r语言生成正态分布随机样本
二维随机正态分布的期望？
二维随机正态分布的期望？
二元正态分布的条件期望意思是指正态分布即其均值是x的线性函数，其中r可证明是二元正态分布的相关系。
如何创建呈正态分布的伪随机数？
1，rand 生成均匀分布的伪随机数。分布在（0~1）之间 主要语法：rand(m,n)生成m行n列的均匀分布的伪随机数 rand(m,n,#39double#39)生成指定精度的均匀分布的伪随机数，参数还可以 是#39single#39 rand(RandStream,m,n)利用指定的RandStream(我理解为随机种子)生成伪 随机数2，randn 生成标准正态分布的伪随机数（均值为0，方差为1）
主要语法：和上面一样3, randi 生成均匀分布的伪随机整数 主要语法：randi（iMax）在开区间（0，iMax）生成均匀分布的伪随机整数 randi（iMax，m，n）在开区间（0，iMax）生成mXn型随机矩阵 r randi([iMin,iMax],m,n)在开区间（iMin，iMax）生成mXn型随机矩阵
正态分布应选择的统计学方法？
∵
表征正态分布有多种，但我看到的熟悉的就是标准差，极差法，平均值。其中加权平均值与合并样本标准差。
1-平均值表征正态分布与等精密度测量，一般为一个人重复测试的数据表征。同一个实验室不同人员的数据测量也可以用算术平均值来表征。针对不同实验室之间的测量，其数据精密度在不同实验室之间不同，可以使用加权平均值表征。根据不同实验室之间的平均值与标准差计算不同实验室之间的权重。权重(s/根号n)平方分之一。不同实验室的权重乘以数据的平均值之和除以各个权重之和。
2-标准差-贝塞尔公式
重复性测试：同一个化验员的重复性测试，用标准差表征测量的数据。这也是我们常用的一种表征方式。随着测量次数的增加，其标准差减小，根据一定量的检测，当n10后，其标准差已经减小的很慢了。若不计试验成本，同一个方法下，其标准差会持续减小，趋近于0.
3-合并样本标准差
设置m个分析员或实验室对同一样品进行m组测量，其结果为
合并标准差
当一组数据测量为n时，
4-平均值的标准差
5-极差法是用于当测量数为4-9次时，sR/C。