两个正态分布的乘积的期望

由于X与e独立，所以E(X|Y)=E(X|X+e)=E(X|X)=X

Var(X|Y)=Var(X|X+e)=Var(X|X)=E(X^2|X)-(E(X|X))^2=(X^2)-X^2=0

如果只知道Z=X+Y的分布，而没有其他任何关于X和Y的先验信息，是无法确定X和Y的分布的，例如：若Z~N(0，d^2)，X和Y都是有无穷多可能的。

设正态分布概率密度函数是f(x)=[1/(√2π)t]*e^[-(x-u)^2/2(t^2)]

∫e^[-(x-u)^2/2(t^2)]dx=(√2π)t.（*）

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。

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。

扩展资料：

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%。