概率论的几种常考分布总结

最新推荐文章于 2024-07-14 21:02:09 发布

小米熬的粥

最新推荐文章于 2024-07-14 21:02:09 发布

阅读量2.6k

点赞数 3

分类专栏：知识点总结文章标签：概率论

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/m0_62556295/article/details/127455074

版权

知识点总结专栏收录该内容

2 篇文章 0 订阅

订阅专栏

两点分布（0-1分布） X ~ b(1，p) $EX = p$ $DX=p^{2}$

$P(X = 1)=p$

二项分布 X ~ b(n，p) $EX = np$ $DX = np(1-p)$

$P(X=k)=\binom{k}{n}p^{k}(1-p)^{n-k}$ k = 0,1,2,...,n

指数分布（参数为 $\lambda$ ） $EX=\frac{1}{\lambda }$ $DX=\frac{1}{\lambda ^{2}}$

$f(x)=\begin{Bmatrix} \lambda e^{-\lambda x},x>=0\\ 0,x<0 \end{Bmatrix}$

线性分布（参数为a、b） $EX=\frac{a+b}{2}$ $DX=\frac{(b-a)^{2}}{12}$

$f(x)=\begin{Bmatrix} \frac{1}{b-a},a\leq x\leq b\\ 0,else \end{Bmatrix}$

泊松分布 X ~ $\pi$ （ $\lambda$ ） $EX=\lambda$ $DX = \lambda$

$P(x=k)=\frac{\lambda ^{k}}{k!}e^{-\lambda }$ k = 0,1,2,...,n

几何分布 $EX=\frac{1}{p}$ $DX=\frac{1-p}{p^{2}}$

$P(X=k)=p(1-p)^{k-1}$ k = 1,2,3,...,n

超几何分布 X ~ H(n,N1,N) $EX = n\frac{N_{1}}{N}$ $DX=n\frac{N_{1}}{N}\frac{N_{2}}{N}\frac{N-n}{N-1}$

各变量的含义理解：在N个元素中,假设分为两类,即N1,N2,从中不放回的抽取n个,这n个元素中含有第一类元素的个数. (注意：N = N1 + N2)

$P(x=k) =\frac{\binom{k}{N_{1}}\binom{n-k}{N_{2}}}{\binom{n}{N_{1}+N_{2}}}$ k = 0,1,2,...,n1

正态分布 X ~ $N(\mu ,\delta ^{2})$ $EX=\mu$ $DX=\delta ^{2}$

标准公式： $f(x)=\frac{1}{\sqrt{2\pi }\sigma }e^{-\frac{(x-\mu )^{2}}{2\sigma ^{2}}}$

当 $\mu =0,\sigma =1$ 时，得到标准正态分布，即 $f(x)=\frac{1}{\sqrt{2\pi }}e^{-\frac{x^{2}}{2}}$

注意：一般的关于 X 的正态分布，可通过换元： $Y = \frac{X-\mu }{\sigma }$ 化成关于 Y 的标准正态分布，而标准正态分布的函数值可以通过查表得知。

最后有两个常用的反常积分（泊松积分）：

$\int_{-\infty }^{+\infty }e^{-x^{2}}dx = \sqrt{\pi }$ $\int_{-\infty }^{+\infty }e^{-\frac{x^{2}}{2}}dx=\sqrt{2\pi }$

以上公式是高频考点，一定要重点掌握！！！

小米熬的粥

关注

3
点赞
踩
20

收藏

觉得还不错? 一键收藏
0
评论
概率论的几种常考分布总结

概率论知识点总结
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。