连续分布总结

DreamABCDEF

已于 2023-06-29 15:21:47 修改

阅读量104

点赞数

文章标签：概率论

于 2023-06-29 13:17:17 首次发布

本文链接：https://blog.csdn.net/DreamABCDEF/article/details/131451057

版权

连续随机变量的概率分布
- Cumulative distribution function (或者简称distribution function)
  - Y是任意一个随机变量。Y的cdf被记为F(y)，其定义是 $F(y) = P(Y\leq y), -\infty<y < \infty$ 。
  - Cdf的性质
    - $F(-\infty)\equiv \lim_{y\rightarrow -\infty}F(y)=0$
    - $F(\infty)\equiv \lim_{y\rightarrow \infty}F(y)=1$
    - $F(y)$ 是y的不递减(nondecreasing)函数： $y_1<y_2 \rightarrow F(y_1)\leq F(y_2)$
- 如果一个随机变量Y的F(y)在 $-\infty<y<\infty$ 的范围内是连续的，那么Y就是一个连续随机变量。
- Probability density function
  - 定义：
    - Cdf也可以被写成 $F(y)=\int_{-\infty}^{y}f(t)dt$
  - Pdf的性质
    - $f(y)\geq 0, -\infty<y<\infty$
    - $\int_{-\infty}^{\infty}f(y)dy=1$
- 如果一个随机变量Y的pdf为f(y)并且a<b，那么Y落在区间[a, b]的概率是。
  - 如果Y是连续随机变量并且a和b是满足a<b的常数，那么P(Y=a)=P(Y=b)=0。我们可以进一步得出 $P(a < Y < b)=P(a \leq Y <b)=P(a<Y\leq b)=P(a \leq Y \leq b)$ 。
连续随机变量的期望
- 期望的定义
  - $E(y)=\int_{-\infty}^{\infty}yf(y)dy$
- 期望的性质
  - $E[g(y)]=\int_{-\infty}^{\infty}g(y)f(y)dy$
  - $E(c)=c$
  - $E[cg(Y)]=cE[g(y)]$
  - $E[g_1(Y)+...+g_k(Y)]=E[g_1(Y)]+...+E[g_k(Y)]$
  - $V(Y)=\sigma^2=E[(Y-\mu)^2]=E(Y^2)-\mu^2$
常见连续分布
矩和矩母函数 Moment and Moment Generating Function
- 关于原点的矩 kth moment about the origin： $\mu'_k=E(Y^k), k = 1, 2, ...$
- 关于均值的矩 kth moment about the mean： $\mu_k = E[(Y-\mu)^2], k = 1, 2, ...$
- 连续随机变量Y的矩母函数 moment generating function： $m(t)=E(e^{tY})$
- g(Y)的矩母函数： $E[e^{tg(y)}]=\int_{-\infty}^\infty e^{tg(y)}f(y)dy$
- 用矩母函数求任意关于原点的矩： $\frac{d^km(t)}{dt^k}]_{t=0}=m^{(k)}(0)=\mu'_k$