经典分布

几何分布：

（1）做某事件的次数（也叫试验次数）是固定的，用n表示。（例如，抛硬币3次，程序执行5次）

（2）每一次事件都有两个可能的结果（成功，或者失败）。（例如，程序执行（成功），程序执行（失败））

（3）每一次“成功”的概率都是相等的，成功的概率用p表示。

（4）这一点也即和二项分布的区别所在，二项分布求解的问题是成功x次的概率。而几何分布求解的问题则变成了——试验x次，才取得第一次成功的概率。 例如，执行101次，第101次才可以执行正确（结果不是程序问题，是其他软件冲突了）的概率。

 

其中，p表示成功的概率，x表示试验的次数。

 假设成功的概率为0.2，则第101次执行成功的概率为：p(第101次执行成功)=（1-0.2）^100 * 0.2 = 0.8^100*0.2

几何分布的期望是E(x)=1/p，每次成功的最小的次数

几何分布的标准差：

 

 

 二项分布：

（1）做某事件的次数（也叫试验次数）是固定的，用n表示。（例如，抛硬币3次，程序执行5次）

（2）每一次事件都有两个可能的结果（成功，或者失败）。（例如，程序执行（成功），程序执行（失败））

（3）每一次“成功”的概率都是相等的，成功的概率用p表示。

（4）成功x次的概率是多少，例如，执行101次，有99次可以执行正确的概率。

 

 

其中n表示事件发生的次数，x表示成功的次数，p表示每次成功的概率，p（x）为执行了n次，有x次成功的概率

期望：E(X)=np

 

泊松分布：

（1）事件是独立事件

（2）在任意相同的时间范围内，事件发生的概率相同（例如，1天内中奖概率，与第2天中奖的概率相同）

（3）在某个范围内，发生某件事情x的概率是多大 （例如，某商场搞了个促销抽奖活动，想了解一天内5人中奖的概率）

 

 

x为成功次数，u为区间内的发生的平均次数

特殊的是它的期望和方差都等于u

正态分布：点击查看链接

均匀分布：

统计学中，当使用p值作为简单零假设的检验统计量，并且检验统计量的分布是连续的，则如果零假设为真，则p值均匀分布在0和1之间。

累积分布函数为：

它的逆是：

伯努利分布：

又叫做0-1分布，指一次随机试验，结果只有两种。也就是一个随机变量的取值只有0和1。
记为: 0-1分布 或B(1,p)，其中 p 表示一次伯努利实验中结果为正或为1的概率。 

概率计算：

P(X=0)=p0P(X=1)=p1

期望计算：

E(X)=0∗p0+1∗p1=p

最简单的例子就是，抛一次硬币，预测结果为正还是反。

 多项式分布：

多项式分布是二项式分布的扩展，不同的是多项式分布中，每次实验有n种结果。 
概率计算：

期望计算：

最简单的例子就是多次抛筛子，统计各个面被掷中的次数。

 

转载于:https://www.cnblogs.com/superSmall/p/11423395.html