灯塔-概率论与数理统计第二章

紫韵殇情

已于 2024-01-24 00:27:01 修改

阅读量55

点赞数

分类专栏：概率论与数理统计文章标签：概率论

于 2023-10-25 09:07:59 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/2201_76047120/article/details/134026535

版权

概率论与数理统计专栏收录该内容

1 篇文章 0 订阅

订阅专栏

2.1 随机变量的概念

①离散型：无限可列个→有限个

②非离散型：连续性

2.2.1 离散型随机变量及其概率分布

①X的所有取值 $x_{k}$ （k=1,2,3...）是可列个 X为所有值，x为X的某个具体取值

② $P$ { $x=x_{k}$ } $=P_{k}$ 概率函数（分布率） → 图像法，线段总长度为1

性质： $1.P_{k}\geqslant 0$ $2.\sum P_{k}=1$

——2023.10.19

2.2.2

连续型随机变量及其概率密度函数

（1）频数直方图

（2）频率密度直方图

① 每个小长方形的面积=该组的频率

② 所有小长方形面积之和=1

③ 介于x=a,x=b之间的面积，近似于(a,b]之间的频率

概率分布密度函数：

定义

非负可积f(x)≥0,a≤b $P\left \{ a< x\leqslant b \right \}= \int_{a}^{b}f(x)dx$

x:连续性随机变量 f(x)：概率分布密度函数记作x~f(x)

性质

① f(x)≥0 ② $\int_{-\infty }^{+\infty }f(x)=1$ ③ 连续型变量取个别值的概率为0

——2023.10.21

④ 连续型端点有无不影响概率

⑤ 概率为0未必是不可能事件，概率为1未必是必然事件

分布函数的定义

离散，连续都可用 $F(x)=P(X\leqslant x)$ $x\in (-\infty ,+\infty ),F(x)\in [0,1]$

$\lim_{x \to +\infty }F(x)=F(+\infty )=1$ $\lim_{x \to -\infty }F(x)=F(-\infty )=0$

注：可将+∞和-∞看做概率来计算

性质

（1） $0\leqslant F(x)\leqslant 1,x\in (-\infty ,+\infty )$

（2） $F(x)$ 不减，即 $\forall x_{1}\leqslant x_{2},F(x_{1})\leqslant F(x_{2})$

（3）F(x)右连续 --> ①离散型，右连续；②连续型，连续

且至多有可列个间断点

离散型分布函数

X取值从小到大排序

分布 —> 概率间断点 $x_{k}$ 是X的取值 $P\left \{ X=x_{k} \right \}=F(x_{k})-F(x_{k}-0)$

连续型分布函数

——2023.10.23

$F(x)=P(X\leqslant x)=\int_{-\infty }^{x}f(t)dt$ ${F}'(x)=f(x)$

2.2.3

分布公式： $P\left \{ X=k \right \}=p^{k}(1-p)^{1-k}$

离散型常见分布

① 0-1分布

只有两种实验结果实验值做一次

② 几何分布

P(A)=P，第k次首次发生，前k-1次未发生

$P\left \{ X=k \right \}=(1-p)^{k-1}p^{k}$ $X\sim G(p)$

③ 二项分布

P(A)=P，n次实验，发生了k次

$P\left \{ X=k \right \}=C_{n}^{k}p^{k}(1-p)^{n-k}$ $X\sim B(n,p)$

注：0-1分布是特殊的二项分布

最值

（1）(n+1)p不为整数，[(n+1)p]达最大值

（2）(n+1)p为整数，(n+1)p,(n+1)p-1达最大值

——2023.10.25

④泊松分布

$P\left \{ X=k \right \}=\frac{\lambda ^{k}}{k!}e^{-\lambda }$ $k=0,1,2,\cdots$

$\lambda > 0$ $X\sim (\lambda )$

二项分布 n较大，p较小，np适中 --> 可用泊松分布近似 $\lambda =np$

$n\geqslant 100,np\leqslant 10$

⑤超几何分布

N个元素：N1属于第一类，N2属于第二类从中取n个

X：k个属于第一类的个数

$P\left \{ X=k \right \}=\frac{C_{N_{1}}^{k}}{C_{N_{2}}^{n-k}}$ $k=0,1,2,\cdots ,\left \{ min\left \{ n,N_{1} \right \} \right \}$

不放回抽样试验近似看成放回 --> 二项分布

$P\left \{ X=k \right \}=\frac{C_{M}^{k}C_{N-M}^{n-k}}{C_{N}^{n}}\approx C_{N}^{k}p^{k}(1-p)^{n-k}$

超几何分布 → 二项分布 → 泊松分布

连续型常见分布

⑥均匀分布

$X\sim U(a,b)$

其分布函数为：

该函数图像为：

⑦指数分布

$\lambda >0,X\sim E_{xp}(\lambda )$

其分布函数为：

该函数图像为：

——2023.10.26

该分布具有无记忆性，即 $P\left \{ X>s+t\mid X>s \right \}=P\left \{ X>t \right \}$

⑧正态分布

$\phi (x)=\frac{1}{\sqrt{2\pi }\sigma }e\frac{-(x-\mu )^2}{2\sigma ^2}$ $-\infty <x<+\infty$ $X\sim N(\mu ,\sigma ^2)$

$\psi (x)=\frac{1}{\sqrt{2\pi }\sigma }\int_{-\infty }^{x}e\frac{-(t-\mu )^2}{2\sigma ^2}dt$

性质

a. $y=\varphi (x)$ 以 $x=\mu$ 为对称轴钟型

$x=\mu$ 时， $\varphi (x)$ 有最大值 $\frac{1}{\sqrt{2\pi }\sigma }$

b. $y=\varphi (x)$ 以x轴为渐近线 x = μ ± δ 为拐点

d. σ 固定，μ 变化，左右移动

μ 固定，σ 变化，σ ↓，最高点上移陡

σ ↑，最高点下移缓

尖峰细尾平峰厚尾

标准正态分布

μ=0，σ=1 $\phi _{0}(x)=\frac{1}{\sqrt{2\pi }}e\frac{-x^2}{2}$ $-\infty <x<+\infty$

$\psi _{0}(x)=\frac{1}{\sqrt{2\pi } }\int_{-\infty }^{x}e\frac{-t^2}{2}dt$

性质

y轴为对称轴 --> 偶 $\phi _{0}(x)=\phi _{0}(-x)$ $\psi _{0}(-x)=1-\psi _{0}(x)$

——2023.10.30

计算：① 查表 $0\leqslant x < 5$

② $-5<x\leqslant 0$ ，利用函数性质求解

③ $x\geqslant 5$ ， $\phi _{0}(x)=0$ $\psi _{0}(x)=1$

④ $x\leqslant -5$ ， $\phi _{0}(x)=0$ $\psi _{0}(x)=0$

一般形式转化成标准形式

一般正态分布 $\varphi (x)=\frac{1}{\sigma } \varphi _{0}(\frac{x-\mu }{\sigma })$

$\psi (x)=\psi _{0}(\frac{x-\mu }{\sigma })$

3 σ 原则

上 α 分位数

$X\sim N(0 ,1)$ ，给定 $\alpha$ $(0<\alpha <1)$ ，找 $u_{\alpha }$ （点/值）使 $P\left \{ X>u_{\alpha } \right \}=\alpha$

2.3.1 随机变量函数的分布（离散型）

变量 --> 已知函数 --> 构造

若函数值存在相同部分，合并概率

2.3.2 随机变量函数的分布（连续型）

① X服从[a,b]均匀分布，Y=kX+C(K≠0)服从相应区间上的均匀分布

② 正态分布X~N(μ,σ²) Y=aX+b(a≠0) $N(\left |a \right |\mu +b,a^2\sigma ^2)$

标准正态分布： $Y=\frac{X-\mu }{\sigma }$ ， $N(0,1)$

③ 定理：X的密度 $f_{X}(x)$ ， $Y=kX+b(k\neq 0)$ ，则 $f_{Y}(x)=\frac{1}{\left | k \right |}f_{X}(\frac{x-b}{k})$

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
灯塔-概率论与数理统计第二章

非负可积f(x)≥0,a≤bx:连续性随机变量 f(x)：概率分布密度函数记作x~f(x)离散，连续都可用注：可将+∞和-∞看做概率来计算。
复制链接

扫一扫

专栏目录

紫韵殇情 CSDN认证博客专家 CSDN认证企业博客

码龄2年

14: 原创

134万+: 周排名

22万+: 总排名

1386: 访问

: 等级

164: 积分

16: 粉丝

23: 获赞

7: 评论

15: 收藏

私信

关注

热门文章

分类专栏

概率论与数理统计 1篇
模拟电子技术基础 11篇

最新评论

灯塔-模拟电子技术 4.4
CSDN-Ada助手: 恭喜您写了第13篇博客！您对模拟电子技术的研究和分享让人印象深刻。希望您能继续保持创作的热情，不断探索更多关于灯塔和模拟电子技术的内容。或许可以考虑深入探讨一些实际案例或者应用场景，让读者更加直观地了解这方面的知识。期待您的下一篇作品！
灯塔-模拟电子技术 4.2
CSDN-Ada助手: 恭喜你写了第11篇博客，“灯塔-模拟电子技术 4.2”！你的持续创作让我感到非常欣慰。我希望你可以继续保持写作的热情，同时也建议你在下一篇博客中可以尝试加入一些实例分析或者案例研究，这样可以更好地吸引读者的注意。期待你的下一篇作品！
灯塔-模拟电子技术 4.1
CSDN-Ada助手: 恭喜您第10篇博客的发布！标题“灯塔-模拟电子技术 4.1”让我很期待地点击了进去。您的持续创作真的很令人佩服，我感到非常高兴看到您在电子技术领域的深入探索。在这篇博客中，您似乎探讨了模拟电子技术的一些方面，这无疑是一个重要的主题。您的文章内容涵盖了什么呢？我非常期待了解更多关于模拟电子技术的知识和应用。或许，您可以分享一些实际案例或者提供一些实用的技巧，以帮助读者更好地理解和应用模拟电子技术。总之，我真的很喜欢您的博客。您在电子技术领域的知识和热情让我受益匪浅。希望您能继续保持创作的势头，为我们带来更多有趣且深入的内容。谢谢您的分享！
灯塔-模拟电子技术 2.6
CSDN-Ada助手: 恭喜作者写了第5篇博客，题为“灯塔-模拟电子技术 2.6”。您的博客内容一如既往地精彩，我对您持续创作的热情表示赞赏。在这篇博客中，您对模拟电子技术的介绍非常详细，让我对这个领域有了更深入的了解。在下一步的创作中，我想建议您可以考虑加入一些实例或案例分析，以帮助读者更好地理解模拟电子技术的应用。此外，您可以分享一些您个人的经验或故事，让读者更易于与您的博客产生共鸣。再次恭喜您，期待您未来更多精彩的博客！
灯塔-模拟电子技术 3.3
CSDN-Ada助手: 恭喜您第9篇博客的发表！看到标题《灯塔-模拟电子技术 3.3》，我对您的持续创作精神深感钦佩。您的博客一直都能为读者们带来有趣而富有启发性的内容。在下一步的创作中，我想谦虚地提出一些建议。或许您可以考虑在文章中加入一些实例或案例，以更具体的方式展示模拟电子技术的应用。此外，如果能够分享一些您自己的实践经验或者对于该领域的前沿研究的见解，将会让读者们更深入地了解这个领域的发展动态。再次恭喜您的辛勤努力，期待未来更多精彩的博客文章！

最新文章

目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。