概率论与数理统计——分布律

1 随机变量分布-0-1分布(抛硬币,正面概率?)

X01
pk1-pp

2 随机变量分布-二项分布(伯努利实验:n次抛硬币,k次正面的概率? B(n,p) )

P(x=k)=\binom{n}{k} p^{k}(1-p)^{n-k}

3 随机变量分布-泊松分布(在一个时间间隔内的计数值,一页纸中印刷错误数、一天急诊人数......)

\pi (\lambda )

x取值为0、1、2、...概率如下:

\lim_{n \to \infty}\binom{n}{k} p^{k}(1-p)^{n-k}=\frac{\lambda ^{k}e ^{-\lambda}}{k!},\lambda=np

泊松定理(泊松分布逼近二项分布)

P(X=k)=\frac{\lambda ^{k}e ^{-\lambda}}{k!}

4 连续随机变量-均匀分布 U(a,b)随机变量X在(a,b)之间均匀分布

5 连续随机变量-指数分布  某元件的寿命,无记忆性  元件已用s小时,再用t小时,与元件寿命t小时概率一样

f(x)=\frac{1}{\theta }e^{\frac{-x}{\theta }},x>0

6   连续随机变量-正态分布 N(\mu ,\sigma ^{2})

中心极限大法,万物均可以正态化

z_{\alpha },正态分布a分位点

P(X>z_{\alpha })=\alpha

7 抽样分布—\chi ^{2}

X1,X2...Xn~N(0,1) 

\chi ^{2}=x_{1}^{2}+x_{2}^{2}+...+x_{n}^{2} ~\chi ^{n}

 \chi ^{2}(n) n:自由度

\frac{(n-1)s^{2}}{\sigma ^{2}}:\chi ^{2}   在不知道总体均值的情况下,来假设总体的方差 

8  抽样分布—t

t=\frac{X}{\sqrt{Y/n}},X:N(0,1) Y:\chi ^{2}(n) t:t(n)  在不知道总体方差的情况下,来假设总体的均值 

9 抽样分布—F

F=\frac{U/n1}{v/n3},U:\lambda ^{2}(n1),V:\lambda ^{2}(n2)  在不知道两个总体的均值,但知道其中某个方差的情况下,假设另一方差(F检验)

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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