1楼：
态布（normal distribution）名高斯布（gaussian distribution）数、物理及工程等领域都非重要概率布统计许面着重影响力若随机变量x服数期望μ、标准差σ2高斯布记：则其概率密度函数态布期望值μ决定其位置其标准差σ决定布幅度其曲线呈钟形经称钟形曲线我通所说标准态布μ = 0,σ = 1态布
能否形象说一下正态分布与瑞利分布的区别？
2楼：我之度
正态分布是大量统计数据的概率的对称分布
而瑞利分布却不是对称的，有瑕疵
除了正态分布，还有什么别的分布
3楼：匿名用户
多了去了，比较典型的有
泊松分布，卡方分布，指数分布，均匀分布，伽马分布，二项分布等等
4楼：璐泽子
1常用离散型分布
： 二项分布，泊松分布，几何分布，负二项分布，单点分布，对数分布，超几何分布，
2常用连续型分布： 均匀分布，正态分布，瑞利分布，指数分布，贝塔分布，伽马分布，对数正态分布，χ^2分布，t分布，f分布，威布尔分布，柯西分布，
5楼：笑话先森
比如瑞利分布，柯西分布
请问瑞利分布，指数分布，高斯分布是怎么定义的
6楼：匿名用户
瑞利分布主要用来描述零件，构件承受非稳定循环应力时应力幅的分布规律。
_____________________________________________
指数分布：许多电子产品的寿命分布一般服从指数分布。有的系统的寿命分布也可用指数分布来近似。
它在可靠性研究中是最常用的一种分布形式。指数分布是伽玛分布和威布尔分布的特殊情况，产品的失效是偶然失效时，其寿命服从指数分布。
指数分布可以看作当威布尔分布中的形状系数等于1的特殊分布，指数分布的失效率是与时间t无关的常数，所以分布函数简单。
在电子元器件的可靠性研究中，指数分布应用广泛，在日本的工业标准和美**用标准中，半导体器件的抽验方案都是采用指数分布。此外，指数分布还用来描述大型复杂系统（如计算机）的故障间隔时间的失效分布。但是，由于指数分布具有缺乏“记忆”的特性．因而限制了它在机械可靠性研究中的应用，所谓缺乏“记忆”，是指某种产品或零件经过一段时间t0的工作后,仍然如同新的产品一样,不影响以后的工作寿命值，或者说，经过一段时间t0的工作之后，该产品的寿命分布与原来还未工作时的寿命分布相同，显然，指数分布的这种特性，与机械零件的疲劳、磨损、腐蚀、蠕变等损伤过程的实际情况是完全矛盾的，它违背了产品损伤累积和老化这一过程。
所以，指数分布不能作为机械零件功能参数的分布形式。
指数分布虽然不能作为机械零件功能参数的分布规律，但是，它可以近似地作为高可靠性的复杂部件、机器或系统的失效分布模型，特别是在部件或机器的整机试验中得到广泛的应用。
——————————————————————
高斯分布即正态分布：是在机械产品和结构工程中，研究应力分布和强度分布时，最常用的一种分布形式。它对于因腐蚀、磨损、疲劳而引起的失效分布特别有用。
在自然现象和社会现象中，大量随机变量都服从或近似正态分布，如材料性能、零件尺寸、化学成分、测量误差、人体高度等。
正态分布的实验频率曲线有以下特征：曲线的纵坐标值为非负值；观测值在平均值附近出现的机会最多，所以曲线存在一个高峰；大小相等、符号相反的偏差发生的频率大致相等，所以曲线有一中心对称轴；曲线两端向左、右延伸逐渐趋近于零，这表明特大正偏差和特大负偏差发生的概率极小，一般很少出现；在对称轴两边曲线上，各有一个拐点，具有这五个特征的曲线，并且要求该曲线下的总面积等于1，即符合理论频率曲线的要求。
正态分布是最基本的分布，在机械可靠性设计中，主要用来描述零件及钢材的静强度失效分布，给定寿命下的疲劳强度的分布或近似分布。如果影响零件某个功能参数的独立因素很多，但又不存在起决定作用的因素时，一般都可采用正态分布来描述。当影响的因素个数n5～6时，分布就渐近于正态分布。
当然，正态分布的频率曲线从负无限大到正无限大，但是强度不可能是负值的，从这一点来看，强度不可能真正的正态分布，而可能是截尾正态分布。当变异系数u≤0.30时，正态分布负值区的概率是很小的，可以略而不计，由于正态分布研究得很多，所以机械零件某些功能参数的分布规律，常用正分布。
请问正态分布与瑞利分布有什么区别？多谢了
7楼：春素小皙化妆品
1、性质不同
瑞利分布（rayleigh distribution），当一个随机二维向量的两个分量呈独立的、有着相同的方差的正态分布时，这个向量的模呈瑞利分布。
若随机变量x服从一个数学期望为μ、方差为σ的正态分布，记为n(μ，σ)。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。
2、概率密度公式不同
瑞利分布的概率密度：
正态分布概率密度函数为：
3、应用范围不同
瑞利分布常用于描述平坦衰落信号接收包络或独立多径分量接受包络统计时变特性。
正态分布应用：
（1）估计频数分布一个服从正态分布的变量只要知道其均数与标准差就可根据公式即可估计任意取值范围内频数比例。
（2）制定参考值范围：正态分布法适用于服从正态（或近似正态）分布指标以及可以通过转换后服从正态分布的指标。百分位数法常用于偏态分布的指标。
表3-1中两种方法的单双侧界值都应熟练掌握。
（3）质量控制：为了控制实验中的测量（或实验）误差，常以 作为上、下警戒值，以 作为上、下控制值。这样做的依据是：正常情况下测量（或实验）误差服从正态分布。
（4）正态分布为许多统计方法的理论基础。检验、方差分析、相关和回归分析等多种统计方法均要求分析的指标服从正态分布。许多统计方法虽然不要求分析指标服从正态分布，但相应的统计量在大样本时近似正态分布，因而大样本时这些统计推断方法也是以正态分布为理论基础的。
8楼：匿名用户
正态分布是具有两个参数μ和σ2的连续
型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作n(μ，σ2 )。 服从正态分布的随机变量的概率规律为取 μ邻近的值的概率大 ，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。正态分布的密度函数的特点是：
关于μ对称，在μ处达到最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点。它的形状是中间高两边低 ，图像是一条位于x轴上方的钟形曲线。当μ＝0，σ2 ＝1时，称为标准正态分布，记为n（0，1）。
μ维随机向量具有类似的概率规律时，称此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
瑞利分布一个均值为0，方差为σ2的平稳窄带高斯过程，其包络的一维分布是瑞利分布.其表达式及概率密度如图所示。
瑞利分布是最常见的用于描述平坦衰落信号接收包络或独立多径分量接受包络统计时变特性的一种分布类型。两个正交高斯噪声信号之和的包络服从瑞利分布。
高斯分布 瑞利分布 以及对数正态分布分布适合对什么场
9楼：砂粒
正态分布
（normal distribution）又名高斯分布（gaussian distribution），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。若随机变量x服从一个数学期望为μ、标准方差为σ2的高斯分布，记为：则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。
因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。
t分布与正态分布的有什么不同
10楼：匿名用户
有三点：
1.2.3.
瑞利分布的概率密度函数是什么?
11楼：匿名用户
对瑞利公式的理解比记公式要重要：
12楼：匿名用户
瑞利分布（rayleigh distribution）:当一个随机二维向量的两个分量呈独立的、有着相同的方差的正态分布时，这个向量的模呈瑞利分布。
瑞利分布是最常见的用于描述平坦衰落信号接收包络，或独立多径分量接收包络统计时变特性的一种分布类型。两个正交高斯噪声信号之和的包络服从瑞利分布。
其概率密度函数为：
其期望为方差为
13楼：暗香沁人
瑞利衰落瑞利分布概率密度函数
14楼：匿名用户
若 x>0, f(x)=x/(c^2)exp
若x<=0,f(x)=0