正态分布的标准差如何计算？

正态分布的标准差正态分布N～（μ，duδ^2），方差D(x)=δ^2，E(x)=μ。

服从标准正态分布,通过查标准正态分布表就可以直接计算出原正态分布的概率值。μ维随机向量具有类似的概率规律时，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。

扩展资料：

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。

若总体分布为正态分布时,这样计算是精确的；若总体分布未知,或不是正态分布,只有E(X)=μ,D(X)=σ平方,并且n较大时,这样计算是近似的这是条件,若是其他情况这样计算是错误的所以您的问题中用“等于”一词不太准确

然后我回答您的问题：首先用一个系列样本和方差计算常规方法,计算得到的结果是指该个系列样本值的一个估计量,若干个系列估计值的期望,就是“样本均值的方差”的期望,也就是一个“样本均值的方差”的估计量,计算可得该估计量是个无偏估计量,其值恰等于“总体方差除以n”

1 设若总体数据已知，则该总体的数字特征不存在推测的问题，只存在描述的问题，是故总体方差计算公式中的除数应为"N”。

2 以"n-1”为除数的样本方差计算公式是总体方差的无偏估计值计算式。

3 以"n”为除数的样本方差计算公式是总体方差的渐近无偏估计值计算式。

4 如果只是要描述样本数据间的离散程度，则样本方差计算公式中的除数应为"n”。

5 当n足够大的时候，不必太在意样本方差计算公式中除数的这两种不同的选择。

6 在多数场合，习惯上总是采用以"n-1”为除数的样本方差计算方式。

就是暴力积分就可以了，但是要做一个换元，把ln(x)换成x。

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。

CF高斯在研究测量误差时从另一个角度导出了它。PS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。

设m是平均值，n是样本数量则方差S^2=[(m-x1)^2+(m-x2)^2+……+(m-xn)^2]/n。

先求出总体各单位变量值与其算术平均数的离差的平方，然后再对此变量取平均数，就叫做样本方差。样本方差用来表示一列数的变异程度。样本均值又叫样本均数。即为样本的均值。均值是指在一组数据中所有数据之和再除以数据的个数。

样本方差的理解

n-1的使用称为贝塞尔校正，也用于样本协方差和样本标准偏差（方差平方根）。 平方根是一个凹函数，因此引入负偏差（由Jensen不等式），这取决于分布，因此校正样本标准偏差（使用贝塞尔校正）有偏差。

标准偏差的无偏估计是技术上的问题，对于使用术语n-15的正态分布，形成无偏估计。无偏样本方差是函数（y1，y2）=（y1-y2）2/2的U统计量，这意味着它是通过对群体的两个样本统计平均得到的。