Introduzione alla varianza della distribuzione normale: In questo articolo imparare la normale variabilità della distribuzione. La distribuzione normale è una struttura completamente continua di distribuzione con lo zero cumulativa a tutti gli ordini su due. La distribuzione normale hanno forma di campana alla funzione di densità della probabilità associata grafico in media, e anche chiamato come la campana curve'F (x) = (1 /(sqrt (2 pi sigma ^ 2))) e ^ (- (x - lambda) ^ 2 /(2 sigma ^ 2)) 'Qui' lambda 'ed a è media e la varianza. I l valore medio pari a zero e varianza pari a 1 significa che la distribuzione chiamata standard di distribuzione normale .In i dettagli di seguito della normale variabilità della distribuzione. Esempio varianza della varianza Distribuzione normale: La varianza della distribuzione normale viene utilizzato per uno o più descrittori ed è un istante di distribuzione. La varianza campione può essere utilizzato nel costrutto di stima in questa variazione ed è molto semplice caso della varianza stimato .Il descrive probabilità teorica di distribution.Background della varianza della varianza Distribuzione normale: La varianza è variabile casuale. La variabile casuale è media della devozione al quadrato della variabile e ci si aspetta di tale valore. La definizione di normale varianza della distribuzione: La varianza ha caso continuo e discreto per definire la funzione di densità di probabilità e funzione di massa. La varianza della distribuzione di variabile casuale indicato con x .Il x avere un valore di E dire (x), la varianza x è la seguente, X = (x-'lambda ') ^ 2.Var (X) = E [(X- 'lambda') ^ 2] .Il caso continuo della varianza: La variabile casuale x è densità di probabilità f (x) in continues.Var (x) = 'int' (x-'lambda ') ^ 2f (x) dx .Qui 'lambda' = xf 'int' (x) dx.Where integrante gamma definito x da X.The caso discreto della varianza: La variabile casuale x è la funzione di massa di probabilità X1-> P1 ..... xn-> pn in case.Var discreta (X) = 'sum_ (i = 1) ^ n' 'Pi' (xi -'lambda ') 2.here'lambda' = 'sum_ (i = 1) ^ n' xi 'Pi' .La deviazione radice quadrata di X va da mezzo di propri it.the Proprietà della varianza distribuzione normale: la varianza ha valore non negativo, perché la piazza è + o 0. la costante della variabile casuale è pari a zero della varianza, e variabile nel set di dati è pari a zero. E le voci hanno lo stesso valore. Le seguenti regole sono mantenere le proprietà che, per cambiare in un parametro di posizione significa varianza è invariant.The varianza è invariata significa che il tutti i valori aggiunti in costante del variables.The tutti i valori sono scalati con le variabili in una costante e le varianze sono scalato in piazza di quella costante. Queste sono tutte le proprietà hanno espresso la seguente formula: Var (ax + b) = Var (Ax) = a ^ 2VAR (X) L'esempio della varianza della distribuzione normale: In dadi equilibrati a sei facce può essere modellato da una variabile casuale discreta in il concretizzarsi dei risultati da 1 a 6, ognuno di uguale probabilità 1/6. Il valore previsto è (1 + 2 + 3 + 4 + 5 + 6) /6 = 3,5. Quindi la varianza calcolata come: 'sum_ (i = 1) ^ 6''1 /6' (i-3,5) ^ 2 = '1/6' 17.50 = 2.92