概率论 各种分布及其期望、方差、分布函数

2023-10-31

概率论 各种分布及其期望、方差、分布函数

(0-1)分布

p(X=k)=pk(1p)1k p ( X = k ) = p k ( 1 − p ) 1 − k ,k=0,1

E(X)=p

D(X)=p(1-p)

二项分布 X~b(n,p)

p(X=k)=Cknpk(1p)nk p ( X = k ) = C n k p k ( 1 − p ) n − k

E(X)=np

D(X)=np(1-p)

泊松分布 X~ π(λ) π ( λ )

p(X=k)=λkeλk! p ( X = k ) = λ k e − λ k !

E(X)= λ λ

D(X)= λ λ

均匀分布 X~U(a,b)

f(x)={1ba,0,a<x<belseE(X)=a+b2D(X)=(ba)212F(X)=0,xaba,1,x<aax<bxb f ( x ) = { 1 b − a , a < x < b 0 , e l s e E ( X ) = a + b 2 D ( X ) = ( b − a ) 2 12 F ( X ) = { 0 , x < a x − a b − a , a ≤ x < b 1 , x ≥ b

指数分布

f(x)={1θexθ,0,x>0elseE(X)=θD(X)=θ2F(X)={1exθ,0,x>0else f ( x ) = { 1 θ e − x θ , x > 0 0 , e l s e E ( X ) = θ D ( X ) = θ 2 F ( X ) = { 1 − e − x θ , x > 0 0 , e l s e

正态/高斯分布 X~N( μ,σ2 μ , σ 2 )

E(X)= μ μ

D(X)= σ2 σ 2

F(X)=P(Xx)=ϕ(xμσ) F ( X ) = P ( X ≤ x ) = ϕ ( x − μ σ )

——————————————————–

χ2 χ 2 分布 χ2χ2(n) χ 2 ∼ χ 2 ( n )

XiN(0,1)n:χ2=i=1nX2iE(χ2)=nD(χ2)=2nχ21+χ22χ2(n1+n2) X i ∼ N ( 0 , 1 ) n : 自 由 度 χ 2 = ∑ i = 1 n X i 2 E ( χ 2 ) = n D ( χ 2 ) = 2 n χ 1 2 + χ 2 2 ∼ χ 2 ( n 1 + n 2 )

t分布 t~t(n)

XN(0,1)Yχ2(n)t=XYn X ∼ N ( 0 , 1 ) Y ∼ χ 2 ( n ) t = X Y n

F分布 F~F( n1,n2 n 1 , n 2 )

Uχ2(n1)Vχ2(n2)F=U/n1V/n2 U ∼ χ 2 ( n 1 ) V ∼ χ 2 ( n 2 ) F = U / n 1 V / n 2

正态总体的样本均值 X¯ X ¯ 与样本方差 S2 S 2 的分布

E(X¯)=μD(X¯)=σ2nE(S2)=E[1n1(i=1nX2inX¯2)]=1n1[i=1nE(X2i)nE(X¯2)]=1n1[i=1n(σ2+μ2)n(σ2n+μ2)]=σ2 E ( X ¯ ) = μ D ( X ¯ ) = σ 2 n E ( S 2 ) = E [ 1 n − 1 ( ∑ i = 1 n X i 2 − n X ¯ 2 ) ] = 1 n − 1 [ ∑ i = 1 n E ( X i 2 ) − n E ( X ¯ 2 ) ] = 1 n − 1 [ ∑ i = 1 n ( σ 2 + μ 2 ) − n ( σ 2 n + μ 2 ) ] = σ 2

XiN(μ,σ2) X i 来 自 N ( μ , σ 2 ) ,则

X¯N(μ,σ2n)(n1)S2σ2χ2(n1)X¯S2X¯μS/nt(n1) X ¯ ∼ N ( μ , σ 2 n ) ( n − 1 ) S 2 σ 2 ∼ χ 2 ( n − 1 ) X ¯ 与 S 2 相 互 独 立 X ¯ − μ S / n ∼ t ( n − 1 )

单个总体N( μ.σ2 μ . σ 2 )置信区间
(X¯±Sntα/2(n1)) ( X ¯ ± S n t α / 2 ( n − 1 ) )

N(μ1.σ21)N(μ2.σ22)μ1μ21α 两 个 总 体 N ( μ 1 . σ 1 2 ) , N ( μ 2 . σ 2 2 ) 的 μ 1 − μ 2 置 信 水 平 1 − α 的 置 信 区 间
(X¯Y¯±tα/2(n1+n22)Sω1n1+1n2)S2ω=(n11)S21+(n21)S22n1+n22,Sω=Sω2 ( X ¯ − Y ¯ ± t α / 2 ( n 1 + n 2 − 2 ) S ω 1 n 1 + 1 n 2 ) S ω 2 = ( n 1 − 1 ) S 1 2 + ( n 2 − 1 ) S 2 2 n 1 + n 2 − 2 , S ω = S ω 2

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

概率论 各种分布及其期望、方差、分布函数 的相关文章

  • 一维随机变量的常见分布、期望、方差及其性质与推导过程

    文章目录 必须知道的概率论知识 一维变量 离散随机变量 def 常见分布 几何分布 期望 方差 二项分布 b n p 期望 方差 泊松分布 P
  • 概率与统计——概率分布

    离散概率分布 一 伯努利分布 Bernoulli distribution 伯努利分布又称 0 1分布 两点分布 伯努利分布指的是对于随机变量X有 参数为p 0
  • 2023 hdu 第10场 1004 Do you Like Interactive Problem

    Problem Description 现在有一个整数 x x x 1 x n
  • 《深度学习》读书笔记:第3章 概率与信息论

    目录 第3章 概率与信息论 3 1 为什么要使用概率 3 2 随机变量 3 3 概率分布 3 3 1 离散型变量和概率质量函数 3 3 2 连续型变量和概率密度函数 3 4 边缘概率 3 5 条件概率 3 6 条件概率的链式法则 3 7 独
  • 非中心卡方分布

    非中心卡方分布 非中心卡方分布是卡方分布的一般化形式 如果 是 个独立的正态分布的随机变量均值为 方差为 表示为 那么随机变量 为非中心卡方分布 非中心卡方分布涉及两个参数 表示自由度 即 的数目 是和随机变量 相关的参数 由以上参数所定义
  • 蓝桥杯历届试题-小朋友排队

    题目 题目链接 题解 树状数组求逆序对 好早之前写过逆序对的三种求法 看明白了树状数组求逆序对的方法后本题就很轻松了 本题思路 高矮不满足要求的相邻两个小朋友要互换位置 且二者的不高兴程度都是增加 所以对于某个小朋友而言 其左侧的高个会与其
  • 自己总结的数据库系统概论笔记,需要的拿去用

    1 绪论 1 1 概念 数据库系统包含 数据库 数据库管理系统 数据库管理员 应用系统 数据库 数据库是长期存储在计算机内 有组织的 可共享的大量数据的集合 数据库中的数据按照一定的数据模型 组织 描述和储存 具有较小的冗余度 较高的数据独
  • 深度学习——时间序列模型评价指标总结

    大Y老师 小X 你做的这个时间序列模型用什么指标评价啊 小X 直接把这篇甩给老师 老师您看哪个指标顺眼 就选哪个指标 最近在实现基于深度学习的时间序列模型时 需要对模型进行评价 总结了一些常用的和不常用的评价指标 还有相关概念的辨析 上面是
  • web service概念、架构及相关知识

    一 WebService的定义 WebService有好几种定义 W3C组织对其定义 WebService是一个软件系统 为了支持跨网络的机器间互操作交互而设计 WebService通常被定义为一组模块化的API 我们可以通过网络进行调用
  • 2 拉普拉斯分布

    2 拉普拉斯分布 一元拉普拉斯分布的密度函数为 p x 1 2
  • 看书标记【统计学习理论与方法】1

    第一章 概率论基础 在R中 分布函数名为func 则形如dfunc的函数就提供了相应的概率分布函数 dfunc x p1 p2 形如pfunc的函数提供了相应的累积分布函数 pfunc q p1 p2 分位数函数 p为由概率构成的向量 qf
  • 如何高逼格的写java代码

    记录一些了解的高逼格 好用的java代码 欢迎大家补充 共同学习 1 函数式接口 FunctionalInterface 好处 高逼格 代码收拢 解藕 统一处理 适用范围 具有共性的接口调用代码 举个栗子 在我们平时的微服务开发中 调用其他
  • 【概率论】非连续型随机变量及概率分布

    非离散型随机变量 非离散型分布函数 设是一个随机变量 是任意实数 随机变量的分布函数 如果已知X的分布函数F x 就可以求出X落在任一区间 x1 x2 内的概率 分布函数的性质 1 2 是单调不减的 3 一维连续型随机变量概率密度 非负函数
  • 机器学习模型评价指标(准确率、精度、召回率)

    模型评价指标 准确率 精度 召回率 机器学习中我们常常使用准确率 精度 召回率三大指标评价一个模型训练的好坏 那么这三大参数分别代表什么意义 在介绍评价指标前 需要先明确几个计算指标 真正例 True Positive TP 模型将测试样本
  • 概率论【离散型二维变量与连续性二维变量(下)】--猴博士爱讲课

    6 连续型二维变量 下 1 7 求边缘分布函数 边缘概率密度 边缘概率密度 2 7 求边缘密度函数 边缘概率密度 3 7 判断连续型二维变量的独立性 F x y Fx X Fy Y 那么X Y互相独立 f x y fx X fy Y 那么X
  • 【概率】概率论中具有可加性的分布及性质:二项、泊松、正态、卡方

    目录 一 可加性 二 相关结论 三 小结 一 可加性 可加性 指对于某种变换来说 特定的 加法 和该变换的顺序可颠倒而不影响结果 这样一种性质 wiki 分布的可加性 指同一类型分布的独立随机变量和的分布仍属于此类分布 1 注 前提是同类型
  • 先验概率及后验概率等解释

    20201010 0 引言 在学习统计学的时候 在概率估计的部分 经常会遇到最大似然估计 最大后验估计等名词 这些似然和后验 都跟贝叶斯准则中的一些名词定义有关 这里参考书籍 Think Bayes 这部书 来记录这些名词 1 由糖果例子来
  • C++零散易错点总结

    对日常做题中遇到的一些零散的易错点的总结 持续更新ing 1 string的length方法返回的是无符号数 当与负数比较时需要强制类型转换 否则会报错 1
  • Windows10 2004无线网卡电源管理消失 电源计划只有平衡

    问题 升级到了Windows10 2004 发现每次睡眠后QQ和微信消息都收不到了 去网卡的属性界面却找不到电源管理面板 并且电源计划中也只能创建平衡的电源计划 在网上找了很多解决办法 最多的是关于一个改注册表中的更改注册表HKEY LOC
  • 决策树之用信息增益选择最优特征

    决策树之用信息增益选择最优特征 熵 熵的定义 熵 sh ng 热力学中表征物质状态的参量之一 用符号S表示 其物理意义是体系混乱程度的度量 在决策树中 信息增益是由熵构建而成 表示的是 随机变量的不确定性 不确定性越大 代表着熵越大 随机变

随机推荐