f分布的k阶矩_R_数据分布详述

离散分布的分布律

贝努里分布: binom(1, p)

• 意义: 一试验中有二个事件: 成功( 记为1) 与失败( 记为0) , 出现的概率是分别为p 和1 - p , 则一次试验( 称为贝努里试验) 成功的次数服从一个参数为p 的贝努里分布.
• 分布律(概率密度函数pcf)：

• 数字特征:

二项分布：binom(n, p)

• 意义：贝努里试验独立地重复n 次, 则试验成功的次数服从一个参数为( n , p ) 的二项分布.
• 分布律：

• 数字特征：
  ，n=1时为贝努里分布

多项分布：multinom(n, p~1~,..., p~k~)

• 意义：一个试验中有k个事件A~i~，i=1, 2, ..., k，P(A~i~)=p~i~(0 < p~i~ <1,
  ),将此事件独立的重复n次，则事件A~1~，A~2~,..., A~k~出现的次数符合一个参数为（n, p）的多项分布，其中p=（p~1~,p~2~,...,p~k~）
• 分布律：

• 数字特征：
• 特例：k=2时，为二项分布

负二项分布：nbinom(k, p)

• 意义: 贝努里试验独立地重复进行, 一直到出现k 次成功时停止试验, 则试验失败的次数服从一个参数为( k , p ) 的负二项分布.
• 分布律:

• 数字特征:
• 特例: k = 1时的分布为几何分布.

几何分布: geom(p)

• 意义: 贝努里试验独立地重复进行, 一直到出现有成功出现时停止试验, 则试验失败的次数服从一个参数为p 的几何分布.
• 分布律：

• 数字特征:

超几何分布：hyper(N, M, n)

• 意义: 从装有N个白球和M个黑球的罐子中不放回地取出k (=< N+M) 个球, 则其中的白球数服从超几何分布.
• 分布律：

• 数字特征：

泊松分布：pois(λ)

• 意义: 单位时间, 单位长度, 单位面积, 单位体积中发生某一事件的次数常可以用泊松( Poisson) 分布来刻划, 例如某段高速公路上一年内的交通事故数和某办公室一天中收到的电话数可以认为近似服从泊松分布.
• 分布律：

• 数字特征：

连续分布的密度函数

贝塔分布: Beta(a , b)

• 意义: 在贝叶斯分析中, 贝塔分布常作为二项分布参数的共轭先验分布.
• 密度函数：

• 数字特征：
• 特例: a = 1, b = 1时的分布为[0, 1]上的均匀分布.

均匀分布unif(a, b)

• 意义：区间[a , b]上随机投点对应的坐标服从]a , b]上的均匀分布.
• 密度函数：

• 数字特征：

柯西分布cauchy(a,b)

• 意义: 柯西分布( 又称为Lorentz分布) 用于描述共振行为。 以一随机的角度投向X轴的水平距离服从柯西分布。
• 密度函数：

• 数字特征：均值与方差不存在。

威布尔分布weibull(a,b)

• 意义: 最为常用的寿命分布, 用来刻划滚珠轴承、电子元器件等产品的寿命.
• 密度函数：

指数分布exp(λ)

• 意义:泊松过程的等待时间服从指数分布. 形状参数b=1的Weibull分布为指数分布
• 密度函数：

• 数字特征：

正态分布/高斯分布: norm($mu, sigma^2$)

• 意义: 高斯分布是概率论与数理统计中最重要的一个分布. 中心极限定理表明, 一个变量如果是由大量微小的、独立的随机因素的叠加结果, 那么这个变量一定是正态变量.因此许多随机变量可以用高斯分布表述或近似描述.
• 密度函数：

• 数字特征：

对数正态分布: lnorm($mu, sigma^2$)

• 意义：ln(X)服从参数为($mu, sigma^2$)的正态分布，则X服从参数为(
  )的对数正态分布。
• 密度函数：

• 数字特征：

伽玛分布: gamma(a,b)

• 意义: k 个相互独立的参数为1/b 的指数分布的和服从参数为(k , b)的珈玛分布.
  伽玛分布中的参数a，称为形状参数，b称为尺度参数。
  假设
  为连续发生事件的等候时间，且这n次等候时间为独立的，那么这n次等候时间之和
  服从伽玛分布，即
  ，其中
  。这里的
  是连续发生事件的平均发生频率。指数分布是伽玛分布
  的特殊情况。
• 密度函数：

• 数字特征：
• 特例: a = 1时的分布为指数分布; a =
  , b = 2时的分布为卡方分布.

卡方分布: chisq(n)

• 意义: n 个独立正态随机变量的平方和服从自由度为n 的卡方分布.
• 密度函数：

• 数字特征：

t分布：t(n)

• 意义：随机变量X与Y相互独立，X服从标准正态分布，Y服从自由度为n的卡方分布，则
  服从自由度为n的t分布
• 密度函数：

• 数字特征：

F分布：F(n, m)

• 意义：随机变量X与Y相互独立，X服从自由度为n的标准卡方分布，Y服从自由度为m的卡方分布，则$T=frac{X/n}{Y/m}$服从自由度为（n,m）的卡方分布
• 密度函数：

• 数字特征：

logistic分布: logis(a,b)

• 意义：生态学中的增长模型常用logistic分布来刻划, 它也常用于logistic回归中.
• 密度函数：

• 数字特征：