前言
本文主要汇总了一些常见概率分布的概率质量函数(密度函数),矩母函数,均值和方差。其中矩母函数定义为:
ϕ
(
t
)
=
E
[
e
t
X
]
\phi(t)=E[e^{tX}]
ϕ(t)=E[etX]
一、离散概率分布
离散概率分布 | 概率质量函数p(x) | 矩母函数 | 均值 | 方差 |
---|---|---|---|---|
二项分布,参数为 n , p , 0 ⩽ p ⩽ 1 n,p, 0 \leqslant p \leqslant 1 n,p,0⩽p⩽1 | ( n x ) p x ( 1 − p ) n − x \tbinom{n}{x}p^x(1-p)^{n-x} (xn)px(1−p)n−x x = 0 , 1 , . . . , n x=0,1,...,n x=0,1,...,n | ( p e t + ( 1 − p ) ) n (pe^t+(1-p))^n (pet+(1−p))n | n p np np | n p ( 1 − p ) np(1-p) np(1−p) |
泊松分布,参数为 λ , λ > 0 \lambda, \lambda>0 λ,λ>0 | e − λ λ x x ! e^{-\lambda}\frac{\lambda^x}{x!} e−λx!λx x = 0 , 1 , 2 , . . . x=0,1,2,... x=0,1,2,... | e λ ( e t − 1 ) e^{\lambda(e^t-1)} eλ(et−1) | λ \lambda λ | λ \lambda λ |
几何分布,参数为 p , 0 ⩽ p ⩽ 1 p,0 \leqslant p \leqslant 1 p,0⩽p⩽1 | p ( 1 − p ) x − 1 p(1-p)^{x-1} p(1−p)x−1 x = 1 , 2 , . . . x=1,2,... x=1,2,... | p e t 1 − ( 1 − p ) e t \frac{pe^t}{1-(1-p)e^t} 1−(1−p)etpet | 1 p \frac{1}{p} p1 | 1 − p p 2 \frac{1-p}{p^2} p21−p |
二、连续概率分布
连续概率分布 | 概率密度函数 | 矩母函数 | 均值 | 方差 |
---|---|---|---|---|
(a,b)上的均匀分布 | f ( x ) = { 1 b − a a < x < b 0 其 他 f(x)=\begin{cases} \frac{1}{b-a} & a<x<b \\ 0 & 其他\end{cases} f(x)={b−a10a<x<b其他 | e b t − e a t ( b − a ) t \frac{e^{bt}-e^{at}}{(b-a)t} (b−a)tebt−eat | a + b 2 \frac{a+b}{2} 2a+b | ( b − a ) 2 12 \frac{(b-a)^2}{12} 12(b−a)2 |
指数分布,参数为 λ , λ > 0 \lambda, \lambda>0 λ,λ>0 | f ( x ) = { λ e − λ x x ≥ 0 0 x < 0 f(x)=\begin{cases} \lambda e^{-\lambda x } & x \geq 0 \\ 0 & x<0\end{cases} f(x)={λe−λx0x≥0x<0 | λ λ − t \frac{\lambda}{\lambda-t} λ−tλ | 1 λ \frac{1}{\lambda} λ1 | 1 λ 2 \frac{1}{\lambda ^2} λ21 |
伽马分布,参数为 ( n , λ ) , λ > 0 (n,\lambda),\lambda>0 (n,λ),λ>0 | f ( x ) = { λ e − λ x ( λ x ) n − 1 ( n − 1 ) ! x ≥ 0 0 x < 0 f(x)=\begin{cases} \frac{\lambda e^{-\lambda x}(\lambda x)^{n-1}}{(n-1)!}& x \geq 0 \\ 0 & x<0\end{cases} f(x)={(n−1)!λe−λx(λx)n−10x≥0x<0 | ( λ λ − t ) n (\frac{\lambda}{\lambda-t})^n (λ−tλ)n | n λ \frac{n}{\lambda} λn | n λ 2 \frac{n}{\lambda ^2} λ2n |
正太分布,参数为 ( μ , σ 2 ) (\mu, \sigma^2) (μ,σ2) | f ( x ) = 1 2 π σ e x p { − ( x − μ ) 2 2 σ 2 } , f(x)=\frac{1}{\sqrt{2\pi}\sigma}exp\{-\frac{(x-\mu)^2}{2\sigma^2}\}, f(x)=2πσ1exp{−2σ2(x−μ)2}, − ∞ < x < ∞ -\infty<x<\infty −∞<x<∞ | e x p { μ t + σ 2 t 2 2 } exp\{\mu t+\frac{\sigma^2t^2}{2}\} exp{μt+2σ2t2} | μ \mu μ | σ 2 \sigma^2 σ2 |
注:exp为e
三、参考文献
Sheldon M.Ross, 《应用随机过程概率模型导论》, 人民邮电出版社,2016.3.