“统计”一词在当下可以说是非常的流行,但是常常偏离了统计学的本意。如果能从统计学的基础上深入理解统计,并且再应用,应该更好。而要深谈统计学,就必须先理解概率论。概率论描述的是基础的,也可以说是理想的情况。本文从概率论里面常见的分布说起,简单的做介绍。
概率分布包括了常听到的二项分布、正态分布等等。可将概率分布分成两类:离散分布(分布律)和连续分布(分布函数)。离散和连续是指随机变量的取值而说。随机变量这个概念是对于样本空间中事件的描述。是将现实映射到数字中。
一、离散分布
关于离散分布,也称分布律,是指随机变量是可数或者可列的。本文介绍的离散分布有古典分布、贝努利分布(0-1分布)、二项分布、泊松分布。
1、古典分布
古典分布,又叫等可能概型。描述一种场景:样本空间S中的样本点是有限的,并且每个样本点出现的概率是相等的。
P(A) = A中所包含的样本点数/S中所包含的样本点数
2、贝努利分布
描述一种情景:出现一种情况的可能性是p,另一种可能性是1-p。写成X~B(1,P)
贝努利分布虽然简单,我认为有两点需要重视:
A、这个例子中有一个隐含的假定就是每次碰到这个场景的时候,这个概率值是不变的。否则,这个试验是不可能重现的。
B、只有两种结果。或者其他结果可以排除。
从数学上描述贝努利分布是:
对于一个随机试验,若它的样本空间只包含两个元素,即s={e_1,e_2},就可以定义一个贝努利分布的随机变量。
浅谈概率分布
最新推荐文章于 2023-12-31 01:48:31 发布
本文深入探讨概率论中的概率分布,包括离散分布的古典分布、贝努利分布、二项分布和泊松分布,以及连续分布的均匀分布、指数分布和正态分布。解释了各种分布的特点、数学期望与方差,并强调了正态分布在统计学中的重要地位及其广泛应用。
摘要由CSDN通过智能技术生成