedidos en dos. La distribución tienen forma de campana a la función de densidad de la probabilidad asociada de la gráfica en la media, y también llamado como la campana curve'F (x) = (1 /(sqrt (2 pi sigma ^ 2))) e ^ (- (x - lambda) ^ 2 /(2 sigma ^ 2)) 'Aquí' lambda 'ya es media y la varianza. E l valor medio igual a cero y varianza igual a 1 significa que la distribución se llama distribución normal estándar .En los datos a continuación de la varianza de distribución normal. Varianza de la muestra de varianza de distribución normal: La varianza de distribución normal se utiliza para uno o más descriptores y es un instante de distribución. La varianza de la muestra puede ser utilizado en construcción de la estimación de esta varianza y es caso muy simple de varianza estimada .La descripción de probabilidad teórica de distribution.Background de la varianza en la varianza de distribución normal: La varianza tiene variable aleatoria. La variable aleatoria es la media de la devoción al cuadrado de la variable y se espera de ese valor. La definición de la varianza de distribución normal: la varianza tiene caso continuo y discreto para definida la función de densidad de probabilidad y función de masa. La varianza de la distribución variable aleatoria x denota por X tienen .El valor de E media (x), la varianza de x es el siguiente, X = (x-'lambda ') ^ 2.Var (X) = E [(x- 'lambda') ^ 2] .El caso continuo de la varianza: La variable aleatoria x es la densidad de probabilidad f (x) en función de continues.Var (X) = 'int' (x-'lambda ') ^ 2f (x) dx 'lambda' .here = xf 'int' (x) dx.Where integrante rango definido x del caso discreto X.The de la varianza: La variable aleatoria x es la función de masa de probabilidad X1> p1 ..... xn-> pn en case.Var discreta (X) = 'sum_ (i = 1) ^ n' 'Pi' (xi -'lambda ') 2.here'lambda' = 'sum_ (i = 1) ^ n' xi 'Pi' .El desviación raíz cuadrada de X va desde media de it.The propias propiedades de varianza Distribución normal: la varianza tiene un valor no negativo, porque la plaza es + o 0. la constante de variable aleatoria tiene cero de la varianza, y se variable en el conjunto de datos es cero. Y las entradas tienen mismo valor. Las siguientes reglas son a mantener en los que las propiedades, para cambiar en un parámetro de localización significa que la varianza es invariant.The varianza es sin cambios significa que el todos los valores añadidos en la constante de todos los valores variables.The se escalan con variables en una constante y las varianzas son ampliarse en la plaza de ese constante. Esas son todas las características expresadas de la siguiente fórmula: Var (ax + b) = Var (AX) = a ^ 2Var (X) El Ejemplo de la varianza de distribución normal: En dados equilibrados de seis caras puede ser modelado por una variable aleatoria discreta en desenlaces 1 a 6, cada uno de igual probabilidad 1/6. El valor esperado es (1 + 2 + 3 + 4 + 5 + 6) /6 = 3,5. De ahí la varianza calculada a ser: 'sum_ (i = 1) ^ 6''1 /6' (I-3.5) ^ 2 = '1/6' 17.50 = 2.92