常见概率分布

常见离散概率分布

分布	参数范围	概率质量函数	期望	方差
两点/伯努利分布$X\sim Bernoulli(p)$	$0<p<1$	$$\begin{gathered} P(X=k)=p^k(1-p{)}^{1-k} \\ k=0,1 \end{gathered}$$	$p$	$p(1-p)$
二项分布$X\sim B(n,p)$	$$\begin{gathered} 0<p<1 \\ n\ge 1整数 \end{gathered}$$	$$\begin{gathered} P(X=k)=C_n^k{p}^k(1-p{)}^{n-k} \\ k=0,1,...,n \end{gathered}$$	$np$	$np(1-p)$
泊松分布$X\sim P(\lambda )$	$\lambda >0$	$$\begin{gathered} P(X=k)=\frac{{\lambda }^k}{k!}{e}^{-\lambda } \\ k=0,1,... \end{gathered}$$	$\lambda$	$\lambda$
几何分布$X\sim G(p)$	$0<p<1$	$$\begin{gathered} P(X=k)=(1-p{)}^{k-1}p \\ k=1,2,... \end{gathered}$$	$\frac{1}{p}$	$\frac{1-p}{p^2}$
超几何分布$X\sim H(N,M,n)$	$M\le N,n\le N$整数	$$\begin{gathered} P(X=k)=\frac{C_M^k{C}_{N-M}^{n-k}}{C_N^n} \\ k=0,1,...,\min (M,N) \end{gathered}$$	$\frac{nM}{N}$	$\frac{nM}{N}(1-\frac{M}{N})\frac{N-n}{N-1}$
帕斯卡分布$X\sim B_0(r,p)$	$$\begin{gathered} 0<p<1 \\ r\ge 1整数 \end{gathered}$$	$$\begin{gathered} P(X=k)=C_{k-1}^{r-1}{p}^r(1-p{)}^{k-r} \\ k=r,r+1,... \end{gathered}$$	$\frac{r}{p}$	$\frac{r(1-p)}{p^2}$

常见连续概率分布

分布	参数范围	密度函数	期望	方差
柯西分布	$\lambda >0,\mu 常数$	$$\begin{gathered} p(x)=\frac{1}{\pi }\frac{\lambda }{{\lambda }^2+(x-\mu {)}^2} \\ -\infty <x<+\infty \end{gathered}$$	不存在	不存在
均匀分布$X\sim U[a,b]$	$a<b$常数	$p(x)=\{\begin{array}{l}\frac{1}{b-a},a\le x\le b\\ 0,otherwise\end{array}$	$\frac{a+b}{2}$	$\frac{(b-a{)}^2}{12}$
指数分布$X\sim E(\lambda )$	$\lambda >0$常数	$p(x)=\{\begin{array}{l}\lambda e^{-\lambda x},x\ge 0\\ 0,x<0\end{array}$	$\frac{1}{\lambda }$	$\frac{1}{{\lambda }^2}$
正态分布$X\sim N(\mu ,\sigma )$	$$\begin{gathered} -\infty <\mu <+\infty \\ \sigma >0 \end{gathered}$$常数	p ( x ) = 1 2 π σ e x p { − ( x − μ ) 2 2 σ 2 } − ∞ < x < + ∞ p(x)=\frac{1}{\sqrt{2\pi}\sigma}exp\{-\frac{(x-\mu)^2}{2\sigma^2}\}\\-\infty<x<+\infty p(x)=2π ​σ1​exp{−2σ2(x−μ)2​}−∞<x<+∞	$\mu$	${\sigma }^2$
${\chi }^2$分布$X\sim {\chi }^2(n)$	$n$正整数	$p(x)=\{\begin{array}{l}\frac{1}{2^{n/2}\Gamma (\frac{n}{2})}{x}^{\frac{n}{2}-1}{e}^{-x/2},x\ge 0\\ 0,x<0\end{array}$	$n$	$2n$
$\Gamma$分布$X\sim \Gamma (\lambda ,r)$	$r>0,\lambda >0$常数	$p(x)=\{\begin{array}{l}\frac{{\lambda }^r}{\Gamma (r)}{x}^{r-1}{e}^{-\lambda x},x\ge 0\\ 0,x<0\end{array}$	$\frac{r}{\lambda }$	$\frac{r}{{\lambda }^2}$
$t$分布 $t(n)$	$n$正整数	$$\begin{gathered} p(x)=\frac{\Gamma (\frac{n+1}{2})}{\sqrt{n\pi }\Gamma (\frac{n}{2})}(1+\frac{x^2}{n}{)}^{-(n+1)/2} \\ -\infty <x<+\infty \end{gathered}$$	$0(n>1)$	$\frac{n}{n-2}(n>2)$
$\beta$分布$X\sim \beta (p,q)$	$p>0,q>0$常数	$p(x)=\{\begin{array}{l}\frac{\Gamma (p+q)}{\Gamma (p)\Gamma (q)}{x}^{p-1}(1-x{)}^{q-1},0<x<1\\ 0,x\le 0x\ge 1\end{array}$	$\frac{p}{p+q}$	$\frac{pq}{(p+q{)}^2(p+q+1)}$
$F$分布	$k_1,k_2$正整数	$p(x)=\{\begin{array}{l}\frac{\Gamma (\frac{k_1+k_2}{2})}{\Gamma (\frac{k_1}{2})\Gamma (\frac{k_2}{2})}{k}_1^{k_1/2}{k}_2^{k_2/2}\frac{x^{k_1/2-1}}{(k_2+k_{1}x{)}^{(k_1+k_2)/2}},x\ge 0\\ 0,x<0\end{array}$	$$\begin{gathered} \frac{k_2}{k_2-1} \\ (k_2>2) \end{gathered}$$	$$\begin{gathered} \frac{2k_2^2(k_1+k_2-2)}{k_1(k_2-2{)}^2(k_2-4)} \\ (k_2>4) \end{gathered}$$

分布之间关系

---

常见概率统计分布及Python实现