概率论 各种分布及其期望、方差、分布函数

概率论 各种分布及其期望、方差、分布函数

（0-1）分布

$p(X=k)=p^k(1-p)^{1-k}$,k=0,1

E(X)=p

D(X)=p(1-p)

二项分布 X~b(n,p)

$p(X=k)=C_n^k p^k (1-p)^{n-k}$

E(X)=np

D(X)=np(1-p)

泊松分布 X~$\pi(\lambda)$

$p(X=k)=\frac{\lambda^{k}e^{-\lambda}}{k!}$

E(X)=$\lambda$

D(X)=$\lambda$

均匀分布 X~U(a,b)

$$f(x)=\begin{cases}\frac{1}{b-a},&a<x<b \\0,&else \end{cases}\\ E(X)=\frac{a+b}{2}\\ D(X)=\frac{(b-a)^2}{12}\\ F(X)=\begin{cases}0,&x<a\\\frac{x-a}{b-a},&a\le x<b\\1,&x\ge b\end{cases}$$

指数分布

$$f(x)=\begin{cases}\frac{1}{\theta}e^{-\frac{x}{\theta}},&x>0 \\0,&else \end{cases}\\ E(X)=\theta\\ D(X)=\theta^2\\ F(X)=\begin{cases}1-e^{-\frac{x}{\theta}},&x>0\\0,&else\end{cases}$$

正态/高斯分布 X~N($\mu,\sigma^2$)

E(X)=$\mu$

D(X)=$\sigma^2$

$F(X)=P(X\le x)=\phi(\frac{x-\mu}{\sigma})$

——————————————————–

$\chi ^2$分布 $\chi ^2\sim\chi ^2(n)$

$$X_i\sim N(0,1)\\ n:自由度\\ \chi ^2=\sum_{i=1}^{n}X_i^2\\ E(\chi ^2)=n\\ D(\chi^2)=2n\\ \chi _1^2+\chi _2^2 \sim \chi ^2(n_1+n_2)\\ $$

t分布 t~t(n)

$$X\sim N(0,1)\\ Y\sim\chi ^2(n)\\ t=\frac{X}{\sqrt{\frac{Y}{n}}}$$

F分布 F~F($n_1,n_2$)

$$U\sim\chi ^2(n_1)\\ V\sim\chi ^2(n_2)\\ F=\frac{U/n_1}{V/n_2}$$

正态总体的样本均值$\bar{X}$与样本方差$S^2$的分布

$$E(\bar{X})=\mu\\ D(\bar{X})=\frac{\sigma^2}{n}\\ E(S^2)=E[\frac{1}{n-1}(\sum_{i=1}^n X_i^2-n\bar{X}^2)]=\frac{1}{n-1}[\sum_{i=1}^nE(X_i^2)-nE(\bar{X}^2)]\\=\frac{1}{n-1}[\sum_{i=1}^n(\sigma^2+\mu^2)-n(\frac{\sigma^2}{n}+\mu^2)]=\sigma^2\\ $$

$X_i来自N(\mu,\sigma^2)$,则

$$\bar{X}\sim N(\mu,\frac{\sigma^2}{n})\\ \frac{(n-1)S^2}{\sigma^2}\sim \chi^2(n-1)\\ \bar{X}与S^2相互独立\\ \frac{\bar{X}-\mu}{S/\sqrt{n}}\sim t(n-1)$$
单个总体N( $\mu.\sigma^2$)置信区间
$$(\bar{X}\pm\frac{S}{\sqrt{n}}t_{\alpha/2}(n-1))\\ $$
$两个总体N(\mu_1.\sigma_1^2)，N(\mu_2.\sigma_2^2) 的\mu_1-\mu_2置信水平1-\alpha的置信区间$
$$(\bar{X}-\bar{Y}\pm t_{\alpha/2}(n_1+n_2-2)S_\omega\sqrt{\frac{1}{n_1}+\frac{1}{n_2}})\\ S_\omega^2=\frac{(n_1-1)S_1^2+(n_2-1)S_2^2}{n_1+n_2-2},S_\omega=\sqrt{S\omega^2}$$