java计算正态分布

⑴ 如何在c++或java中实现标准正态分布累积函数

* 标准正态分布分布函数。
* 入口参数u。 任意实数。 返回标准正态分布概率密度。
先是考虑把正态分布的那张表搞到程序中，通过查表的方式，小数点三位后面多出来的值使用公式来计算

正态分布中一些值得注意的量：
密度函数关于平均值对称
平均值与它的众数（statistical mode）以及中位数（median）同一数值。
函数曲线下68.268949%的面积在平均数左右的一个标准差范围内。
java
public double nextDouble() {
return (((long)(next(26)) << 27) + next(27))
/ (double)(1L << 53);
}

private double nextNextGaussian;
private boolean haveNextNextGaussian = false;

synchronized public double nextGaussian() {
// See Knuth, ACP, Section 3.4.1 Algorithm C.
if (haveNextNextGaussian) {
haveNextNextGaussian = false;
return nextNextGaussian;
} else {
double v1, v2, s;
do {
v1 = 2 * nextDouble() - 1; // between -1 and 1
v2 = 2 * nextDouble() - 1; // between -1 and 1
s = v1 * v1 + v2 * v2;
} while (s >= 1 || s == 0);
double multiplier = StrictMath.sqrt(-2 * StrictMath.log(s)/s);
nextNextGaussian = v2 * multiplier;
haveNextNextGaussian = true;
return v1 * multiplier;
}
}

c++
public static double y(double x) {
return 1 /.9) {
return 1; Math;
for (double i = pc.00001.E.sqrt(2 * Math; i += step)
f += y(i) * step; 3.pow(Math, -x * x /.9) {
return 0;
}

⑵ 如何在java中拟合正态分布

% 设数据为x % 第一步, 计算均值, 计算样本标准差 len = length(x); avg = mean(x); s = sum((x-avg).^2)/(len-1) % 第二步, 将上面结果代入高斯版分布公式 % 第三步权, 画出图形.

⑶ 求正态分布的一般计算方法

一般来说

如果独立的随机变量X_i~N(a_i,b_i^2) i=1,2,,...,n

那么X_1+...+X_n服从正态分布N(a_1+...+a_n , b_1^2+...+b_n^2)

这一事实可以通过概率特征函数得到

如果没有学过的话，可以通过归纳法得到

就是计算两个正态分布的和，然后归纳到n的情形。

⑷ 如何在java中得到正态分布的累积密度函数的值，java中有现成的函数吗是哪个如果没有的话，要怎样构造

你把表达示用数学先写出来，看看有人帮你写出来没，咱比较文盲，正太分布都不会写

⑸ 正态分布的概率计算，X~N(50,100),求P(X<=40)

如下图，可以转化为标准正态分布计算，需要查表。

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。

拓展资料：

1. 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。

2. 正态分布有极其广泛的实际背景，生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布来描述。例如，在生产条件不变的情况下，产品的强力、抗压强度、口径、长度等指标；同一种生物体的身长、体重等指标；同一种种子的重量；测量同一物体的误差；弹着点沿某一方向的偏差；某个地区的年降水量；以及理想气体分子的速度分量，等等。

3. 一般来说，如果一个量是由许多微小的独立随机因素影响的结果，那么就可以认为这个量具有正态分布（见中心极限定理）。从理论上看，正态分布具有很多良好的性质 ，许多概率分布可以用它来近似；还有一些常用的概率分布是由它直接导出的，例如对数正态分布、t分布、F分布等。

参考资料：网络-正态分布

⑹ 问一下 java中怎样产生一个服从正态分布的随机数！

天啊，这是项目来的一部分源 ，又想起以前了。抱歉属于公司版权不便透露。
其实这是数学的范畴，用哪种语言实现都一样。
比如：

double x,sigma,m;
double te = 1.0 / (1.0 + 0.33267 * x);
double NORMAL_DIST = 1.0 - (Math.exp(-0.5 * Math.pow((x - m) / sigma, 2.0)) / (sigma * Math.sqrt(2.0 * Math.PI))) * (0.4361836 * te + -0.1201676 * Math.pow(te, 2.0) + 0.9372980 * Math.pow(te, 3.0));

⑺ 正态分布计算

φ（2）=P{X≤x}=0.977 2

⑻ Java如何设置标准正态分布函数

* 标准正态分布分布函数。
* 入口参数u。 任意实数。 返回标准正态分布概率密度。
先是考虑把正态分布的那张表搞到程序中，通过查表的方式，小数点三位后面多出来的值使用公式来计算

正态分布中一些值得注意的量：
密度函数关于平均值对称
平均值与它的众数（statistical mode）以及中位数（median）同一数值。
函数曲线下68.268949%的面积在平均数左右的一个标准差范围内。
java
public double nextDouble() {
return (((long)(next(26)) << 27) + next(27))
/ (double)(1L << 53);
}

private double nextNextGaussian;
private boolean haveNextNextGaussian = false;

synchronized public double nextGaussian() {
// See Knuth, ACP, Section 3.4.1 Algorithm C.
if (haveNextNextGaussian) {
haveNextNextGaussian = false;
return nextNextGaussian;
} else {
double v1, v2, s;
do {
v1 = 2 * nextDouble() - 1; // between -1 and 1
v2 = 2 * nextDouble() - 1; // between -1 and 1
s = v1 * v1 + v2 * v2;
} while (s >= 1 || s == 0);
double multiplier = StrictMath.sqrt(-2 * StrictMath.log(s)/s);
nextNextGaussian = v2 * multiplier;
haveNextNextGaussian = true;
return v1 * multiplier;
}
}

c++
public static double y(double x) {
return 1 /.9) {
return 1; Math;
for (double i = pc.00001.E.sqrt(2 * Math; i += step)
f += y(i) * step; 3.pow(Math, -x * x /.9) {
return 0;
}

⑼ java中如何产生满足正态分布的随机数

java.util.Random 类下有个 nextGaussian() 方法
高斯分布不回知道的请答网络一下

http://bbs.csdn.net/topics/260037361