正态分布的峰度系数 总体服从正态分布的情况下，对引数的假设检验有哪些常用的方法

总体服从正态分布的情况下，对引数的假设检验有哪些常用的方法  

总体服从正态分布的情况下，对引数的假设检验有哪些常用的方法

引数检验：以已知分布（如正态分布）为假定条件，对总体引数进行估计或检验。
引数检验的优缺点：优点是符合条件时，检验效率高；其缺点是对资料要求严格，如等级资料、非确定资料（＞50mg）不能使用引数检验，而且要求资料的分布型已知和总体方差相等。

X和Y服从正态分布，什么情况下X+Y服从正态分布

如果X+Y服从正态分布，那么需要X+Y=mX或X+Y=nY，得到的结论都是X与Y要线性相关，即X=kY

当x，y相互独立的且是正太分布的时候x+y也满足正太分布，同时由xy组成的联合分布也满足正太分布，另外由大数定理当n趋于无穷大的时候也满足 检视原帖>>

为什么在大样本的情况下会服从正态分布

样本是从总体中随机抽选出来的，只要样本容量足够大，所有样本的平均值就以总体的平均值为中心呈现正态分布。

已知X服从正态分布N（u,4），Y服从正态分布N(u+2,4)，且E（XY）=1/2.现在要检验如下假设：

u=0的假设前提下：
E(X+Y)=E(X)+E(Y)=u+(u+2)=0+2=2.
E((X+Y)^2)=E(X^2)+E(Y^2)+2E(XY)=u*u+4+(u+2)*(u+2)+4+2*1/2=0+4+4+4+1=13.
故Var(X+Y)=E((X+Y)^2)-E(X+Y)*E(X+Y)=13-2*2=9.
所以X+Y~N(2,9)，一般是正态的，假设XY是二维正态分布的话。实用统计，比如金融计算里一般都这么假设。
显著性水平0.05对应标准正态分布是1.64，所以结果是c=2+1.64*sqrt(9)=6.92.
我不保证对，毕竟我挺长时间没用统计了，尤其是Hypothesis Testing部分，只是个参考。

总体分布的假设检验只能检查什么资料

数理统计学中根据一定假设条件由样本推断总体的一种方法，具体作法是:根据问题的需要对所研究的总体作某种假设，记作H0;选取合适的统计量，这个统计量的选取要使得在假设H0成立时，其分布为已知;由实测的样本，计算出统计量的值，并根据预先给定的显著性水平进行检验，作出拒绝或接受假设H0的判断。常用的假设检验方法有u-检验法、t检验法、χ2检验法(卡方检验)、F-检验法，秩和检验等。

在正态分布的情况下, p(z<a)和p(z≤a)相等吗?

是相等的，因为正态分布是连续分布。对于离散分布，是不等的

对回归方程的假设检验有哪些方法

所有的数取平均值，带入！

非正态分布怎么作假设检验

用Mann-Whitney检验

为什么总是假设服从正态分布

知道不知道有个大数定律和中心极限定理？任何随机事件，只要其样本数大于一定的数量后，就近似于正态分布了。大于一定的数量，1000就可以了。