概率论学习之二——随机变量

本文深入探讨了概率论中的随机变量概念,包括离散随机变量的0-1分布、二项分布、泊松分布和几何分布,以及连续随机变量的均匀分布、指数分布和正态分布。此外,还讲解了概率分布函数、概率密度函数的定义和性质,并介绍了二元随机变量的联合分布、边际概率和条件概率。
摘要由CSDN通过智能技术生成

目录:
1.随机变量定义
2.离散随机变量分类
3.概率分布函数和概率密度函数
4.连续随机变量分类
5.二元随机变量

1 随机变量

随机变量是样本空间点的函数, X = F ( e ) X=F(e) X=F(e).
离散随机变量:可数或无限可列

2离散随机变量分类

2.1 0-1分布

随机变量X的取值为1和0,对应的概率为p和1-p。则称X~ 0-1§。或X~ B(1,p)。
P ( X = k ) = p k ( 1 − p ) 1 − k , k = 0 , 1 P\left ( X=k \right )=p^{k}\left ( 1-p \right )^{1-k},k=0,1 P(X=k)=pk(1p)1k,k=0,1

2.2 二项分布

重复做n次贝努利实验,X~ B(n,p)。
P ( X = k ) = C n k p k ( 1 − p ) 1 − k P\left ( X=k \right )=C_{n}^{k}p^{k}\left ( 1-p \right )^{1-k} P(X=k)=Cnkpk(1p)1k

2.3 泊松分布

P ( X = k ) = λ k e − λ k ! P\left ( X=k \right )=\frac{\lambda^{k} e^{-\lambda }}{k!} P(X=k)=k!λkeλ
则称 X ∼ π ( λ ) X \sim \pi\left ( \lambda \right ) Xπ(λ).
如果某事件以固定强度出现,则认为服从泊松分布。
当n足够大,二项分布等同于泊松分布。

2.4 几何分布

X~ Geom§
P ( X = k ) = p ( 1 − p ) k − 1 , k = 1 , 2 , . . . P\left ( X=k \right )=p\left ( 1-p \right )^{k-1},k=1,2,... P(X=k)=p(1p)k1,k=1,2,...

3概率分布函数和概率密度函数

概率分布函数定义: F ( x ) =

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