Introduction normale à la variance de la distribution normale: Dans cet article, apprendre la variance de la distribution normale. La distribution normale est complètement continue distribution avec zéro cumulatif dans tous les ordres sur deux. La distribution normale ont en forme de cloche à la fonction de densité de probabilité de graphe associé à la moyenne, et aussi appelé la cloche curve'F (x) = (1 /(sqrt (2 pi sigma ^ 2))) e ^ (- (x - lambda) ^ 2 /(2 sigma ^ 2)) 'ici' lambda 'et est moyenne et la variance. L a valeur moyenne égale à zéro et une variance égale à 1 signifie que la distribution appelée distribution normale standard .Dans les détails ci-dessous de la variance de la distribution normale. Variance de l'échantillon de la normale Écart de distribution: La variance de la distribution normale est utilisée pour un ou plusieurs descripteurs et il est un instant de la distribution. La variance de l'échantillon peut être utilisé en construction de l'estimation de cet écart et il est très simple des cas de variance estimée .Le décrivant la probabilité théorique de distribution.Background de la variance de la variance normale de distribution: La variance a variable aléatoire. La variable aléatoire est la moyenne de la dévotion au carré de la variable et il est prévu de cette valeur. La définition de la variance de la distribution normale: L'écart a cas continu et discret pour définir la fonction de densité de probabilité et la fonction de masse. La variance de la variable aléatoire de distribution notée x .Le x ont une valeur de E moyenne (x), la variance x est comme suit, X = (x-'lambda ') ^ 2.Var (X) = E [(x- 'lambda') ^ 2] .Le cas continu de la variance: La variable aléatoire x est la densité de probabilité f (x) fonction dans continues.Var (X) = 'int' (x-'lambda ') ^ 2f (x) dx 'lambda' .Ici = 'int' xf (x) dx.Where intégrale définie x plage de X.Procédé cas discret de la variance: La variable aléatoire x est fonction de masse de probabilité X1-> p1 ..... xn> pn dans case.Var discret (x) = 'sum_ (i = 1) ^ n' 'Pi' (xi -'lambda ') 2.here'lambda' = 'sum_ (i = 1) ^ n' xi 'Pi' .Le type de racine carrée de X varie de moyenne propres it.The Propriétés de normale écart de distribution: l'écart a une valeur non-négative, parce que la place est + ou 0. la constante de la variable aléatoire a zéro de la variance, et variable dans l'ensemble de données est égale à zéro. Et les entrées ont la même valeur. Les règles suivantes sont à maintenir dans les propriétés que, Pour modifier un paramètre de localisation signifie la variance est invariant.The variance est inchangée signifie l'ensemble des valeurs ajoutées en constante du variables.Procédé toutes les valeurs sont mises à l'échelle avec des variables dans une constante et les variances sont mise à l'échelle sur la place de cette constante. Ce sont toutes les propriétés exprimées la formule suivante: Var (aX + b) = Var (aX) = a ^ 2VAR (X) L'exemple de la variance de la distribution normale: Dans dés juste un à six faces peut être modélisée par une variable aléatoire discrète les résultats 1 à 6, chacun de probabilité égale 1/6. La valeur attendue est (1 + 2 + 3 + 4 + 5 + 6) /6 = 3,5. Par conséquent, la variance calculée comme étant: «sum_ (i = 1) ^ 6''1 /6 '(i-3.5) ^ 2 =' 06.01 '17.50 = 2,92