常见分布的分布列/概率密度、分布函数、期望、方差、特征函数

已于 2023-12-29 11:25:02 修改
阅读量1.4k 收藏 12
点赞数 8
文章标签： 学习 概率论
于 2023-12-21 21:03:53 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45825077/article/details/135140331
版权

常见离散型和连续型分布的分布列/概率密度、分布函数、期望、方差、特征函数
0-1分布的分布列、期望、方差、特征函数
二项分布的分布列、期望、方差、特征函数
泊松分布的分布列、期望、方差、特征函数
几何分布的分布列、期望、方差、特征函数
均匀分布的概率密度、分布函数、期望、方差、特征函数
正态分布的概率密度、分布函数、期望、方差、特征函数
指数分布的概率密度、分布函数、期望、方差、特征函数
伽马分布的概率密度、期望、方差、特征函数
卡方分布的概率密度、期望、方差、特征函数
柯西分布的概率密度、期望、方差、特征函数

请添加图片描述

还在摸鱼嘛
关注
  • 8
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
分布律的期望和方差_概率ch4_2 方差
weixin_42360703的博客
12-11 3799
一、第4章知识结构二、第4章第2节主要内容及考研要求1.方差、标准差的定义公式(理解)2.离散型和连续型随机变量方差的计算公式(理解)3.方差的等价计算公式(掌握、重点)4.常用分布的方差(掌握、重点)5. 方差的性质(掌握点)6.独立正态变量线性组合的数学期望和方差(掌握、重点)7. 切比雪夫不等式(了解)三、第4章考研必做习题第4章习题：4、6、7、8、9、10、13、1...
Distributions.jl：用于概率分布和相关函数的Julia包
02-03
- **概率质量函数（PMF）/概率密度函数（PDF）**：可以计算给定值的概率。 - **累积分布函数（CDF）**：返回小于或等于给定值的事件发生的概率。 - **生存函数（SF）**：与CDF相反，表示大于给定值的事件发生的...
常用的概率分布类型及其特征
01-06
常用的概率分布类型及其特征 3．1 二点分布和均匀分布 1、 两点分布 许多随机事件只有两个结果。如抽检产品的结果合格或不合格；产品或者可靠的工作，或者失效。描述这类随机事件变量只有两个取值，一般取0和1。它服从的分布称两点分布。 其概率分布为： 其中 Pk=P（X=Xk），表示X取Xk值的概率： 0≤P≤1。 X的期望 E（X）=P X的方差 D（X）=P（1—P） 2、 均匀分布 如果连续随机变量X的概率密度函数f（x）在有限的区间[a，b]上等于一个常数，则X服从的分布为均匀分布。 其概率分布为： X的期望 E（X）=（a+b）/2 X的方差 D（X）=（b-a）2/12 3．2 抽样检验中应用的分布 3．2．1 超几何分布 假设有一批产品，总数为N，其中不合格数为d，从这批产品中随机地抽出n件作为被检样品，样品中的不合格数X服从的分布称超几何分布。 X的分布概率为： X=0，1，…… X的期望 E（X）=nd/N X的方差 D（X）=（（nd/N）（（N-d）/N）（（N-n）/N））（1/2） 3．2．2 二项分布 超几何分布的概率公式可以写成阶乘的形式，共有9个阶乘，因而计算起来十分繁琐。二项分布就可以看成是超几何分布的一个简化。 假设有一批产品，不合格品率为P，从这批产品中随机地抽出n件作为被检样品，其中不合格品数X服从的分布为二项分布。 X的概率分布为： 0<p<1 x=0，1，……，n X的期望 E（X）=np X的方差 D（X）=np（1-p） 3．2．3 泊松分布 泊松分布比二项分布更重要。我们从产品受冲击（指瞬时高电压、高环境应力、高负载应力等）而失效的事实引入泊松分布。假设产品只有经过一定的冲击次数后，产品才失效，又设这些冲击满足三个条件： （1）、两个不相重叠的时间间隔内产品所受冲击次数相互独立； （2）、在充分小的时间间隔内发生两次或更多次冲击的机会可忽略不计； （3）、在单位时间内发生冲击的平均次数λ（λ＞0）不随时间变化，即在时间间隔Δt 内平均发生λΔt 次冲击，它和 Δt 的起点无关。 则在[0，t]时间内发生冲击的次数X服从泊松分布，其分布概率为： X的期望 E（X）=λt X的方差 D（X）=λt 假设仪表受到n次冲击即发生故障，则仪表在[0，t]时间内的可靠度为： 其中：x =0，1，2，……，λ＞0，t＞0。 3．2．4 x2分布 本分布是可靠性工程中最常用的分布之一，虽然其概率密度形式较复杂，但可由标准正态分布推出。 设有v个相互独立的随机变量X1，X2，…… Xv，它们服从于标准正态分布N（0，1）。记x2 =X12 + X22 +…Xv2 ，x2读作“卡方”则x2服从的分布称为x2分布。它的概率密度函数为： 该式称为随机变量x2服从自由度为V的x分布。 式中：V—为自由度，是个自然数 x2分布最重要的性质是： 当m为整数时： 3．3 产品的寿命分布 3．3．1 指数分布 指数分布是电子产品在可靠性工程学中最重要的分布。通常情况下，电子产品在剔除了早期故障后，到发生元器件或材料的老化变质之前的随机失效阶段其寿命服从指数分布规律。 指数分布是唯一的失效率不随时间变化而变化的连续随机变量的概率分布。容易推出： 指数分布有如下三个特点： 1． 平均寿命和失效率互为倒数； MTBF=1/λ 2． 特征寿命就是平均寿命； 3． 指数分布具有无记忆性。（即产品以前的工作时间对以后的可能工作时间没有影响） 3．3．2 威布尔分布 从上面的描述可知，指数分布只适用于浴盆曲线的底部，但任何产品都有早期故障，也总有耗损失效期。在可靠性工程学中用威布尔分布来描述产品在整个寿命期的分布情况。 将指数分布中的（-λt）替换为（-（t/η）m），就得到威布尔分布。容易得到： 3．3．3 正态分布与对数正态分布 正态分布又称为常态分布或高斯分布。它的概率密度函数为： 式中：-∞＜x＜∞ 分布函数记为： 对数正态分布是指：若寿命T的对数lnT服从正态分布N（u，σ），则T服从对数正态分布。它的概率密度函数为： 式中：t，σ为正数，μ和σ分别称为对数正态分布的“对数均值”和“对数标准差”。 3．4 为进行统计推断所构造的分布 3．4．1 t分布（学生氏分布） t—分布常用于区间估计、正态总体的假设检验以及机械概率设计之中。服从t—分布的随机变量记住t。它是服从标准正态分布N（0，1）的随机变量U和服从自由度为v的x2分布的随机变量x2（v）的函数。 它的概率密度函数f（t）为： 3．4．2 F—分布 F分布主要用于两个总体的假设检验与方差分析。服从F分布的随机变量F是两个相互独立的x2分布随机变量x2（v1）和x2（v2）的函数： 式中：F只能取正值。F分布的概率密度函数为： 另外还有β—分布等。 中位秩是β—分布的中位数，一般用下式求出： 中位秩值≈（i-0.3）/(n+0.4) 式中：n为样本总数。
概率论与数理统计中常见的随机变量分布律、数学期望、方差及其介绍
吴名氏的博客
11-24 5万+
概率论与数理统计中常见的随机变量分布律、数学期望、方差及其介绍
常见的概率分布及其相应的概率密度函数、分布函数、期望和方差
chen的博客
01-11 1298
以下是一些常见的概率分布及其相应的概率密度函数、分布函数、期望和方差：PXkCnk⋅pk⋅1−pn−kFk∑i0k​Cni⋅pi⋅1−pn−iEXnpVarXnp1−p)PXkk!e−λ⋅λk​Fk∑i0k​i!e−λ⋅λi​EXλVarXλPXk1−pk−1⋅pFk1−1−pkEXp1​VarXp21。
分布律的期望和方差_随机变量及其分布
weixin_30582289的博客
12-25 2126
1 随机变量与概率分布随机变量和概率分布包括离散型随机变量和连续型随机变量。常用的离散型随机变量分布包括：0-1分布、二项分布、泊松分布和二项式分布等。常用的连续型随机变量分布包括：正态分布、卡方分布、 分布和 分布等。 2 离散型随机变量分布离散型随机变量 的一切可能取值 ，及其对应的概率记作则为离散型随机变量 的概率分布或分布。显然，离散型随机变量的概念分布具有 和 两个基本性质。2...
常见分布 的 数学期望以及方差公式
热门推荐
二喵君的博客
04-05 26万+
一、通用公式【数学期望】 1》求解数学期望 2》数学期望的性质 二、常用分布的期望与方差 1》精简版： 2》叨叨版：
常见的随机变量分布律/概率密度、期望、方差以及特征函数
西岸贤
12-24 9012
在概率统计中，我们经常碰到0-1分布、二项分布、泊松分布、几何分布、均匀分布、正态分布和指数分布等分布，记住它们的分布律/概率密度、期望、方差以及特征函数等往往能够帮我们快速的解决问题。
常用概率分布的矩母函数、特征函数以及期望、方差的推导
STcyclone的博客
11-20 11万+
常用概率分布的矩母函数与特征函数的推导 一、离散型随机变量的分布 1、离散型均匀分布 二、连续型随机变量的分布
Poisson分布的特征函数及期望与方差 - 随机过程
hnjzsyjyj的专栏
01-07 7379
【Poisson分布的特征函数及期望与方差】
18 matlab数理统计常见分布的概率密度函数和期望及方差.zip
06-21
这个压缩包“18 matlab数理统计常见分布的概率密度函数和期望及方差.zip”很可能包含了一系列有关常见概率分布的MATLAB代码示例，以及如何计算这些分布的期望值和方差的方法。下面我们将深入探讨这些关键概念。 ...
midu_二项分布_正态分布_分布函数_
10-03
分布函数在概率论中起着至关重要的作用，它是概率密度函数的积分，给出的是随机变量小于或等于某个特定值的概率。对于离散随机变量，分布函数是概率质量函数的累加；对于连续随机变量，它是概率密度函数在指定区间下...
概率论与数理统计：4_2方差及常见分布的期望方差.ppt
09-17
"概率论与数理统计：4_2方差及常见分布的期望方差" 概率论与数理统计是数学-statistical 学科的基础，探讨随机事件的可能性和规律性。方差是一种重要的数学特征，反应了随机变量的离散程度和稳定性。本节将详细介绍...
16种常见概率分布概率密度函数、意义及其应用.doc
10-02
以下是对给定文件中提到的16种常见概率分布的概率密度函数、意义及其应用的详细阐述： 1. **均匀分布** (Uniform Distribution) - 描述：均匀分布是一种连续分布，其中所有值出现的概率相同，具有一个固定的范围(a...
概率密度函数、概率分布函数、常见概率分布
Anne033的博客
10-27 3万+
概率密度函数 概率密度函数是概率论中的核心概念之一，用于描述连续型随机变量所服从的概率分布。 从随机事件说起 回忆我们在学习概率论时的经历，随机事件是第一个核心的概念，它定义为可能发生也可能不发生的事件，因此是否发生具有随机性。例如，抛一枚硬币，可能正面朝上，也可能反面朝上，正面朝上或者反面朝上都是随机事件。掷骰子，1到6这6种点数都可能朝上，每种点数朝上，都是随机事件。 整数集与实数集 高中时我们学过集合的概念，并且知道整数集是z，实数集是R。对于有限集，可以统计集合中元素的数量即集合的基数（card
css样式学习样例之边框
最新发布
abments的博客
07-07 831
css样式学习样例之边框
JMH320【亲测】【御剑九歌】唯美仙侠手游御剑九歌+WIN学习手工端+视频教程+开服清档+运营后台+授权GM物品充值后台
m0_71430218的博客
07-05 393
JMH320【亲测】【御剑九歌】唯美仙侠手游御剑九歌+WIN学习手工端+视频教程+开服清档+运营后台+授权GM物品充值后台
学习小记-Netty
weixin_42029860的博客
07-06 223
Netty是由JBOSS个java开源框架，Netty提供异步的、事件驱动的网络应用程序框架，用以快速开发高性能、高可靠性的网络服务器和客户端程序。
gembel极值分布的密度函数和分布函数及其期望方差的推导
05-20
Gumbel分布是极值分布之一，通常用于描述最大值或最小值的分布情况。假设$X$是一个连续型随机变量，其概率密度函数为： $$f(x)=\frac{1}{\beta}e^{-(x-\mu)/\beta}e^{-e^{-(x-\mu)/\beta}}$$ 其中，$\mu$为位置参数，$\beta$为尺度参数。 该分布的分布函数为： $$F(x)=e^{-e^{-(x-\mu)/\beta}}$$ 期望和方差分别为： $$E(X)=\mu+\gamma\beta,$$ $$Var(X)=\frac{\pi^2}{6}\beta^2,$$ 其中，$\gamma$为欧拉常数，$\gamma\approx0.5772$。 推导过程如下： 首先，我们需要求出该分布的分布函数。对于任意一个实数$x$，有： $$F(x)=P(X\leq x)=\int_{-\infty}^x f(t)dt$$ 将概率密度函数代入得： $$F(x)=\int_{-\infty}^x \frac{1}{\beta}e^{-(t-\mu)/\beta}e^{-e^{-(t-\mu)/\beta}}dt$$ 令$y=e^{-(t-\mu)/\beta}$，则$t=\mu-\beta\ln y$，$dt=-\frac{\beta}{y}dy$，代入得： $$F(x)=\int_0^{e^{-(x-\mu)/\beta}}\frac{1}{\beta}e^{-\ln y}dy=\int_0^{e^{-(x-\mu)/\beta}}y^{-1}dy=\left.-\ln y\right|_0^{e^{-(x-\mu)/\beta}}=e^{-e^{-(x-\mu)/\beta}}$$ 因此，该分布的分布函数为$F(x)=e^{-e^{-(x-\mu)/\beta}}$。 接下来，我们求期望和方差。首先，计算期望： $$E(X)=\int_{-\infty}^\infty x f(x)dx=\int_{-\infty}^\infty x\frac{1}{\beta}e^{-(x-\mu)/\beta}e^{-e^{-(x-\mu)/\beta}}dx$$ 令$y=e^{-(x-\mu)/\beta}$，则$x=\mu-\beta\ln y$，$dx=-\frac{\beta}{y}dy$，代入得： $$E(X)=\int_0^\infty (\mu-\beta\ln y)\frac{1}{\beta}e^{-\ln y}dy=\mu-\int_0^\infty y^{-1}\ln y dy$$ 对于$\int_0^\infty y^{-1}\ln y dy$，我们可以采用分部积分法。设$u=\ln y$，$dv=y^{-1}dy$，则$du=y^{-1}dy$，$v=\ln y$，代入得： $$\int_0^\infty y^{-1}\ln y dy=\left.y\ln y\right|_0^\infty-\int_0^\infty 1dy=0+1=1$$ 因此，$E(X)=\mu-\gamma\beta$。 接下来，计算方差： $$Var(X)=E(X^2)-[E(X)]^2=\int_{-\infty}^\infty x^2 f(x)dx-(\mu-\gamma\beta)^2$$ 将概率密度函数代入得： $$Var(X)=\int_{-\infty}^\infty x^2\frac{1}{\beta}e^{-(x-\mu)/\beta}e^{-e^{-(x-\mu)/\beta}}dx-(\mu-\gamma\beta)^2$$ 令$y=e^{-(x-\mu)/\beta}$，则$x=\mu-\beta\ln y$，$dx=-\frac{\beta}{y}dy$，代入得： $$Var(X)=\int_0^\infty (\mu-\beta\ln y)^2\frac{1}{\beta}e^{-\ln y}dy-(\mu-\gamma\beta)^2$$ 展开得： $$Var(X)=\int_0^\infty \frac{\mu^2}{\beta}y^{-1}e^{-\ln y}dy-2\mu\int_0^\infty y^{-1}\ln y e^{-\ln y}dy+\beta^2\int_0^\infty y^{-1}(\ln y)^2 e^{-\ln y}dy-(\mu-\gamma\beta)^2$$ 对于$\int_0^\infty y^{-1}(\ln y)^2 e^{-\ln y}dy$，我们可以采用分部积分法。设$u=(\ln y)^2$，$dv=y^{-1}e^{-\ln y}dy$，则$du=2\ln y\frac{1}{y}dy$，$v=-e^{-\ln y}=-y^{-1}$，代入得： $$\int_0^\infty y^{-1}(\ln y)^2 e^{-\ln y}dy=\left.-(\ln y)^2y^{-1}e^{-\ln y}\right|_0^\infty+2\int_0^\infty y^{-2}e^{-\ln y}dy=2\int_0^\infty e^{-x}dx=2$$ 因此，$Var(X)=\frac{\pi^2}{6}\beta^2$。 综上所述，Gumbel分布的密度函数为$f(x)=\frac{1}{\beta}e^{-(x-\mu)/\beta}e^{-e^{-(x-\mu)/\beta}}$，分布函数为$F(x)=e^{-e^{-(x-\mu)/\beta}}$，期望为$E(X)=\mu-\gamma\beta$，方差为$Var(X)=\frac{\pi^2}{6}\beta^2$。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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