[从头学数学] 第196节 随机变量及其分布

最新推荐文章于 2024-07-23 22:59:42 发布
最新推荐文章于 2024-07-23 22:59:42 发布
阅读量2.6k 收藏 1
点赞数
分类专栏： 从头学数学 从头学数学
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/mwsister/article/details/51248385
版权
剧情提要：
[机器小伟]在[工程师阿伟]的陪同下进入了[九转金丹]之第五转的修炼。
这次要研究的是[随机变量及其分布]。

正剧开始：

星历2016年04月26日 10:24:43, 银河系厄尔斯星球中华帝国江南行省。
[工程师阿伟]正在和[机器小伟]一起研究[随机变量及其分布]。









<span style="font-size:18px;">[0.9039684513598869, 0.09214765049540131, 0.003800386807600563, 8.247702803880503e-05, 1.026771944588782e-06, 7.505338072121047e-09, 3.1716269743581164e-11, 7.344917005316235e-14, 8.363392339049356e-17, 3.7584057247722085e-20, 3.796369418961827e-24]

#排列公式
def arrangement(n, m):
    if n < m:
        return arrangement(m, n);
    else:
        factorial = 1;
        for i in range(n, n-m, -1):
            factorial*=i;
        return factorial;

#组合公式
def combination(n, m):
    if (n < m):
        return combination(m, n);
    else:
        return arrangement(n, m)/arrangement(m,m);

#超几何分布  
def tmp():
    #假设1000件产品中有10件次品，也就是次品率1%
    #那么取出n件，其中有X件次品的概率矩阵是什么呢？
    N = 1000;
    M = 10;

    #我们取10件来查看
    n = 10;

    #X件次品, X<-[0, m], m = min{M, n}，这里m为10
    coefficient = [];

    for k in range(n+1):
        P_x_k = combination(M, k)*combination(N-M, n-k)/combination(N, n);
        coefficient.append(P_x_k);

    print(coefficient);</span>

如果现在有1000件产品在这里，其中有10件不合格，

抽查10件能找到多少次品呢？



产品质量更差一点，现在1000件里有100件不合格，

看抽查情况：


产品中有一半不合格，

抽查结果：


产品有九层不合格：



<span style="font-size:18px;">	if (1) {  
        var r = 20;        
        config.setSector(10,5,9,1);          
   
            
        //坐标轴设定    
        var scaleX = 2*r, scaleY = 2*r;      
        var spaceX = 1, spaceY = 0.125;       
        var xS = 0, xE = 10;      
        var yS = 0, yE = 1;      
    
                
        var transform = new Transform();        
        //存放函数图像上的点    
        var a = [], b = [], c = [], d = [];      
              
        //需要显示的函数说明    
        var f1 = '超几何分布N, M, n, k = 1000, 10, 10, 0~10', f2 = '10x^4-6x', f3 = '', f4 = '';    
		
		var Y = [0.9039684513598869, 0.09214765049540131, 0.003800386807600563, 8.247702803880503e-05, 1.026771944588782e-06, 7.505338072121047e-09, 3.1716269743581164e-11, 7.344917005316235e-14, 8.363392339049356e-17, 3.7584057247722085e-20, 3.796369418961827e-24];
		
		
        //函数描点    
        for (var x = xS; x <= xE; x++) {      
                a.push([x, Y[x]]);   
        }      
		              
        //存放临时数组    
        var tmp = [];    
              
        //显示变换    
        if (a.length > 0) {    
            a = transform.scale(transform.translate(a, 0, 0), scaleX/spaceX, scaleY/spaceY);     
			var dx = Math.min(Math.abs(a[1][0]-a[0][0])/2, 40);
			var size = a.length;
			var y = 0;
			
			plot.setFillStyle('#FF88CC');
			for (var i = 0; i < size; i++) {
				y = a[i][1];
				shape.fillRect(a[i][0], -y/2, dx, Math.abs(y));
			}
			
            //函数1    
            tmp = [].concat(a);        
            shape.pointDraw(tmp, 'red');        
            tmp = [].concat(a);        
            shape.multiLineDraw(tmp, 'pink');      
                  
            plot.setFillStyle('red');    
            plot.fillText(f1, 30, -300, 200);      
        }  
		
		
		config.graphPaper2D(0, 0, r);        
        config.axis2D(0, 0,320, 1.6);       
        config.axisSpacing(xS, xE, spaceX, scaleX, 'X');        
        config.axisSpacing(yS, yE, spaceY, scaleY, 'Y');    

	}
	</span>


 


<span style="font-size:18px;">[0.10879541914024672, 0.339985684813271, 0.35998484274346343, 0.1599932634415393, 0.029472443265546714, 0.0017683465959328027]

#超几何分布
#例3 联欢会
def tmp():
    N = 30;
    M = 10;

    #我们取5件来查看
    n = 5;

    #X个目标, X<-[0, m], m = min{M, n}，这里m为5
    coefficient = [];

    for k in range(n+1):
        P_x_k = combination(M, k)*combination(N-M, n-k)/combination(N, n);
        coefficient.append(P_x_k);

    print(coefficient);</span>


<span style="font-size:18px;">	if (1) {  
        var r = 20;        
        config.setSector(10,5,9,1);          
   
            
        //坐标轴设定    
        var scaleX = 2*r, scaleY = 2*r;      
        var spaceX = 0.5, spaceY = 0.125;       
        var xS = 0, xE = 5;      
        var yS = 0, yE = 1;      
    
                
        var transform = new Transform();        
        //存放函数图像上的点    
        var a = [], b = [], c = [], d = [];      
              
        //需要显示的函数说明    
        var f1 = '超几何分布N, M, n, k = 30, 10, 5, 0~5', f2 = '10x^4-6x', f3 = '', f4 = '';    
		
		var Y = [0.10879541914024672, 0.339985684813271, 0.35998484274346343, 0.1599932634415393, 0.029472443265546714, 0.0017683465959328027];
		
		
        //函数描点    
        for (var x = xS; x <= xE; x++) {      
                a.push([x, Y[x]]);   
        }      
		              
        //存放临时数组    
        var tmp = [];    
              
        //显示变换    
        if (a.length > 0) {    
            a = transform.scale(transform.translate(a, 0, 0), scaleX/spaceX, scaleY/spaceY);     
			var dx = Math.min(Math.abs(a[1][0]-a[0][0])/2, 40);
			var size = a.length;
			var x = y = measure = 0;
			var s = '';
			
			plot.setFillStyle('#FF88CC');
			for (var i = 0; i < size; i++) {
				x = a[i][0];
				y = a[i][1];
				
				s = Y[i].toFixed(3);
				measure = plot.measureText(s);
				shape.fillRect(x, -y/2, dx, Math.abs(y));
				plot.fillText(s, x-measure/2,  -y-20, measure);
			}
			
			
			
            //函数1    
            tmp = [].concat(a);        
            shape.pointDraw(tmp, 'red');        
            tmp = [].concat(a);        
            shape.multiLineDraw(tmp, 'pink');      
                  
            plot.setFillStyle('red');    
            plot.fillText(f1, 30, -300, 200);      
        }  
		
		
		config.graphPaper2D(0, 0, r);        
        config.axis2D(0, 0,320, 1.6);       
        config.axisSpacing(xS, xE, spaceX, scaleX, 'X');        
        config.axisSpacing(yS, yE, spaceY, scaleY, 'Y');    

	}</span>



 

<span style="font-size:18px;">[0.18697170950491634, 0.3983310332930826, 0.298748274969812, 0.09958275832327065, 0.015320424357426254, 0.001021361623828417, 2.4318133900676595e-05, 1.1979376305752016e-07]

#超几何分布
#题2 彩票
def tmp():
    N = 36;
    M = 7;

    #选择集容量
    n = 7;

    #X个目标, X<-[0, m], m = min{M, n}，这里m为7
    coefficient = [];

    for k in range(n+1):
        P_x_k = combination(M, k)*combination(N-M, n-k)/combination(N, n);
        coefficient.append(P_x_k);

    print(coefficient);</span>

彩票中奖率很低的。









<span style="font-size:18px;">[0.3486784401000001, 0.38742048900000015, 0.1937102445000001, 0.057395628000000025, 0.011160261000000003, 0.0014880348000000005, 0.00013778100000000007, 8.748000000000005e-06, 3.6450000000000023e-07, 9.000000000000004e-09, 1.0000000000000006e-10]

#二项分布
def tmp():
    #成功概率p
    p = 0.1;
    a = [1-p, p];
    #尝试次数/机会
    N = 10;  
  
    coefficient = [];  
  
    for i in range(N+1):  
        coefficient.append(a[0]**(N-i)*a[1]**i*combination(N, i));  
  
    print(coefficient);        </span>

 
<span style="font-size:18px;">	if (1) {  
        var r = 20;        
        config.setSector(10,5,9,1);          
   
            
        //坐标轴设定    
        var scaleX = 2*r, scaleY = 2*r;      
        var spaceX = 1, spaceY = 0.125;       
        var xS = 0, xE = 10;      
        var yS = 0, yE = 1;      
    
                
        var transform = new Transform();        
        //存放函数图像上的点    
        var a = [], b = [], c = [], d = [];      
              
        //需要显示的函数说明    
        var f1 = '二项分布x~B(10, 0.1)', f2 = '', f3 = '', f4 = '';    
		
		var Y = [0.3486784401000001, 0.38742048900000015, 0.1937102445000001, 0.057395628000000025, 0.011160261000000003, 0.0014880348000000005, 0.00013778100000000007, 8.748000000000005e-06, 3.6450000000000023e-07, 9.000000000000004e-09, 1.0000000000000006e-10];
		
		
        //函数描点    
        for (var x = xS; x <= xE; x++) {      
                a.push([x, Y[x]]);   
        }      
		              
        //存放临时数组    
        var tmp = [];    
              
        //显示变换    
        if (a.length > 0) {    
            a = transform.scale(transform.translate(a, 0, 0), scaleX/spaceX, scaleY/spaceY);     
			var dx = Math.min(Math.abs(a[1][0]-a[0][0])/2, 40);
			var size = a.length;
			var x = y = measure = 0;
			var s = '';
			
			plot.setFillStyle('#FF88CC');
			for (var i = 0; i < size; i++) {
				x = a[i][0];
				y = a[i][1];
				
				s = Y[i].toFixed(3);
				measure = plot.measureText(s);
				shape.fillRect(x, -y/2, dx, Math.abs(y));
				plot.fillText(s, x-measure/2,  -y-20, measure);
			}
			
			
			
            //函数1    
            tmp = [].concat(a);        
            shape.pointDraw(tmp, 'red');        
            tmp = [].concat(a);        
            shape.multiLineDraw(tmp, 'pink');      
                  
            plot.setFillStyle('red');    
            plot.fillText(f1, 30, -300, 200);      
        }  
		
		
		config.graphPaper2D(0, 0, r);        
        config.axis2D(0, 0,320, 1.6);       
        config.axisSpacing(xS, xE, spaceX, scaleX, 'X');        
        config.axisSpacing(yS, yE, spaceY, scaleY, 'Y');    

	}</span>


 


<span style="font-size:18px;">[1.0239999999999978e-07, 4.095999999999993e-06, 7.372799999999987e-05, 0.000786431999999999, 0.005505023999999994, 0.026424115199999976, 0.08808038399999996, 0.20132659199999994, 0.301989888, 0.26843545600000007, 0.10737418240000006]

#二项分布
#例4 射击
def tmp():
    #成功概率p
    p = 0.8;
    a = [1-p, p];
    #尝试次数/机会
    N = 10;  
  
    coefficient = [];  
  
    for i in range(N+1):  
        coefficient.append(a[0]**(N-i)*a[1]**i*combination(N, i));  
  
    print(coefficient);     
	</span>


 







<span style="font-size:18px;">3.5000000000000004
2.916666666666667
1.7078251276599332

	if (1) {
		var analyze = new DataAnalyze();
		
		var array = [];
		
		for (var x = 1; x <=6; x++) {
			array.push([x, 1/6]);
		}
		
		var E_x = analyze.weightedAverage(array);
		var D_x = analyze.variance(array);
		var sqrtD_x = analyze.RMS(array);
		
		document.write(E_x+'<br/>');
		document.write(D_x+'<br/>');
		document.write(sqrtD_x+'<br/>');
	
	}
	</span>

<span style="font-size:18px;">1400.0000000000002
40000.000000000015
200.00000000000003
-------------
1400.0000000000002
160000.00000000003
400.00000000000006

	if (1) {
		var analyze = new DataAnalyze();
		
		var A = [[1200,0.4],[1400,0.3],[1600,0.2],[1800,0.1]];
		var B = [[1000,0.4],[1400,0.3],[1800,0.2],[2200,0.1]];
		

		
		var E_x = analyze.weightedAverage(A);
		var D_x = analyze.variance(A);
		var sqrtD_x = analyze.RMS(A);
		
		document.write(E_x+'<br/>');
		document.write(D_x+'<br/>');
		document.write(sqrtD_x+'<br/>');
		
		document.write('-------------'+'<br/>');
		
		E_x = analyze.weightedAverage(B);
		D_x = analyze.variance(B);
		sqrtD_x = analyze.RMS(B);
		
		document.write(E_x+'<br/>');
		document.write(D_x+'<br/>');
		document.write(sqrtD_x+'<br/>');
		
		
	
	}</span>


<span style="font-size:18px;">/**
* @usage   数据的集中分析
* @author  mw
* @date    2016年03月22日  星期二  08:24:39 
* @param   原始数据数组
* @return
*
*/
function DataAnalyze() {
	//小数位数超过精度的数会四舍五入到指定精确位数
	//但如果小数位数小于要求精度，不会进行处理
	//整数部分加上精度位数不超过15个数字可以达到要求
	this.round = function(number, precision) {
		var scale = Math.pow(10, precision);
		
		return Math.round(number*scale)/scale;
	}
	
	
	//平均数， 数组为[num1, num2, ... ]
	this.average = function(array) {
		if (array[0].length) 
			return Number.NaN;
			
		if (array == []) {
			return 0;
		}
		else {
			var len = array.length;
			var sum = 0;
			for (var i = 0; i < len; i++) {
				sum += array[i];
			}
			return sum/len;
		}
	}
	
	//加权平均数， 数组为[[num1, weight1], [num2,weight2],  ... ]
	this.weightedAverage = function(array) {
		if (!array[0].length) 
			return Number.NaN;
			
		if (array == []) {
			return 0;
		}
		else {
			var len = array.length;
			var sum = 0;
			var totalWeight = 0;
			for (var i = 0; i < len; i++) {
				sum += array[i][0]*array[i][1];
				totalWeight += array[i][1];
			}
			return sum/totalWeight;
		}
	}
	
	//中位数, 数组为[num1, num2, ... ]
	this.median = function(array) {
		if (array == []) {
			return 0;
		}
		else {
			array.sort(function(a, b) {
				return a - b;
			});
			
			var len = array.length;
			
			if (len%2 == 1) {
				//样本总数为奇数个
				return array[(len-1)/2];
			}
			else {
				//样本总数为偶数个
				return (array[len/2-1]+array[len/2])/2;
			}
		}
	}
	
	//极差, 数组为[num1, num2, ... ]
	this.extremeDifference = function(array) {
		if (array == []) {
			return 0;
		}
		else {
			array.sort(function(a, b) {
				return a - b;
			});
			
			var len = array.length;
			
			return Math.abs(array[0] - array[len-1]);
		}
	}
	
	//众数, 数组为[[num1, weight1], [num2,weight2],  ... ]
	this.mode = function(array) {
		if (array == []) {
			return 0;
		}
		else {
			var newArray = [];
			newArray = this.normalToWeightedArray(array);

			
			//根据权重进行排序
			newArray.sort(function(a, b) {
				return -(a[1] - b[1]);
			});
			
			//返回权重最大的数
			return newArray[0][0];
		}
	}
	
	//方差, 数组为[num1, num2, ... ]
	this.variance = function(array) {
		if (array == []) {
			return 0;
		}
		else {
			var newArray = new Array();
			newArray = array;
			
			if (!newArray[0].length) {
				//一维数组，array[0].length无定义
				var average = this.average(newArray);
				var len = newArray.length;
				
				var sum = 0;
				
				for (var i = 0; i < len; i++) {
					sum += Math.pow((newArray[i]-average), 2);
				}
				
				return sum/len;
			}
			else if (newArray[0].length > 1) {
				var average = this.weightedAverage(newArray);
				var len = newArray.length;
				
				var sum = 0;
				var count = 0;
				
				for (var i = 0; i < len; i++) {
					sum += Math.pow((newArray[i][0]-average), 2)*newArray[i][1];
					count += newArray[i][1];
				}
				
				return sum/count;
			}
		}
	}
	
	//标准差(root-mean-square deviation) , 数组为[num1, num2, ... ]	
	this.RMS = function(array) {
		return Math.sqrt(this.variance(array));
	}
	
	//平均差 , 数组为[num1, num2, ... ]
	this.meanDifference = function(array) {
		if (array == []) {
			return 0;
		}
		else {
			var average = this.average(array);
			var len = array.length;
			
			var sum = 0;
			
			for (var i = 0; i < len; i++) {
				sum += Math.abs(array[i]-average);
			}
			
			return sum/len;
		}
	
	}
	
	
	//把[[num1, weight1], [num2,weight2],  ... ]形式的数组转化成
	//[num1, num2, ... ]形式的数组
	this.weightedToNormalArray = function(array) {
		if (array == []) {
			return [];
		}
		else {
			var len = array.length;
			if (array[0].length < 2) {
				return array;
			}
			else {
				var retArray = new Array();
				var times = 0;
				
				for (var i = 0; i < len; i++) {
					//权重转为重复次数
					times = array[i][1];
					
					for (var j = 0; j < times; j++) {
						retArray.push(array[i][0]);
					}
				}
				return retArray;
			}			
			
		}
	}
					
	//把[num1, num2, ... ]形式的数组转化成
	//[[num1, weight1], [num2,weight2],  ... ]形式的数组
	this.normalToWeightedArray = function(array) {
		if (array == []) {
			return [];
		}
		else {
			var len = array.length;
			var len2 = 0;
			
			if (array[0].length > 1) {
				return array;
			}
			else {
				var retArray = new Array();
				retArray.push([array[0], 1]);
				
				for (var i = 1; i < len; i++) {
					len2 = retArray.length;					
					
					for (var j = 0; j < len2; j++) {
						if (Math.abs(array[i]-retArray[j][0]) < 0.0001) {
							retArray[j][1]+=1;
							break;
						}
						
						if (j >= len2 - 1) {
							retArray.push([array[i], 1]);
						}
						
					}
				}
				return retArray;
			}
			
		}
	}
	
	//样本数
	this.sampleSize = function(array) {
		if (!array[0].length) {
			return array.length;
		}
		else {
			var size = array.length;
			var sum = 0;
			for (var i = 0; i < size; i++) {
				sum += array[i][1];
			}
			
			return sum;
		}
	}
	
	//加权数组计算频率
	this.rateCalc = function(array) {
		if (!array[0].length) {
			array = this.normalToWeightedArray(array);
			
			return this.rateCalc(array);
		}
		else {
			var size = array.length;
			var sum = this.sampleSize(array);
			var retArray = new Array();
			for (var i = 0; i < size; i++) {
				retArray.push([array[i][0], array[i][1]/sum]);
			}
			
			return retArray;
		}
	}
	
		
}</span>


 



<span style="font-size:18px;">	if (1) {  
        var r = 20;        
        config.setSector(10,5,9,1);          
   
            
        //坐标轴设定    
        var scaleX = 2*r, scaleY = 1.5*r;      
        var spaceX = 1, spaceY = 0.05;       
        var xS = 0, xE = 10;      
        var yS = 0, yE = 1;      
    
                
        var transform = new Transform();        
        //存放函数图像上的点    
        var a = [], b = [], c = [], d = [];      
              
        //需要显示的函数说明    
        var f1 = '正态分布x~1/((2pi)^0.5σ)exp^(-(x-μ)^2/2σ^2)', f2 = '', f3 = '', f4 = '';    
		var Y = [];
		var tmpY = 0;
		
		
        //函数描点    
        for (var x = xS; x <= xE; x+=0.2) {     
			 tmpY = funTask(x);
             a.push([x, tmpY]);   
			 Y.push(tmpY);

        }      
		              
        //存放临时数组    
        var tmp = [];    
              
        //显示变换    
        if (a.length > 0) {    
            a = transform.scale(transform.translate(a, 0, 0), scaleX/spaceX, scaleY/spaceY);     
			var dx = Math.min(Math.abs(a[1][0]-a[0][0])/2, scaleX/2);
			var size = a.length;
			var x = y = measure = 0;
			var s = '';
			
			plot.setFillStyle('#FF88CC');
			for (var i = 0; i < size; i++) {
				x = a[i][0];
				y = a[i][1];
				
				shape.fillRect(x, -y/2, dx, Math.abs(y));
				
				
				/*s = Y[i].toFixed(3);
				measure = plot.measureText(s);				
				plot.fillText(s, x-measure/2,  -y-20, measure);*/
				
				
			}
			
			
			
            //函数1    
            tmp = [].concat(a);        
            shape.pointDraw(tmp, 'red');        
            tmp = [].concat(a);        
            shape.multiLineDraw(tmp, 'pink');      
                  
            plot.setFillStyle('red');    
            plot.fillText(f1, 30, -300, 200);      
        }  
		
		
		config.graphPaper2D(0, 0, r);        
        config.axis2D(0, 0,320, 1.6);       
        config.axisSpacing(xS, xE, spaceX, scaleX, 'X');        
        config.axisSpacing(yS, yE, spaceY, scaleY, 'Y');    

	}

function funTask(x) {
	var mju = 5;
	var sigma = 1;
	
	return 1/Math.sqrt(2*Math.PI)/sigma*Math.pow(Math.E, -(x-mju)*(x-mju)/2/sigma/sigma);
}
</span>





本节到此结束，欲知后事如何，请看下回分解。

mwsister
关注
专栏目录
概率论与数理统计——随机变量及其分布
LateNight_LL的博客
09-05 1423
文章目录随机变量与分布函数1.随机变量2.分布函数3.由分布函数求概率随离散型随机变量及其分布1.一维离散型随机变量2.分布律3.离散型随机变量4.重要分布连续型随机变量1.连续型随机变量的概率密度2.连续型随机变量的概率密度函数f(x)f(x)f(x)的性质3.连续型随机变量的概率密度与分布函数以及事件概率的关系4.重要分布 随机变量与分布函数 1.随机变量 设E是一个随机试验，其样本空间为Ω={ω}，如果对于每一个样本点ω∈Ω，都有唯一一个实数X(ω)与之对应，则称X(ω)为一维随机变量，通常用X.
随机变量及其分布
q_1703的博客
04-06 1139
设E是随机试验，它的样本空间是S={e}.如果对于每一个e∈S，有一个实数X(e)与之对应，这样就得到一个定义在S上的单值实值函数X(e),称X(e)为随机变量.可简写为随机变量X.1）随机变量与普通的函数不同2）随机变量的取值具有一定的概率规律。
【概率论与数理统计】第二章：随机变量及其分布
最新发布
hiliang521的博客
07-23 622
【概率论与数理统计】第二章：随机变量及其分布
数学科学的完整课程大纲（工科自学必看）
weixin_46596227的博客
11-14 4846
为了能够系统性学习数学理论打好更扎实的基础，我特地网上搜索，整理了一份数学科学大纲。按照这份材料去学习，基本上能够满足理论上的需求。
全局高斯分布嵌入网络对图像识别的改进
2730G2DeNet：全局高斯分布嵌入网络及其在视觉识别王启龙1，李培华1，张磊21大连理工大学2香港理工大学网址：qlwang@mail.dlut.edu.cn，peihuali@dlut.edu.cn，网址：www.example.com，cslzhang@comp.polyu.edu.hk...
基于深度学习的人脸生物特征识别及其算法歧视影响的研究摘要
版权归作者基于深度学习的人脸生物特征识别中的语义Alberacio Serna，1Aythami Morales，1Julian Fierrez，1Manuel Cebrian，2Nick Obradovich，2Iyad Rahwan21Universidad Autonoma de Madrid，马德里，西班牙2德国...
深度双层学习中的交叉验证正则化方法
我们提出了一种新的正则化方法来训练神经网络，比标准的随机梯度下降具有更好的泛化和测试误差我们的方法是基于交叉验证的原则，其中验证集用于限制模型过拟合。我们制定这样的原则作为一个双层优化问题。该公式允许...
一些前端大牛都在学习的github库
孙叫兽的博客
03-02 2293
前端知识比较杂，长时间的工作容易沉浸在业务当中，技术提升有限，这里发现了前端的新大陆，可以帮助小伙伴们巩固基础知识，完善自己的知识体系，欢迎点赞收藏，兄弟们，赶紧干起来吧！1.JavaSc...
随机变量及其分布？
热门推荐
wchzh2015的博客
04-15 1万+
离散型随机变量及其分布 （0-1）分布 设随机变量X只可能取0和1的两个值，他的分布律是, 则称 X 服从以p为参数的（0-1）分布或者两点分布。 分布律： X 0 1 Pk 1-p p 伯努利（Bernoulli）实验、二项分布 设实验 E 只有两个可能结果：A和，则称 E 为伯努利实验。 设P(A) = p (0<p&lt...
1随机变量及其概率分布
Dillon2015的博客
05-16 1755
随机变量及其概率分布1、离散型随机变量概率分布律满足如下两条性质：（一）0-1分布 X~0-1(p)或B~(1,p)，0< p <1 X 0 1 P 1-p p （二）二项分布函数其中0 < p < 1,n>0则称X服从参数为（n,p）的二项分布，记为X~B(n,p)（三）泊松分布当n足够大，p足够小，且np保持适当大小时，参数为(n,p)的二项分布可以用泊松分布近似 （四）超
随机数学学习笔记-2-随机变量及其分布
梨花带雨的博客
11-19 622
随机变量 定义------当成未知量就行了 还有 取值依赖于基本结果意味着对应关系 概率分布 定义 及其性质 离散型: 离散型数学期望:注意是 级数绝对收敛 常见离散分布 二项分布的期望推导细节注意 泊松分布 是二项分布的极限分布 期望是lambda 超几何分布(重点) 连续型随机变量 常见连续性分布; 指数型 分布函数要求是 可积分 也就是由有限个第一类间断点 ...
概率论和数理统计 - 02 - 随机变量及其分布
山云的专栏
12-10 335
1  随机变量及其分布 就是把一个N很大的二项分布做了一个近似。 正态分布不要计算，只需要查表就可以了。   ...
如何从头学习python
12-28
从头学习Python可以通过以下步骤进行： 1. 学习基本概念和语法：首先，你需要学习Python的基本概念和语法。这包括变量、数据类型、运算符、条件语句、循环语句等。你可以通过阅读Python的官方文档、参考书籍或在线...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值