n个正态分布相加服从什么分布的公式

正态分布加减计算公式为：X+Y~N(μx+μy，σx^2+σy^2)，X-Y~N(μx-μy，σx^2+σy^2)。正态分布是一种常见的随机变量分布，在统计学中有着广泛的应用。其中，正态分布的加减计算公式指的是两个正态分布变量之和或差的分布计算公式。式中，μx和μy分别是X和Y的均值，σx^2和σy^2分别是X和Y的方差。加减计算公式的意义在于，通过已知的X和Y的分布参数，可以对它们进行加减运算后得到一个新的正态分布变量，同时也可以求出这个新变量的均值和方差。在实际的统计分析中，正态分布的加减计算公式经常被用来进行假设检验、置信区间估计等方面的计算。正态分布的应用：正态分布是统计学中最常见的分布之一，它通常被用来描述实际生活中存在的很多随机现象。例如，身高、体重、智商、收入等很多人类特征都服从正态分布。因此，正态分布在社会科学中有着极为重要的应用，可以用来分析人群中各种特征的分布情况。

两个正态分布相加公式：D(X1-2X2)=D(X1)+4D(X2)。正态分布，也称“常态分布”，又名高斯分布（Gaussiandistribution），最早由棣莫弗（AbrahamdeMoivre）在求二项分布的渐近公式中得到。 rahamdeMoivre）在求二项分布的渐近公式中得到。 在n次独立重复的伯努利试验中，设每次试验中事件A发生的概率为p。 用X表示n重伯努利试验中事件A发生的次数，则X的可能取值为0，1，…，n，且对每一个k（0≤k≤n），事件{X=k}即为“n次试验中事件A恰好发生k次”，随机变量X的离散概率分布即为二项分布（BinomialDistribution）。

两个正态分布相加公式：E(X-3Y)=E(X)-3E(Y)=-2，D(X-3Y)=D(X)+9D(Y)=29，X-3Y~N(-2，29)。E(X1-2X2)=E(X1)-2E(X2)。D(X1-2X2)=D(X1)+4D(X2)。X1-2X2~N(0，20)。两个正态分布的任意线性组合仍服从正态分布（可通过求两个正态分布的函数的分布证明），此结论可推广到n个正态分布。因此，只需求X-3Y的期望方差就可知道具体服从什么正态分布了。

正态分布是这样进行加减乘除运算的：两个正态分布的任意线性组合仍服从正态分布（可通过求两个正态分布的函数的分布证明），此结论可推广到n个正态分布。因此，只需求X-3Y的期望方差就可知道具体服从什么正态分布了。E(X-3Y)=E(X)-3E(Y)=-2，D(X-3Y)=D(X)+9D(Y)=29，X-3Y~N(-2,29)扩展资料：正态分布常见的理由：通常情况下，一个事物的影响因素都是多个，比如每个人的身高，受到多个因素的影响，例如：1、父母的身高；2、家里面的饮食习惯；3、每天是否运动，每天做了什么运动；等等。每一个因素,每天的行为,就像刚才抛硬币一样,这些因素要不对身高产生正面影响,要不对身高产生负面影响,最终让整体身高接近正态分布。

两个正态分布相加后服从高斯分布。如A-N（μ1，Δ12)，B-N（μ2，Δ22），且A，B相互独立，那么A+B-N（u1+μ2，Δ12+Δ22）。若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N（μ，σ^2）。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ=0，σ=1时的正态分布是标准正态分布。

正态分布可加性公式是：X+Y~N（3，8）。相互立的正态变量之线性组合服从正态分布。即X~N（u1，（q1）^2），Y~N(u2，（q2）^）则Z=aX+bY~N（a*u1+b*u2，（a^2）*（q1）^2+（b^2）*（q2）^2）。图形特征集中性：正态曲线的高峰位于正中央，即均数所在的位置。对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。曲线与横轴间的面积总等于1，相当于概率密度函数的函数从正无穷到负无穷积分的概率为1。即频率的总和为100%。

正态分布是这样进行加减乘除运算的：两个正态分布的任意线性组合仍服从正态分布，此结论可推广到n个正态分布。因此，只需求X-3Y的期望方差就可知道具体服从什么正态分布了。 正态分布也称“常态分布”，又名高斯分布，最早由棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。

1、由于一般的正态总体其图像不一定关于y轴对称，对于任一正态总体，其取值小于x的概率。只要会用它求正态总体在某个特定区间的概率即可。2、为了便于描述和应用，常将正态变量作数据转换。将一般正态分布转化成标准正态分布。3、若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。4、μ维随机向量具有类似的概率规律时，称此随机向量遵从多维正态分布。多元正态分布有很好的性质，例如，多元正态分布的边缘分布仍为正态分布，它经任何线性变换得到的随机向量仍为多维正态分布，特别它的线性组合为一元正态分布。回答于 2022-08-07抢首赞12月8日4161只股票诊断结果已出，查看你的股票是去是留！钱坤证券广告明日大胆满仓买入，这三只股票或将暴涨，反正免费，马上测一测！钱坤证券广告正态分布的期望和方差公式期望Ex1p1x2p2xnpn方差公式s1nx1xx2x.....你想知道的，这里全都有!更多精彩内容，尽在拼多多广告正态分布情况下的方差怎么求在X~N(μ,σ2)∑xi2u2981pi-μ2(上述所有2都是平方的意思)除此之外,对于二项分布的数据来说还有一种求出Var的方法前提是:X~B(n,p),np>5,nq>5(参见S1书上的推理过程)则有E(X)=npVar(X)=npq=np(1-p)裘芙伊溪4点赞521浏览更多专家正态分布的方差怎么求 简述正态分布的方差怎么求专家1对1在线解答问题5分钟内响应 | 万名专业答主马上提问最美的花火 咨询一个教育问题，并发表了好评lanqiuwangzi 咨询一个教育问题，并发表了好评garlic 咨询一个教育问题，并发表了好评188****8493 咨询一个教育问题，并发表了好评篮球大图 咨询一个教育问题，并发表了好评动物乐园 咨询一个教育问题，并发表了好评AKA 咨询一个教育问题，并发表了好评正态分布的方差怎么求？在X~N（μ，σ2），∑xi2u2981pi-μ2，除此之外，对于二项分布的数据来说还有一种求出Var的方法。X~B（n，p）np>5nq>5则有E（X）=npVar（X）=npq=np（1-p）正态曲线呈钟型两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。若随机变量X服从一个数学期望为μ、方差为σ2的正态分布，记为N(μ，σ2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。帐号已注销2点赞1.1万浏览正态分布的期望和方差公式_数学期望和方差本月52422人下载咨询深圳前海新之江信息..广告高中数学方差怎么求，高考状元学习心得分享!值得一看的高中数学相关信息推荐山东启力教育咨询广告全部1

相加后仍然是正态分布,只是平均值和标准差可能会改变.相乘后应该就不再是正态分布了.与原来的两个正态分布当然有关.

那是当然了，即便2个独立的正态分布相加，结果也还是正态分布。只不过，他们的均值是μ1+μ2，方差变成了 （σ1）^2+（σ2）^2+2*σ1,2。σ1,2表示协方差

你自己上网看看，答案我给你找到了，这是概率论的题下面是教材浙大 第三版 答案在96页左右，例1，http://wenku.baidu.com/view/d6d82be69b89680203d82547.html里面要用到一个公式，叫卷积公式，它在解题的时候是直接用的，卷积公式的证明书上也有的，其实自己推一下也可以的，主要用到多重积分 ，以及积分上下线的变换不懂还可以问我哈

两个相互独立的高斯分布相加，结果仍然是一个高斯分布。如A ~N(μ1，Δ12)，B~N(μ2，Δ22)，且A，B相互独立，那么A+B~N(u1+μ2， Δ12+Δ22)。若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。扩展资料：由于一般的正态总体其图像不一定关于y轴对称，对于任一正态总体，其取值小于x的概率。只要会用它求正态总体在某个特定区间的概率即可。为了便于描述和应用，常将正态变量作数据转换。将一般正态分布转化成标准正态分布。离散型随机变量的分布律和它的分布函数是相互唯一决定的。它们皆可以用来描述离散型随机变量的统计规律性，但分布律比分布函数更直观简明，处理更方便。因此，一般是用分布律(概率函数)而不是分布函数来描述离散型随机变量。参考资料来源：百度百科--正态分布参考资料来源：百度百科--分布函数

n个相互独立的正态分布的函数的线性组合仍然服从正态分布。相关系数r是用来衡量两个变量之间线性相关关系的方法，当r>0时，表示两变量正相关。正态分布，也称“常态分布”或“高斯分布”，是连续随机变量概率分布的一种，常常应用于质量管理控制。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。

两个t分布相加服从正态分布。两个独立正态分布随机变量的联合分布是二维正态分布，而二维正态分布的随机向量的线性组合还依然服从正态分布。有限个相互独立的正态随机变量的线性组合仍然服从正态分布。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。

要理解两个独立的正态分布相加减的实际意义。首先了解：正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution），最早由棣莫弗（Abraham de Moivre）在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。两个正态分布的任意线性组合仍服从正态分布（可通过求两个正态分布的函数的分布证明），此结论可推广到n个正态分布 。例如：设两个变量分别为X,Y，那么E（X+Y）=EX+EY;E(X-Y)=EX-EYD(X+Y)=DX+DY;D(X-Y)=DX+DY。由于一般的正态总体其图像不一定关于y轴对称，对于任一正态总体，其取值小于x的概率。只要会用它求正态总体在某个特定区间的概率即可。

首先声明，标准分布就一种，服从N（0，1）。两个都服从正太分布的变量，例如X服从N(a,b),Y服从N(c,d),则X+Y服从N（a+c，b+d）；X-Y服从N（a-c，b+d）。即两变量相加减时，期望相应加减，方差始终是相加。

你自己上网看看,答案我给你找到了,这是概率论的题 下面是教材浙大 第三版 答案在96页左右,例1, 里面要用到一个公式,叫卷积公式,它在解题的时候是直接用的,卷积公式的证明书上也有的,其实自己推一下也可以的,主要用到多重积分 ,以及积分上下线的变换 不懂还可以问我哈

本来括号里的数是不存在什么联系的 不过我们知道标准正态分布有一个很方便我们计算的特点 即他关于Y轴左右对称 这样括号里的两个数相加之后 如果是负数 说明括号里较小的那个数离最高值X=0更远 这导致f（较小的数）的值更小 以至于不足以使f（较小的数）+f（较大的数）=1 其实 要想使f（a）+f（b）=1 只需要a+b=0就可以了 当a+b>0 时 f（a）+f（b）>1a+b<0 时f（a）+f（b）<1

你好！X+Y是两个随机变量相加，并不是两个概率密度相加，你的理解是错的。经济数学团队帮你解答，请及时采纳。谢谢！

正态分布概率计算三部法1）确定分布与范围：如果遇到的问题适用于正态分布，则看看能否求出均值和标准差，只有先得知这些信息，才能求出概率，还需要弄清楚要求的是哪一部分的面积。2）使用标准分算法，Z=(X-μ)/σ将欲求的概率分布范围转化为标准正态分布N~(0,1)范围3）一旦转化为标准正态分布，就可以利用概率表查找概率

因为这是正态分布的性质之一：如果X和Y服从：是统计独立的正态随机变量，那么：X和Y的和也满足正态分布：X和Y的差也满足正态分布U与V两者是相互独立的。（要求X与Y的方差相等）。扩展资料：正态分布曲线的特征：1、集中性：正态曲线的高峰位于正中央，即均数所在的位置。2、对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。3、均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。4、曲线与横轴间的面积总等于1，相当于概率密度函数的函数从正无穷到负无穷积分的概率为1。即频率的总和为100%。5、正态分布具有两个参数μ和σ^2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ^2是此随机变量的方差，所以正态分布记作N（μ,σ2）。

多放糖醋经济环境一部分活酵母

是的，两个服从标准正态分布的随机变量的和也服从正态分布。如果X和Y是独立且服从标准正态分布的随机变量，即X~N(0, 1)和Y~N(0, 1)，那么它们的和Z = X + Y也会服从正态分布。根据概率论的性质，两个独立随机变量的和的概率分布等于它们各自概率分布的卷积。对于标准正态分布来说，其概率密度函数为f(x) = (1/sqrt(2π)) * exp(-x^2/2)。因此，我们可以计算Z的概率密度函数为：g(z) = f(z) * f(y) = (1/sqrt(2π)) * exp(-z^2/2) * (1/sqrt(2π)) * exp(-y^2/2)化简得到：g(z) = (1/(2π)) * exp(-(z^2 + y^2)/2)这就是Z的概率密度函数，显然它也符合正态分布的形式。所以，两个服从标准正态分布的随机变量的和也服从正态分布，具体来说，服从均值为0，方差为2的正态分布。

肯定是符合正态分布！方差根据抽样的不同而异！期望值是方差为零！

正态分布。正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution），最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。扩展资料：正态分布曲线图形特征：1、集中性：正态曲线的高峰位于正中央，即均数所在的位置。2、对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。3、均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。曲线与横轴间的面积总等于1，相当于概率密度函数的函数从正无穷到负无穷积分的概率为1。即频率的总和为100%。正态曲线下横轴上一定区间的面积反映该区间的例数占总例数的百分比，或变量值落在该区间的概率（概率分布）。不同 范围内正态曲线下的面积可用公式计算。1、正态曲线下，横轴区间(μ-σ,μ+σ)内的面积为68.268949%。P{|X-μ|<σ}=2Φ(1)-1=0.68262、横轴区间(μ-1.96σ,μ+1.96σ)内的面积为95.449974%。P{|X-μ|<2σ}=2Φ(2)-1=0.95443、横轴区间(μ-2.58σ,μ+2.58σ)内的面积为99.730020%。P{|X-μ|<3σ}=2Φ(3)-1=0.9974参考资料来源：百度百科——正态分布

假定A1开始：前面6个随机数：=INT(800+RAND()*475)第7个数=7000-SUM(A1:A6)

因为X，Y独立，所以Var（X-Y）=Var（X）+Var（Y）=2∑（∑^2）=2（∑^2），如果∑（大写,不是小写的σ）出现，代表的就是方差）。正态分布是具有两个参数μ和σ2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ,σ2 ).标准正态分布是一种特殊的正态分布，标准正态分布的μ和σ2为0和1，通常用 （或Z）表示服从标准正态分布的变量，记为 N（0,1）。扩展资料：注意事项：分布列相当于把每种情况都列出来，然后分别计算每种情况发生的概率，然后列成表格的形式。可以分为两点分布（两种情况），超几何分布，n次独立重复试验（n次等可能情况）等，不同的模型有不同的解题方式，注意区分。给出了期望和方差的计算方式，期望是概率乘以对应的x值，方差是浮动程度，和期望相关。同时注意两个分布列A和B，期望和方差虽自变量变化的规律。参考资料来源：百度百科-双变量正态分布参考资料来源：百度百科-样本均值参考资料来源：百度百科-正态分布参考资料来源：百度百科-方差

什么影响正态分布介绍如下：正态分布的形态和特征受到多种因素的影响。首先，根据中心极限定理，如果一个事物受到多种因素的影响，不管每个因素本身是什么分布，它们加总后，结果的平均值就呈正态分布。然而，这样的规律只适用于各种因素累加的情况。如果这些因素不是彼此独立的，而是相互影响，那么结果就不会是正态分布。此外，如果各种因素对结果的影响不是相加的，而是相乘的关系，那么最终的结果将不会呈现正态分布，而是对数正态分布。正态分布在自然界和人类社会中都有广泛的应用。例如，在医学领域，如同质群体的身高、红细胞数、血红蛋白量、胆固醇等呈现出正态或近似正态分布。这种分布在统计学中具有重要的地位，因为许多统计方法都基于数据的正态分布进行推导和解释。正态分布有哪些基本特征正态分布的基本特征包括集中性、钟形曲线、无限延伸、独立性和归一化等方面。一、正态分布的基本特征包括以下几点：1.集中性：正态分布曲线以均值为中心，曲线的高度一半的位置在均值的两侧，呈现一种集中分布的状态。2.钟形曲线：正态分布曲线呈现出钟形的形状，曲线两端逐渐衰减，形成一个标准的钟形曲线。3.无限延伸：正态分布曲线在横轴上是无限延伸的，即分布在-∞到+∞之间。4.独立性：正态分布的随机变量相互独立，且不受其他因素的影响。5.归一化：正态分布的随机变量在0到1之间均匀分布，即经过归一化处理后，其值在0到1之间。二、正态分布的概念。正态分布又名高斯分布，是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为：则其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。在正态分布实际应用中需要注意：1.正态分布的均值和方差决定了分布曲线的形状和位置，因此在进行统计分析时需要注意它们的取值。2.正态分布的随机变量之间是独立的，因此在进行假设检验时需要注意这一点。3.正态分布的曲线形状和位置可能会受到样本的影响，因此在选取样本时需要注意样本的大小和代表性。4.正态分布的随机变量在0到1之间均匀分布，但这并不意味着它们一定是整数，而是在概率上的均匀分布。总之，在实际应用中需要注意样本的大小和代表性、随机变量的独立性以及分布的均值和方差等因素。

排列与元素的顺序有关，组合与顺序无关．如231与213是两个排列，2＋3＋1的和与2＋1＋3的和是一个组合． (一)两个基本原理是排列和组合的基础 (1)加法原理：做一件事，完成它可以有n类办法，在第一类办法中有m1种不同的方法，在第二类办法中有m2种不同的方法，……，在第n类办法中有mn种不同的方法，那么完成这件事共有N＝m1＋m2＋m3＋…＋mn种不同方法． (2)乘法原理：做一件事，完成它需要分成n个步骤，做第一步有m1种不同的方法，做第二步有m2种不同的方法，……，做第n步有mn种不同的方法，那么完成这件事共有N＝m1×m2×m3×…×mn种不同的方法． 这里要注意区分两个原理，要做一件事，完成它若是有n类办法，是分类问题，第一类中的方法都是独立的，因此用加法原理；做一件事，需要分n个步骤，步与步之间是连续的，只有将分成的若干个互相联系的步骤，依次相继完成，这件事才算完成，因此用乘法原理． 这样完成一件事的分“类”和“步”是有本质区别的，因此也将两个原理区分开来． (二)排列和排列数 (1)排列：从n个不同元素中，任取m(m≤n)个元素，按照一定的顺序排成一列，叫做从n个不同元素中取出m个元素的一个排列． 从排列的意义可知，如果两个排列相同，不仅这两个排列的元素必须完全相同，而且排列的顺序必须完全相同，这就告诉了我们如何判断两个排列是否相同的方法． (2)排列数公式：从n个不同元素中取出m(m≤n)个元素的所有排列 当m＝n时，为全排列Pnn=n(n－1)(n－1)…3·2·1＝n！ (三)组合和组合数 (1)组合：从n个不同元素中，任取m(m≤n)个元素并成一组，叫做从 n个不同元素中取出m个元素的一个组合． 从组合的定义知，如果两个组合中的元素完全相同，不管元素的顺序如何，都是相同的组合；只有当两个组合中的元素不完全相同时，才是不同的组合． (2)组合数：从n个不同元素中取出m(m≤n)个元素的所有组合的个 这里要注意排列和组合的区别和联系，从n个不同元素中，任取m(m≤n)个元素，“按照一定的顺序排成一列”与“不管怎样的顺序并成一组”这是有本质区别的． 一、排列组合部分是中学数学中的难点之一，原因在于 (1)从千差万别的实际问题中抽象出几种特定的数学模型，需要较强的抽象思维能力； (2)限制条件有时比较隐晦，需要我们对问题中的关键性词(特别是逻辑关联词和量词)准确理解； (3)计算手段简单，与旧知识联系少，但选择正确合理的计算方案时需要的思维量较大； (4)计算方案是否正确，往往不可用直观方法来检验，要求我们搞清概念、原理，并具有较强的分析能力。 二、两个基本计数原理及应用 (1)加法原理和分类计数法 1．加法原理 2．加法原理的集合形式 3．分类的要求 每一类中的每一种方法都可以独立地完成此任务；两类不同办法中的具体方法，互不相同(即分类不重)；完成此任务的任何一种方法，都属于某一类(即分类不漏) (2)乘法原理和分步计数法 1．乘法原理 2．合理分步的要求 任何一步的一种方法都不能完成此任务，必须且只须连续完成这n步才能完成此任务；各步计数相互独立；只要有一步中所采取的方法不同，则对应的完成此事的方法也不同 [例题分析]排列组合思维方法选讲 1．首先明确任务的意义 例1. 从1、2、3、……、20这二十个数中任取三个不同的数组成等差数列，这样的不同等差数列有________个。 分析：首先要把复杂的生活背景或其它数学背景转化为一个明确的排列组合问题。 设a,b,c成等差，∴ 2b=a+c, 可知b由a,c决定， 又∵ 2b是偶数，∴ a,c同奇或同偶，即：从1，3，5，……，19或2，4，6，8，……，20这十个数中选出两个数进行排列，由此就可确定等差数列，因而本题为2=180。 例2. 某城市有4条东西街道和6条南北的街道，街道之间的间距相同，如图。若规定只能向东或向北两个方向沿图中路线前进，则从M到N有多少种不同的走法? 分析：对实际背景的分析可以逐层深入 （一）从M到N必须向上走三步，向右走五步，共走八步。 （二）每一步是向上还是向右，决定了不同的走法。 （三）事实上，当把向上的步骤决定后，剩下的步骤只能向右。 从而，任务可叙述为：从八个步骤中选出哪三步是向上走，就可以确定走法数， ∴ 本题答案为：=56。 2．注意加法原理与乘法原理的特点，分析是分类还是分步，是排列还是组合 例3．在一块并排的10垄田地中，选择二垄分别种植A，B两种作物，每种种植一垄，为有利于作物生长，要求A，B两种作物的间隔不少于6垄，不同的选法共有______种。 分析：条件中“要求A、B两种作物的间隔不少于6垄”这个条件不容易用一个包含排列数，组合数的式子表示，因而采取分类的方法。 第一类：A在第一垄，B有3种选择； 第二类：A在第二垄，B有2种选择； 第三类：A在第三垄，B有一种选择， 同理A、B位置互换 ，共12种。 例4．从6双不同颜色的手套中任取4只，其中恰好有一双同色的取法有________。 (A)240 (B)180 (C)120 (D)60 分析：显然本题应分步解决。 （一）从6双中选出一双同色的手套，有种方法； （二）从剩下的十只手套中任选一只，有种方法。 （三）从除前所涉及的两双手套之外的八只手套中任选一只，有种方法； （四）由于选取与顺序无关，因而（二）（三）中的选法重复一次，因而共240种。 例5．身高互不相同的6个人排成2横行3纵列，在第一行的每一个人都比他同列的身后的人个子矮，则所有不同的排法种数为_______。 分析：每一纵列中的两人只要选定，则他们只有一种站位方法，因而每一纵列的排队方法只与人的选法有关系，共有三纵列，从而有=90种。 例6．在11名工人中，有5人只能当钳工，4人只能当车工，另外2人能当钳工也能当车工。现从11人中选出4人当钳工，4人当车工，问共有多少种不同的选法? 分析：采用加法原理首先要做到分类不重不漏，如何做到这一点？分类的标准必须前后统一。 以两个全能的工人为分类的对象，考虑以他们当中有几个去当钳工为分类标准。 第一类：这两个人都去当钳工，有种； 第二类：这两人有一个去当钳工，有种； 第三类：这两人都不去当钳工，有种。 因而共有185种。 例7．现有印着0，l，3，5，7，9的六张卡片，如果允许9可以作6用，那么从中任意抽出三张可以组成多少个不同的三位数? 分析：有同学认为只要把0，l，3，5，7，9的排法数乘以2即为所求，但实际上抽出的三个数中有9的话才可能用6替换，因而必须分类。 抽出的三数含0，含9，有种方法； 抽出的三数含0不含9，有种方法； 抽出的三数含9不含0，有种方法； 抽出的三数不含9也不含0，有种方法。 又因为数字9可以当6用，因此共有2×(+)++=144种方法。 例8．停车场划一排12个停车位置，今有8辆车需要停放，要求空车位连在一起，不同的停车方法是________种。 分析：把空车位看成一个元素，和8辆车共九个元素排列，因而共有种停车方法。 3．特殊元素，优先处理；特殊位置，优先考虑 例9．六人站成一排，求 (1)甲不在排头，乙不在排尾的排列数 (2)甲不在排头，乙不在排尾，且甲乙不相邻的排法数 分析：（1）先考虑排头，排尾，但这两个要求相互有影响，因而考虑分类。 第一类：乙在排头，有种站法。 第二类：乙不在排头，当然他也不能在排尾，有种站法， 共+种站法。 （2）第一类：甲在排尾，乙在排头，有种方法。 第二类：甲在排尾，乙不在排头，有种方法。 第三类：乙在排头，甲不在排头，有种方法。 第四类：甲不在排尾，乙不在排头，有种方法。 共+2+=312种。 例10．对某件产品的6件不同正品和4件不同次品进行一一测试，至区分出所有次品为止。若所有次品恰好在第五次测试时被全部发现，则这样的测试方法有多少种可能? 分析：本题意指第五次测试的产品一定是次品，并且是最后一个次品，因而第五次测试应算是特殊位置了，分步完成。 第一步：第五次测试的有种可能； 第二步：前四次有一件正品有中可能。 第三步：前四次有种可能。 ∴ 共有种可能。 4．捆绑与插空 例11. 8人排成一队 (1)甲乙必须相邻 (2)甲乙不相邻 (3)甲乙必须相邻且与丙不相邻 (4)甲乙必须相邻，丙丁必须相邻 (5)甲乙不相邻，丙丁不相邻 分析：（1）有种方法。 （2）有种方法。 （3）有种方法。 （4）有种方法。 （5）本题不能用插空法，不能连续进行插空。 用间接解法：全排列-甲乙相邻-丙丁相邻+甲乙相邻且丙丁相邻，共--+=23040种方法。 例12. 某人射击8枪，命中4枪，恰好有三枪连续命中，有多少种不同的情况? 分析：∵ 连续命中的三枪与单独命中的一枪不能相邻，因而这是一个插空问题。另外没有命中的之间没有区别，不必计数。即在四发空枪之间形成的5个空中选出2个的排列，即。 例13. 马路上有编号为l，2，3，……，10 十个路灯，为节约用电又看清路面，可以把其中的三只灯关掉，但不能同时关掉相邻的两只或三只，在两端的灯也不能关掉的情况下，求满足条件的关灯方法共有多少种? 分析：即关掉的灯不能相邻，也不能在两端。又因为灯与灯之间没有区别，因而问题为在7盏亮着的灯形成的不包含两端的6个空中选出3个空放置熄灭的灯。 ∴ 共=20种方法。 4．间接计数法.(1)排除法 例14. 三行三列共九个点，以这些点为顶点可组成多少个三角形? 分析：有些问题正面求解有一定困难，可以采用间接法。 所求问题的方法数=任意三个点的组合数-共线三点的方法数， ∴ 共种。 例15．正方体8个顶点中取出4个，可组成多少个四面体? 分析：所求问题的方法数=任意选四点的组合数-共面四点的方法数， ∴ 共-12=70-12=58个。 例16. l，2，3，……，9中取出两个分别作为对数的底数和真数，可组成多少个不同数值的对数? 分析：由于底数不能为1。 （1）当1选上时，1必为真数，∴ 有一种情况。 （2）当不选1时，从2--9中任取两个分别作为底数，真数，共，其中log24=log39，log42=log93, log23=log49, log32=log94. 因而一共有53个。 (3)补上一个阶段，转化为熟悉的问题 例17. 六人排成一排，要求甲在乙的前面，(不一定相邻)，共有多少种不同的方法? 如果要求甲乙丙按从左到右依次排列呢? 分析：（一）实际上，甲在乙的前面和甲在乙的后面两种情况对称，具有相同的排法数。因而有=360种。 （二）先考虑六人全排列；其次甲乙丙三人实际上只能按照一种顺序站位，因而前面的排法数重复了种， ∴ 共=120种。 例18．5男4女排成一排，要求男生必须按从高到矮的顺序，共有多少种不同的方法? 分析：首先不考虑男生的站位要求，共种；男生从左至右按从高到矮的顺序，只有一种站法，因而上述站法重复了次。因而有=9×8×7×6=3024种。 若男生从右至左按从高到矮的顺序，只有一种站法， 同理也有3024种，综上，有6048种。 例19. 三个相同的红球和两个不同的白球排成一行，共有多少种不同的方法? 分析：先认为三个红球互不相同，共种方法。而由于三个红球所占位置相同的情况下，共有变化，因而共=20种。 5．挡板的使用 例20．10个名额分配到八个班，每班至少一个名额，问有多少种不同的分配方法? 分析：把10个名额看成十个元素，在这十个元素之间形成的九个空中，选出七个位置放置档板，则每一种放置方式就相当于一种分配方式。因而共36种。 6．注意排列组合的区别与联系：所有的排列都可以看作是先取组合，再做全排列；同样，组合如补充一个阶段(排序)可转化为排列问题。 例21. 从0，l，2，……，9中取出2个偶数数字，3个奇数数字，可组成多少个无重复数字的五位数? 分析：先选后排。另外还要考虑特殊元素0的选取。 （一）两个选出的偶数含0，则有种。 （二）两个选出的偶数字不含0，则有种。 例22. 电梯有7位乘客，在10层楼房的每一层停留，如果三位乘客从同一层出去，另外两位在同一层出去，最后两人各从不同的楼层出去，有多少种不同的下楼方法? 分析：（一）先把7位乘客分成3人，2人，一人，一人四组，有种。 （二）选择10层中的四层下楼有种。 ∴ 共有种。 例23. 用数字0，1，2，3，4，5组成没有重复数字的四位数， (1)可组成多少个不同的四位数? (2)可组成多少个不同的四位偶数? (3)可组成多少个能被3整除的四位数? (4)将(1)中的四位数按从小到大的顺序排成一数列，问第85项是什么? 分析：（1）有个。 （2）分为两类：0在末位，则有种：0不在末位，则有种。 ∴ 共+种。 （3）先把四个相加能被3整除的四个数从小到大列举出来，即先选 0，1，2，3 0，1，3，5 0，2，3，4 0，3，4，5 1，2，4，5 它们排列出来的数一定可以被3整除，再排列，有：4×()+=96种。 （4）首位为1的有=60个。 前两位为20的有=12个。 前两位为21的有=12个。 因而第85项是前两位为23的最小数，即为2301。 7．分组问题 例24. 6本不同的书 (1) 分给甲乙丙三人，每人两本，有多少种不同的分法? (2) 分成三堆，每堆两本，有多少种不同的分法？ (3) 分成三堆，一堆一本，一堆两本，一堆三本，有多少种不同的分法？ (4) 甲一本，乙两本，丙三本，有多少种不同的分法? (5) 分给甲乙丙三人，其中一人一本，一人两本，第三人三本，有多少种不同的分法? 分析：（1）有中。 （2）即在（1）的基础上除去顺序，有种。 （3）有种。由于这是不平均分组，因而不包含顺序。 （4）有种。同（3），原因是甲，乙，丙持有量确定。 （5）有种。 例25. 6人分乘两辆不同的车，每车最多乘4人，则不同的乘车方法为_______。 分析：（一）考虑先把6人分成2人和4人，3人和3人各两组。 第一类：平均分成3人一组，有种方法。 第二类：分成2人，4人各一组，有种方法。 （二）再考虑分别上两辆不同的车。 综合（一）（二），有种。 例26. 5名学生分配到4个不同的科技小组参加活动，每个科技小组至少有一名学生参加，则分配方法共有________种. 分析：（一）先把5个学生分成二人，一人，一人，一人各一组。 其中涉及到平均分成四组，有=种分组方法。 （二）再考虑分配到四个不同的科技小组，有种， 由（一）（二）可知，共=240种。 概率： 从随机现象说起 在自然界和现实生活中，一些事物都是相互联系和不断发展的。在它们彼此间的联系和发展中，根据它们是否有必然的因果联系，可以分成截然不同的两大类：一类是确定性的现象。这类现象是在一定条件下，必定会导致某种确定的结果。举例来说，在标准大气压下，水加热到100摄氏度，就必然会沸腾。事物间的这种联系是属于必然性的。通常的自然科学各学科就是专门研究和认识这种必然性的，寻求这类必然现象的因果关系，把握它们之间的数量规律。 另一类是不确定性的现象。这类现象是在一定条件下，它的结果是不确定的。举例来说，同一个工人在同一台机床上加工同一种零件若干个，它们的尺寸总会有一点差异。又如，在同样条件下，进行小麦品种的人工催芽试验，各棵种子的发芽情况也不尽相同，有强弱和早晚的分别等等。为什么在相同的情况下，会出现这种不确定的结果呢？这是因为，我们说的“相同条件”是指一些主要条件来说的，除了这些主要条件外，还会有许多次要条件和偶然因素又是人们无法事先一一能够掌握的。正因为这样，我们在这一类现象中，就无法用必然性的因果关系，对个别现象的结果事先做出确定的答案。事物间的这种关系是属于偶然性的，这种现象叫做偶然现象，或者叫做随机现象。 在自然界，在生产、生活中，随机现象十分普遍，也就是说随机现象是大量存在的。比如：每期体育彩票的中奖号码、同一条生产线上生产的灯泡的寿命等，都是随机现象。因此，我们说：随机现象就是：在同样条件下，多次进行同一试验或调查同一现象，所的结果不完全一样，而且无法准确地预测下一次所得结果的现象。随机现象这种结果的不确定性，是由于一些次要的、偶然的因素影响所造成的。 随机现象从表面上看，似乎是杂乱无章的、没有什么规律的现象。但实践证明，如果同类的随机现象大量重复出现，它的总体就呈现出一定的规律性。大量同类随机现象所呈现的这种规律性，随着我们观察的次数的增多而愈加明显。比如掷硬币，每一次投掷很难判断是那一面朝上，但是如果多次重复的掷这枚硬币，就会越来越清楚的发现它们朝上的次数大体相同。 我们把这种由大量同类随机现象所呈现出来的集体规律性，叫做统计规律性。概率论和数理统计就是研究大量同类随机现象的统计规律性的数学学科。 概率论的产生和发展 概率论产生于十七世纪，本来是又保险事业的发展而产生的，但是来自于赌博者的请求，却是数学家们思考概率论中问题的源泉。 早在1654年，有一个赌徒梅累向当时的数学家帕斯卡提出一个使他苦恼了很久的问题：“两个赌徒相约赌若干局，谁先赢 m局就算赢，全部赌本就归谁。但是当其中一个人赢了 a (a<m)局，另一个人赢了 b(b<m)局的时候，赌博中止。问：赌本应该如何分法才合理？”后者曾在1642年发明了世界上第一台机械加法计算机。 三年后，也就是1657年，荷兰著名的天文、物理兼数学家惠更斯企图自己解决这一问题，结果写成了《论机会游戏的计算》一书，这就是最早的概率论著作。 近几十年来，随着科技的蓬勃发展，概率论大量应用到国民经济、工农业生产及各学科领域。许多兴起的应用数学，如信息论、对策论、排队论、控制论等，都是以概率论作为基础的。 概率论和数理统计是一门随机数学分支，它们是密切联系的同类学科。但是应该指出，概率论、数理统计、统计方法又都各有它们自己所包含的不同内容。 概率论——是根据大量同类随机现象的统计规律，对随机现象出现某一结果的可能性作出一种客观的科学判断，对这种出现的可能性大小做出数量上的描述；比较这些可能性的大小、研究它们之间的联系，从而形成一整套数学理论和方法。 数理统计——是应用概率的理论来研究大量随机现象的规律性；对通过科学安排的一定数量的实验所得到的统计方法给出严格的理论证明；并判定各种方法应用的条件以及方法、公式、结论的可靠程度和局限性。使我们能从一组样本来判定是否能以相当大的概率来保证某一判断是正确的，并可以控制发生错误的概率。 统计方法——是一上提供的方法在各种具体问题中的应用，它不去注意这些方法的的理论根据、数学论证。 应该指出，概率统计在研究方法上有它的特殊性，和其它数学学科的主要不同点有： 第一，由于随机现象的统计规律是一种集体规律，必须在大量同类随机现象中才能呈现出来，所以，观察、试验、调查就是概率统计这门学科研究方法的基石。但是，作为数学学科的一个分支，它依然具有本学科的定义、公理、定理的，这些定义、公理、定理是来源于自然界的随机规律，但这些定义、公理、定理是确定的，不存在任何随机性。 第二，在研究概率统计中，使用的是“由部分推断全体”的统计推断方法。这是因为它研究的对象——随机现象的范围是很大的，在进行试验、观测的时候，不可能也不必要全部进行。但是由这一部分资料所得出的一些结论，要全体范围内推断这些结论的可靠性。 第三，随机现象的随机性，是指试验、调查之前来说的。而真正得出结果后，对于每一次试验，它只可能得到这些不确定结果中的某一种确定结果。我们在研究这一现象时，应当注意在试验前能不能对这一现象找出它本身的内在规律。 概率论的内容 概率论作为一门数学分支，它所研究的内容一般包括随机事件的概率、统计独立性和更深层次上的规律性。 概率是随机事件发生的可能性的数量指标。在独立随机事件中，如果某一事件在全部事件中出现的频率，在更大的范围内比较明显的稳定在某一固定常数附近。就可以认为这个事件发生的概率为这个常数。对于任何事件的概率值一定介于 0和 1之间。 有一类随机事件，它具有两个特点：第一，只有有限个可能的结果；第二，各个结果发生的可能性相同。具有这两个特点的随机现象叫做“古典概型”。 在客观世界中，存在大量的随机现象，随机现象产生的结果构成了随机事件。如果用变量来描述随机现象的各个结果，就叫做随机变量。 随机变量有有限和无限的区分，一般又根据变量的取值情况分成离散型随机变量和非离散型随机变量。一切可能的取值能够按一定次序一一列举，这样的随机变量叫做离散型随机变量；如果可能的取值充满了一个区间，无法按次序一一列举，这种随机变量就叫做非离散型随机变量。 在离散型随机变量的概率分布中，比较简单而应用广泛的是二项式分布。如果随机变量是连续的，都有一个分布曲线，实践和理论都证明：有一种特殊而常用的分布，它的分布曲线是有规律的，这就是正态分布。正态分布曲线取决于这个随机变量的一些表征数，其中最重要的是平均值和差异度。平均值也叫数学期望，差异度也就是标准方差。 参考资料：

因为，正态分布的分布函数是偶函数，关于y轴对称，则P{x≥a}=p{x≤﹣a}，所以p{x≤a}+p{x≤-a}=p{x≤a}+p{x≥a}=1

最大（小）值与均值的差除以均方根 分别去表中查找两个数值所对应的数，然后结果相加

不用二重积分的，可以有简单的办法的。 设正态分布概率密度函数是f(x)=[1/(√2π)t]*e^[-(x-u)^2/2(t^2)] 其实就是均值是u，方差是t^2，百度不太好打公式，你将就看一下。 于是： ∫e^[-(x-u)^2/2(t^2)]dx=(√2π)t。。。。。。（*） 积分区域是从负无穷到正无穷，下面出现的积分也都是这个区域，所以略去不写了。 （1）求均值 对（*）式两边对u求导： ∫{e^[-(x-u)^2/2(t^2)]*[2(u-x)/2(t^2)]dx=0 约去常数，再两边同乘以1/(√2π)t得： ∫[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]*(u-x)dx=0 把(u-x)拆开，再移项： ∫x*[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]dx=u*∫[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]dx 也就是 ∫x*f(x)dx=u*1=u 这样就正好凑出了均值的定义式，证明了均值就是u。 (2)方差 过程和求均值是差不多的，我就稍微略写一点了。 对(*)式两边对t求导： ∫[(x-u)^2/t^3]*e^[-(x-u)^2/2(t^2)]dx=√2π 移项： ∫[(x-u)^2]*[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]dx=t^2 也就是 ∫(x-u)^2*f(x)dx=t^2 正好凑出了方差的定义式，从而结论得证。

两个正态分布相加公式：E(X-3Y)=E(X)-3E(Y)=-2，D(X-3Y)=D(X)+9D(Y)=29，X-3Y~N(-2，29)。 E(X1-2X2)=E(X1)-2E(X2)。 D(X1-2X2)=D(X1)+4D(X2)。 X1-2X2~N(0，20)。 两个正态分布的任意线性组合仍服从正态分布（可通过求两个正态分布的函数的分布证明），此结论可推广到n个正态分布。因此，只需求X-3Y的期望方差就可知道具体服从什么正态分布了

两个正态分布的任意线性组合仍服从正态分布（可通过求两个正态分布的函数的分布证明），此结论可推广到n个正态分布 。 例如： 设两个变量分别为X,Y，那么E（X+Y）=EX+EY;E(X-Y)=EX-EY D(X+Y)=DX+DY;D(X-Y)=DX+DY。

两个正态分布的任意线性组合仍服从正态分布（可通过求两个正态分布的函数的分布证明），此结论可推广到n个正态分布。比如，X-N~（1.2），Y-N~(1.3) ，得X-3Y仍然服从正态分布。E(X-3Y)=E(X)-3E(Y)=-2，D(X-3Y)=D(X)+9D(Y)=29，X-3Y~N(-2,29)

两个正态分布相加后服从高斯分布。如A-N（μ1，Δ12)，B-N（μ2，Δ22），且A，B相互独立，那么A+B-N（u1+μ2，Δ12+Δ22）。 若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N（μ，σ^2）。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ=0，σ=1时的正态分布是标准正态分布。

正态分布相加减规则：两个正态分布的任意线性组合仍服从正态分布，此结论可推广到n个正态分布。因此，只需求X-3Y的期望方差就可知道具体服从什么正态分布了。只有相互独立的正态分布加减之后，才是正态分布。如果两个相互独立的正态分布X~N(u1,m)，Y~N(u2，n)，那么Z=X±Y仍然服从正太分布，Z~N(u1±u2，m+n)。图形特征集中性：正态曲线的高峰位于正中央，即均数所在的位置。对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。曲线与横轴间的面积总等于1，相当于概率密度函数的函数从正无穷到负无穷积分的概率为1。即频率的总和为100%。

正态分布加减计算公式：D(X-Y)=DX+DY。正态分布也称“常态分布”，又名高斯分布（Gaussiandistribution），最早由棣莫弗（AbrahamdeMoivre）在求二项分布的渐近公式中得到。若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ=0,σ=1时的正态分布是标准正态分布。

正态分布是这样进行加减乘除运算的：两个正态分布的任意线性组合仍服从正态分布，此结论可推广到n个正态分布。因此，只需求X-3Y的期望方差就可知道具体服从什么正态分布了。 正态分布也称“常态分布”，又名高斯分布，最早由棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。

正态分布加减计算公式为：X+Y~N(μx+μy，σx^2+σy^2)，X-Y~N(μx-μy，σx^2+σy^2)。正态分布是一种常见的随机变量分布，在统计学中有着广泛的应用。其中，正态分布的加减计算公式指的是两个正态分布变量之和或差的分布计算公式。式中，μx和μy分别是X和Y的均值，σx^2和σy^2分别是X和Y的方差。加减计算公式的意义在于，通过已知的X和Y的分布参数，可以对它们进行加减运算后得到一个新的正态分布变量，同时也可以求出这个新变量的均值和方差。在实际的统计分析中，正态分布的加减计算公式经常被用来进行假设检验、置信区间估计等方面的计算。正态分布的应用：正态分布是统计学中最常见的分布之一，它通常被用来描述实际生活中存在的很多随机现象。例如，身高、体重、智商、收入等很多人类特征都服从正态分布。因此，正态分布在社会科学中有着极为重要的应用，可以用来分析人群中各种特征的分布情况。

是正态分布,原因：设X,Y均为正态分布,均值方差分别为uX,uY和varX和varY, 则-Y也为正态分布,其均值方差为-uY和varY, 所以由两个独立正态随即变量的和仍为正态的,得知X-Y服从均值为X-Y,方差为varX+varY的正态分布.

正态分布加减计算公式为：X+Y~N(μx+μy，σx^2+σy^2)，X-Y~N(μx-μy，σx^2+σy^2)。正态分布是一种常见的随机变量分布，在统计学中有着广泛的应用。其中，正态分布的加减计算公式指的是两个正态分布变量之和或差的分布计算公式。式中，μx和μy分别是X和Y的均值，σx^2和σy^2分别是X和Y的方差。加减计算公式的意义在于，通过已知的X和Y的分布参数，可以对它们进行加减运算后得到一个新的正态分布变量，同时也可以求出这个新变量的均值和方差。在实际的统计分析中，正态分布的加减计算公式经常被用来进行假设检验、置信区间估计等方面的计算。正态分布的应用：正态分布是统计学中最常见的分布之一，它通常被用来描述实际生活中存在的很多随机现象。例如，身高、体重、智商、收入等很多人类特征都服从正态分布。因此，正态分布在社会科学中有着极为重要的应用，可以用来分析人群中各种特征的分布情况。

两个正态分布的任意线性组合仍服从正态分布（可通过求两个正态分布的函数的分布证明），此结论可推广到n个正态分布 。例如：设两个变量分别为X,Y，那么E（X+Y）=EX+EY;E(X-Y)=EX-EYD(X+Y)=DX+DY;D(X-Y)=DX+DY。拓展资料：正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution），最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。参考资料：正态分布-百度百科

　　正态分布是这样进行加减乘除运算的：两个正态分布的任意线性组合仍服从正态分布，此结论可推广到n个正态分布。因此，只需求X-3Y的期望方差就可知道具体服从什么正态分布了。 　　正态分布也称“常态分布”，又名高斯分布，最早由棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。

是的 只有相互独立的时候相加减 得到的 才能是正态分布

正态分布加减计算公式为：X+Y~N(μx+μy，σx^2+σy^2)，X-Y~N(μx-μy，σx^2+σy^2)。正态分布是一种常见的随机变量分布，在统计学中有着广泛的应用。其中，正态分布的加减计算公式指的是两个正态分布变量之和或差的分布计算公式。式中，μx和μy分别是X和Y的均值，σx^2和σy^2分别是X和Y的方差。加减计算公式的意义在于，通过已知的X和Y的分布参数，可以对它们进行加减运算后得到一个新的正态分布变量，同时也可以求出这个新变量的均值和方差。在实际的统计分析中，正态分布的加减计算公式经常被用来进行假设检验、置信区间估计等方面的计算。正态分布的应用：正态分布是统计学中最常见的分布之一，它通常被用来描述实际生活中存在的很多随机现象。例如，身高、体重、智商、收入等很多人类特征都服从正态分布。因此，正态分布在社会科学中有着极为重要的应用，可以用来分析人群中各种特征的分布情况。

如果是独立的，答案是如果不独立，根号下还要加上一个2ρσx*σyρ为x，y相关性系数

2X~N(2*a,4*b)E(2X)=2E(X)=2*aD(2X)=2∧2*D(X)=4*b

两个相互独立的高斯分布相加，结果仍然是一个高斯分布。如A~N(μ1，Δ12)，B~N(μ2，Δ22)，且A，B相互独立，那么A+B~N(u1+μ2,Δ12+Δ22)。正态分布（Normaldistribution）又名高斯分布（Gaussiandistribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、方差为σ^2的高斯分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。通常所说的标准正态分布是μ=0,σ=1的正态分布。

相加后仍然是正态分布，只是平均值和标准差可能会改变。相乘后应该就不再是正态分布了。与原来的两个正态分布当然有关。