aX-bY服从正态分布,因为正态分布之间的线性加减,以及乘以一个常数,不会影响其正态分布的性质。
如果X和Y独立,且各自的均值为μx和μy;
那么,aX-bY均值为 aμx-bμy,方差为:(aσx)^2+(bσy)^2 。
分析过程如下:
X,Y服从正态分布,则X~N(μx,σx^2),Y~N(μy,σy^2);
因为,X~N(μ,σ^2),且a与b是实数,那么aX~N(aμ,(aσ)^2);
所以此题中,aX~N(aμx,(aσx)^2),bY~N(bμy,(bσy)^2);
因为,当X~N(μx,σx^2),Y~N(μy,σy^2)时,X-Y~N(μx-μy,σx^2+σy^2);
所以,aX-bY~N(aμx-bμy,(aσx)^2+(bσy)^2);
所以,aX-bY均值为 aμx-bμy,方差为:(aσx)^2+(bσy)^2。
也由此可以证明,X,Y服从正态分布,则aX-bY也服从正态分布,其中a与b是实数。
扩展资料:
正态分布
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X~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。
正态分布有两个参数,即期望(均值)μ和标准差σ,σ2为方差。
正态分布的性质:
(1)如果X~N(μ,σ^2),且a与b是实数,那么aX~N(aμ,(aσ)^2);
(2)如果X~N(μx,σx^2),Y~N(μy,σy^2),且X,Y是统计独立的正态随机变量,那么它们的和与差也满足正态分布。其中,X+Y~N(μx+μy,σx^2+σy^2);X-Y~N(μx-μy,σx^2+σy^2)。
参考资料来源:百度百科—正态分布