概率论中的常用分布

最新推荐文章于 2021-11-06 14:51:07 发布

FISH HAWK

最新推荐文章于 2021-11-06 14:51:07 发布

阅读量739

点赞数

文章标签：概率论

本文链接：https://blog.csdn.net/wukong3841/article/details/115534049

版权

这篇博客总结了概率论中离散和连续分布的关键概念，包括二项分布、几何分布、负二项分布、泊松分布和超几何分布等离散分布，以及均匀分布和正态分布等连续分布。每个分布都给出了概率质量函数或概率密度函数，并提供了期望和方差的公式。此外，还特别提到了指数分布的特性。

摘要由CSDN通过智能技术生成

概率论中的常用分布(用于考试前记忆)

离散情形

二项分布

描述：假设进行 $n$ 次试验，每次试验成功的概率是 $p$ ，失败的概率是 $1 - p$ .令随机变量 $X$ 为成功的次数，则 $X$ 服从二项分布. $\mathbb{P}(X=k)=\binom{n}{k}p^k(1-p)^{n-k}$ 且有 $\mathbb{E}(X)=np; Var(X)=np(1-p).$

几何分布

描述：假设进行 $n$ 次试验，每次试验成功的概率是 $p$ ，失败的概率是 $1 - p$ .令 $X$ 表示直到第一次成功所需的试验次数，则 $X$ 服从几何分布. $\mathbb{P}(X=k)=p(1-p)^k$ 且有 $\mathbb{E}(X)=\frac{1}{p}; Var(X)=\frac{1-p}{p^2}.$

负二项分布

描述：假设进行 $n$ 次试验，每次试验成功的概率是 $p$ ，失败的概率是 $1 - p$ .令 $X$ 表示直到成功 $r$ 次所需的试验次数，则 $X$ 服从负二项分布. $\mathbb{P}(X=k)=\binom{k-1}{r-1}p^r(1-p)^{k-r}$ 且有 $\mathbb{E}(X)=\frac{r}{p}; Var(X)=\frac{r(1-p)}{p^2}.$

泊松分布

描述：用于近似二项分布. $\mathbb{P}(X=k)=\frac{\lambda^ke^{-\lambda}}{k!}$ 且有 $\mathbb{E}(X)=Var(X)=\lambda.$

超几何分布

描述：假设盒子中有 $n$ 个球， $r$ 个黑球， $n - r$ 个白球，从盒子中取出 $m$ 个球.令 $X$ 表示抽到的黑球数，则 $X$ 服从超几何分布. $\mathbb{P}(X=k)=\frac{\binom{r}{k}\binom{n-r}{m-k}}{\binom{n}{m}}$ 且有 $\mathbb{E}(X)=m\frac{r}{n}(类似于二项分布的期望)$

连续情形

均匀分布

略

正态分布
pdf
$f(x)=\frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{1}{2\sigma^2}(x-\mu)^2}$
指数分布
pdf
$f(x)=e^{-\lambda x}$ 且有 $\mathbb{E}(X)=\frac{1}{\lambda},Var(X)=\frac{1}{\lambda^2}$
$\Gamma$ 分布、 $\beta$ 分布、 $\chi^2$ 分布一般不要求记忆，从略.