![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
概率论
格里芬阀门工
这个作者很懒,什么都没留下…
展开
-
概率密度函数特点
1.永远大于等于02.从负无穷大积分到正无穷大,值为1原创 2020-07-19 10:49:54 · 1286 阅读 · 0 评论 -
矩估计
由大数定理可知即统计量的平均值等于μ,本质是用样本k阶原点矩去估计总体k阶原点矩矩估计就是已知统计结果或取样结果,通过上面式子估算μ和σ^2等例:已知概率分布为取样结果为两个0,五个1,三个2,求a方法就是μ=取样结果的平均值,0*a^2+1*2a(1-a)+2*(1-a)^2=11/10,解得a=9/20,则a的矩估计值为9/20当然,有时一阶矩估计得不到结果,可以用更高阶的矩估计例如X -1 0 1 P原创 2020-06-24 11:42:05 · 17719 阅读 · 0 评论 -
考研上考场前必看知识点!!!
高数线性代数概率论常见的离散型随机变量和连续型随机变量正态分布相关结论大数定理原创 2020-06-24 08:41:03 · 509 阅读 · 0 评论 -
分布函数特点
1.单调不减2.x->-,F(x)=03.x->+,F(x)=1所以,如果F(x)是分布函数,那么F(|x|)就不是分布函数,因为x趋近于负无穷大时,F=1,而F(x^3)可以是分布函数,因为符合上面的三点原创 2020-06-21 10:02:26 · 2266 阅读 · 0 评论 -
常用的统计抽样分布和正态总体的抽样分布
1.分布设X1,X2...Xn相互独立且均服从标准正态分布,则称随机变量Y=服从自由度为n的分布,记作Y~性质:a分位点的含义:设的密度函数为f(x),若有,则称t为分布上的a分位点E(Y)=n,D(Y)=2n设自由度为n1,自由度为n2,两者独立,则依然服从分布,自由度为n1+n22.t分布设X~N(0,1),Y~(n),则称随机变量为服从自由度为n的t分布,记为T~t(n)性质:a分位点定义与分布类似因为t分布的密度函数为偶函数,所以a分位点和1-a分原创 2020-05-26 17:50:24 · 3499 阅读 · 0 评论 -
样本数字特征
设X1,X2..Xn是来自总体X的样本,则称(1)样本均值:=原创 2020-05-26 16:40:49 · 1466 阅读 · 0 评论 -
大数定律和中心极限定理
切比雪夫不等式设随机变量X的数学期望与方差存在,则对任意的a>0,总有P{|X-E(X)|>=a}<=依概率收敛设X1,X2...Xn是一个随机变量序列,A为一个常数。如果对任意a>0,都有则称随机变量序列依概率收敛于常数A,记作切比雪夫大数定律设X1,X2...Xn为两两不相关的随机变量序列,存在常数C,使得D(Xi)<=C,则对任意a>0,总有伯努利大数定律设随机变量Xn~B(n,p),则对任意a>0辛钦大数定原创 2020-05-25 18:11:42 · 248 阅读 · 0 评论 -
协方差与相关系数
协方差:Cov(X,Y)=E{}相关系数:公式:Cov=E(XY)-E(X)E(Y)D(XY)=D(X)+D(Y)2Cov(X,Y)Cov(aX,bY)=ab*Cov(X,Y)Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y)原创 2020-05-24 15:26:13 · 22398 阅读 · 0 评论 -
矩
E(X^k)称为X的k阶原点矩E{[X-E(X)]^k}称为X的k阶中心矩E()称为X和Y的k+l阶混合矩E{}称为X和Y的k+l阶混合中心矩原创 2020-05-24 15:09:43 · 190 阅读 · 0 评论 -
数学期望与方差
E(X)=D(X)=E(X^2)-E(X)^2原创 2020-05-24 10:33:06 · 9852 阅读 · 4 评论 -
独立与不相关
正态分布时独立一定不相关,不相关一定独立。一般情况下,独立一定不相关,不相关不一定独立。独立和不相关从字面上看都有“两个东西没关系”的意思.但两者是有区别的.相关性描述的是两个变量是否有线性关系,独立性描述的是两个变量是否有关系。不相关表示两个变量没有线性关系,但还可以有其他关系,也就是不一定相互独立。而相互独立,就是完全互不影响,A的结果对B没有影响或干扰此外E(XY)=E(X)E(Y)的充要条件就是X和Y不相关...原创 2020-05-24 10:13:11 · 7561 阅读 · 0 评论 -
正态分布相关结论
1.若其中每个X都是服从正态分布的随机变量,两两之间相互独立,那么2.假设随机变量X,Y服从正态分布但并不独立,则Z=X+Y~N(μ1,μ2,(σ1)^2,(σ2)^2,ρ)其中ρ为XY的相关系数。μ1和(σ1)^2分别为X1边缘分布的数学期望和方差Z的概率密度为3.若已知X服从参数为μ和σ^2的正态分布,则Z=(X-μ)/σ服从标准正态分布C为任意常数...原创 2020-05-22 09:36:51 · 6158 阅读 · 0 评论 -
随机变量的独立性
随机变量相互独立的充要条件是任何一点的概率密度函数等于两个变量在那一点的概率密度之积,即:对于离散型随机变量P{X=,Y=}=P{X=}P{Y=}对于连续型随机变量f(x,y)=原创 2020-05-22 09:14:10 · 1278 阅读 · 0 评论 -
常见的连续型随机变量分布
均匀分布:在取值范围(a,b)内取得任意一点的概率相等记为X~U(a,b)数学期望E(X)为(a+b)/2,方差为(b-a)^2/12指数分布:若随机变量X的概率密度为则称X服从参数为λ的指数分布,记为X~e(λ)因此得到分布函数为个别教科书中,参数为θ=1/λ,在概率密度函数和分布函数中做同样的替换即可当参数为λ时,数学期望E(X)为1/λ,方差D(X)为1/λ^2正态分布(最最最最最重要!):概率密度函数为原创 2020-05-21 15:06:38 · 6839 阅读 · 0 评论 -
常见的离散型随机变量分布
0-1分布:结果只能取0和1,只进行一次实验。假设取1的概率为p,则数学期望E(X)为p,方差D(X)为p(1-p)伯努利分布、二项分布:结果只能取A和A反,进行多次实验,每次实验中,取0和取1的概率一致,X表示事件A发生的次数假设实验重复了n次,每一次事件A发生的概率为p,则称随机变量X服从参数n,p的二项分布,记为X~B(n,p)方差E(X)为np,数学期望D(X)为np(1-p)泊松分布:如果X的概率分布为取值范围为x&g..原创 2020-05-21 15:00:43 · 4860 阅读 · 0 评论 -
m取n的可能个数
原创 2020-05-21 10:59:22 · 122 阅读 · 0 评论 -
概率计算常用公式
A发生的条件下,B发生的概率:P(A+B)=P(A)+P(B)-P(AB)P(A-B)=p(A)-P(AB)原创 2020-05-21 10:11:24 · 7687 阅读 · 0 评论