正态变量

动态变量的和未必是正态变量不对。因为动态变量的和一定不是正态变量，动态变量是计算机编程语言的一个变量，而正态变量则是数学科目中的变量，两者不是一个范畴。

正态变量系数，又称标准化系数，是指将随机变量的取值按照其均值为中心、标准差为单位长度进行标准化后的系数。具体地，对于随机变量 $x$，它的正态变量系数 $z$ 可以由下式计算得出：$$ z = frac{x - mu}{sigma} $$其中 $mu$ 是 $x$ 的期望（即均值），$sigma$ 是 $x$ 的标准差。正态变量系数可以将不同随机变量的取值标准化为一个单位，便于进行跨变量的比较和统计分析。在统计学中，许多常用的方法和模型都要求输入数据满足某些前提条件，例如服从正态分布。而实际采集到的数据往往不满足这些条件，此时可以通过正态变量系数来转换数据，进而应用这些方法和模型。

正态变量的线性变换不变性怎么理解？就是正确的限行不改变。

启动ENVI IDL；程序在IDL的命令行中运行，注意最终结果的变量名称；在ENVI菜单中选择file-import IDL variables选择变量导入到ENVI中显示

教育统计学统计规律表明，学生的智力水平，包括学习能力，实际动手能力等呈正态分布。因而正常的考试成绩分布应基本服从正态分布。考试分析要求绘制出学生成绩分布的直方图，以“中间高、两头低”来衡量成绩符合正态分布的程度。其评价标准认为：考生成绩分布情况直方图，基本呈正态曲线状，属于好，如果略呈正（负）态状，属于中等，如果呈严重偏态或无规律，就是差的。从概率统计规律看，“正常的考试成绩分布应基本服从正态分布”是正确的。但是必须考虑人与物的本质不同，以及教育的有所作为可以使“随机”受到干预，用曲线或直方图的形状来评价考试成绩就有失偏颇。许多教育专家（如上海顾泠沅、美国布鲁姆等）已经通过实践论证，教育是可以大有作为的，可以做到大多数学生及格，而且多数学生可以得高分，考试成绩曲线是偏正态分布的。但是长期受到“中间高、两头低”标准的影响，限制了教师的作为，抑制了多数学生能够学好的信心。这是很大的误会。通常正态曲线有一条对称轴。当某个分数（或分数段）的考生人数最多时，对应曲线的最高点，是曲线的顶点。该分数值在横轴上的对应点与顶点连接的线段就是该正态曲线的对称轴。考生人数最多的值是峰值。我们注意到，成绩曲线或直方图实际上很少对称的，称之为峰线更合适。

不知道你可以问问老师

Normal Distribution（或者叫高斯分布）是非常常见的连续概率分布。正态分布的概率密度函数为：其中μμ是分布的均值，或者叫期望值；σσ是标准差 f(x|μ,σ2)=12πσ2√e?(x?u)2/(2σ2)f(x|μ,σ2)=12πσ2e?(x?u)2/(2σ2) 　当μ=0μ=0和σ=1σ=1的时候，正态分布就是标准正态分布了，标准正态分布是关于x=0对称的 　 二、正态分布的表示符号： 　正态分布经常可以用N(μ,σ2)N(μ,σ2)来表示，因此，当一个随机变量X是一个均值为μμ和标准差为σσ的正态偏差时，我们可以用这个形式表达：X～N(μ,σ2)X～N(μ,σ2) 三、概率值 　一个样本落在μ?σμ?σ和μ+σμ+σ的概率为：0.6826，落在μ?2σμ?2σ和μ+2σμ+2σ的概率为：0.9544，落在μ?3σμ?3σ和μ+3σμ+3σ的概率为：0.9974 四、二项分布 　n次独立重复实验：也叫伯努利实验，由n次实验构成，且每次实验相互独立，并且每次实验的结果只有两种对立状态，pp和非pp 　在N次独立重复实验中，事件A恰好发生K次的概率为：Pn(k)=Cknpkqn?k,k=0,1,2,...,nPn(k)=Cnkpkqn?k,k=0,1,2,...,n