常用一维连续性随机变量的各种分布及其数字特征

1. 均匀分布【ξ ~ U(a, b)】

• 期望： E(ξ) = (a+b) / 2
• 方差： D(ξ) = (b-a)² / 12

2. 指数分布【ξ ~ E(λ)】

• 概率密度函数
  

• 分布函数
  

• 期望： E(ξ) = 1/λ

• 方差： D(ξ) = 1/λ²

3. 正态分布【ξ ~ N(μ, σ²)】

• 概率密度函数
  

• 期望： E(ξ) = μ

• 方差： D(ξ) = σ²

---

1. 正态分布标准化问题：随机变量减去均值除以标准差
2. 两相互独立的服从正态分布的随机变量的分布：
   X ~ N (a, b)，Y ~ N (c, d)
   X+Y ~ N (a+c, b+d)
   X- Y ~ N (a-c, b+d)

---

4. 标准正态分布【ξ ~ N(0, 1)】

• 分布函数：
  *标准正太分布的分布函数表Φ_0,1(x) =

• 期望： E(ξ) = 0

• 方差： D(ξ) = 1

ξ² 服从自由度为1的卡方分布

5. 伽玛分布【ξ ~ Ga(r, λ)】

• 密度函数：
  

ξ服从参数为r, λ的伽马分布

λ：尺度参数。

• 期望： E(ξ) = r/λ

• 方差： D(ξ) = r/λ²

---

指数分布与伽马分布的关系
令参数r = 1，则伽马分布则变成指数分布。所以说，制数分布是伽马分布的特例。

---

6. 卡方分布 【χ2 ~ χ2(n)】

伽玛函数

①密度函数

• 期望： E(ξ) = n
• 方差： D(ξ) = 2n

②定理

---

两相互独立的卡方分布相加，结果仍为卡方分布，自由度为两自由度之和。

---

7. F——分布【F ~ F(n₁, n₂)】

• 概率密度函数：
  

• 期望： E(ξ) = n / (n-2)

• 方差：

②定理

a.

8. t——分布【T ~ t(n)】

• 密度函数：
  

• 期望： E(ξ) = 0

• 方差： D(ξ) = n / (n-2)

2. 定理

a.
b.
c.

9. 贝塔分布【ξ~Be(a, b)】

• 密度函数：
• 期望： E(ξ) = a / (a+b)
• 方差 ：

②具体情况：

a. 不合格品率
b. 市场占有率
c. 射击命中率

10. 韦布尔分布

• 概率密度函数：
• 期望：
• 方差：

11. 对数正态分布

• 概率密度函数：
• 期望：
• 方差：