泊松分布的期望和方差_常用连续型概率分布

本节目录

• 均匀分布
• 柯西分布
• 分布
• *其他分布补充

把指数分布和

分布合并到

分布的内容中去了.

正态分布已经详细整理过了, 见 正态分布 .

均匀分布

1. 定义

均匀分布应该是最简单的连续型概率分布了.

考虑一个闭区间

, 由密度函数

定义的随机变量

就称作服从

均匀分布

.

自然推广到多维的情况, 考虑一个

中有限测度的单连通闭区域

且

, 由联合密度函数

确定的分布称为

上的均匀分布, 记为

.

以下设

2. 基本性质

性质一 对任意随机变量

及其分布函数

, 有

作为推论, 一个左连续的单调递增函数

若满足

,

则

必然是某个随机变量的分布函数. 见课本pp165.

能否推广到随机向量的情况呢?

3. 数字特征

期望

方差

特征函数

柯西分布

1. 定义

密度函数

确定的连续型概率分布称为柯西分布

. 这里参数

.

相应的, 分布函数为

称为

标准柯西分布, 可以通过变换

将一个服从

的随机变量

变为一个服从标准柯西分布的随机变量.

柯西分布有一种推广称为多元

分布

^[1].

2. 基本性质

性质一 若

, 则

性质二 若

,

, 且

和

相互独立, 则

即柯西分布对两个参数都满足再生性.

性质三 若

, 则

3. 数字特征

期望 不存在, 或者(形式上)

一阶原点矩不存在, 更高阶的原点矩自然也不存在.

方差 不存在.

特征函数

分布

1. 定义

分布得名于

函数

这里定义域为

.

函数的基本性质回顾:

(1). 对正整数

有

(5)(递推关系).

(3)(余元公式).

*(4).

由密度函数

确定的概率分布称为

分布

. 这里参数

.

有时称为

尺度参数.

伯努利过程和泊松过程的联系: 课本pp141是值得注意的.

2. 值得注意的特例

① 当

时对应的分布称为参数为

的

指数分布, 记为

.

此时密度函数为

就是

.

② 当

为正整数时对应的分布称为

埃尔朗(Erlang)分布.

埃尔朗分布和指数分布与泊松过程密切相关.

③ 当

(

是正整数),

时对应的分布称为自由度为

的

分布

, 记为

.

3. 基本性质

性质一 若

, 常数

, 则

性质二 若

,

且

和

相互独立, 则

即

分布关于参数

具有再生性.

作为推论, 指数分布、埃尔朗分布和

分布都具有再生性.

性质三 指数分布具有无记忆性. 若

, 则

反过来满足上述性质的连续型分布是指数分布.

见课本pp138.

4. 数字特征

设

期望

方差

特征函数

*其他分布补充

摘取自课本pp390-391

参考

1. ^https://encyclopedia.thefreedictionary.com/Multivariate+Student+distribution