概率论与数理统计笔记 第二章 随机变量及其概率分布
来源:互联网 发布:linux下mysql安装 编辑:程序博客网 时间:2024/04/29 21:11
概率论与数理统计笔记 第二章 随机变量及其概率分布
概率论与数理统计笔记(计算机专业) 作者: CATPUB 新浪微博:@catpub
课程:中国大学MOOC浙江大学概率论与数理统计
部分平台可能无法显示公式,若公式显示不正常可以前往CSDN或作业部落进行查看
第9讲 随机变量
定义
- 随机变量
X(e) ,X 是S→R 的函数,e 是样本点 - 自变量
e⊂S - 随机事件
A={e|X(e)=I}={X=I} - 如多次投掷骰子,随机事件 {6点在第3次出现} 可以记作
X=3 ,X 是随机变量
- 随机变量
随机变量
- 离散型随机变量,值的集合的基数小于等于阿列夫零(离散数学概念)
- 连续型随机变量
分布律
-
X x1 x2 ... xk ... P p1 p2 ... pk ... P(X=xk)=pk (k=1,2,...)
-
几何分布 Geometric Distribution
多次投掷骰子,
6 点第一次出现时投掷的次数-
X 1 2 3 ... k ... P 16 56⋅16 (56)2⋅16 ... (56)k−1⋅16 ...
第10讲 离散型随机变量
0-1 分布(两点分布)P(X=k)=pk(1−p)n−k -
X 0 1 P 1−p 1−p
若X服从两点分布,则单次试验称为伯努利(Bernoulli)试验
0
记为
X∼0-1(p) 也记为
X∼B(1,p) ,B 是Binomial的意思,两点分布可以看作Binomial分布的特例∼ 读作服从于
二项分布 Binomial Distribution
P(X=k)=Ckn⋅Pk⋅(1−p)n−k n 重Bernoulli实验,事件发生次数k 的统计规律- 记为
X∼B(n,p)
泊松分布 Poisson Distribution
P(X=k)=λke−λk! (k=0,1,2,...) - 记为
X∼π(λ) 或x∼P(λ)
Poisson Distribution与Binomial Distribution的关系
- 当
n 很大p 很小的时候 CknPk(1−p)n−k=λke−λk! λ=np
- 当
几何分布 Geometric Distribution
P(X=k)=p(1−p)k−1 - 记为
X∼Geom(p) - 实例:研究段誉多少次施展武功能成功的统计规律
第11讲 分布函数
- 定义
FX(x)=P(X≤x)
- 离散型的随机变量分布函数为阶梯函数
- 性质
P(a<X≤b)=F(b)−F(a) P(a<X<b)=F(b−0)−F(a) P(X=b)=F(b)−F(b−0) F(x) 单调不减F(−∞)=0,F(+∞)=1 F(x) 右连续
第12讲 连续性随机变量及其概率密度
- 定义
F(x)=∫x−∞f(t)dt F(x) 为连续型随机变量的分布函数f(t) 为连续型随机变量的概率密度函数- 若一个随机变量有概率密度函数则其一定为随机变量
- 性质
f(x)≤0 F(+∞)=1 P(x1<X<x2)=∫x2x1f(t)dt F′(x)=f(x) - 可以大于1
f(x) - 概率密度对
>,≥,<,≤ 不敏感,即对端点取值不敏感
第13讲 均匀分布和指数分布
- 均匀分布 Uniform Distribution
f(x)=1b−a a≤x<b F(x)=x−ab−a a≤x<b - 记为
X∼U(a,b) 或X∼Unif(a,b)
- 指数分布 Exponential Distribution
f(x)=λe−λx x>0 F(x)=1−e−λx x>0 - 记为
X∼E(λ) 或X∼Emp(λ) - 指数分布具有无记忆性(Memoryless Property)且在连续性随机变量的分布中,只有指数分布具有无记忆性
- 实例:设旅客等待时间服从指数分布,则已知旅客已经等了20分钟,求旅客再等5分钟的概率,和旅客从头开始等5分钟的概率相同
- 即
P(X>25|X>20)=P(X>5) - 指数分布常用来表示独立随机事件发生的时间间隔,如中文维基百科新条目出现的时间间隔
- 在排队论中,一个顾客接受服务的时间长短也可以用指数分布来近似
第14讲 正态分布
- 正态分布 Normal Distribution
f(x)=12π−−√σe−(x−μ)22σ2 - 记为
X∼N(μ,σ2)
- 性质
- 关于
x=μ 对称 fmax=f(μ)=12π−−√σ limf(x)=0
- 关于
- 参数的性质
- 改变
μ ,f(x) 只沿x 轴评议 σ 越大,f(x) 越矮胖,σ 称为尺度参数
- 改变
- 实例:身高,体重,测量误差,多个随机变量的和
- 标准正态分布
Z∼N(0,1) ϕ(z)=12π−−√e−z22 Φ(z)=∫z−∞12π−−√e−t22dt Φ(z) 有标准正态分布函数表
- 一般正态分布转为标准正态分布
- 当
X∼N(μ,σ2) 时,(x−μ)/σ∼N(0,1) Fx(a)=P(x≤a)=P(x−μσ≤a−μσ)=Φ(a−μσ)
- 当
3σ 准则- 当
x 落在(−3σ,3σ) 的概率为99.73%
- 当
第15讲 随机变量函数的分布
已知
X 的概率分布,已知Y=g(x) ,求Y 的概率分布- 先给出
Y 的可能分布,再利用等价事件来给出概率分布 - 离散型随机变量,直接利用分布律求解即可
- 连续型随机变量,先利用分布函数找到等价事件,再利用概率密度函数即可
- 先给出
定理
- 若
Y=g(x) ,g′(x)>0 或g′(x)<0 fY(y)=fx(h(y))⋅|h′(y)| α<y<β h(y) 是g(x) 的概率密度函数的反函数α 和β 是根据x 与y 的对应关系求得的
- 若
一般的
- 若
X∼N(μ,σ2) ,Y=aX+b ,则Y∼(aμ+b,a2σ)
作者拓展
- 当前的所有分布
- 二项分布 Binomial Distribution
- 泊松分布 Poisson Distribution
- 几何分布 Geometric Distribution
- 均匀分布 Uniform Distribution
- 指数分布 Exponential Distribution
- 正态分布 Normal Distribution
- 若
阅读全文
0 0
- 概率论与数理统计笔记 第二章 随机变量及其概率分布
- 概率论与数理统计学习笔记二:随机变量及其概率分布
- 概率论与数理统计(随机变量及概率分布)
- 概率统计:第二章 随机变量及其分布
- 概率论与数理统计:随机变量、分布律,分布函数,密度函数
- 概率论与数理统计学习笔记三:随机变量的数字特征
- [概率论与数理统计]随机事件及其概率运算
- 概率论与数理统计---分布函数
- 学习笔记DL008:概率论,随机变量,概率分布,边缘概率,条件概率,期望、方差、协方差
- 多维随机变量及其概率分布
- 1随机变量及其概率分布
- 常用随机变量及其概率分布
- 第二章:一维随机变量及其分布
- 概率论与数理统计第一章~第二章重点
- 概率论_随机变量及其分布1
- 概率论与数理统计学习笔记一:事件的概率
- 概率与数理统计学习总结四---连续型随机变量及其概率密度
- 概率统计:第三章 多维随机变量及其分布
- VMware Workstation 与 Device/Credential Guard 不兼容
- K-means聚类算法背后的EM思想
- Ubuntu17.10 pycharm配置
- 使用jodatime 进行String 与jdk自带Date相互转换
- 程序设计实习MOOC / 程序设计与算法(一)第三周测验(2017冬季)8:奥运奖牌计数
- 概率论与数理统计笔记 第二章 随机变量及其概率分布
- Uvalive 6471 Triangle Count Sequences of Polygon Triangulations 多边形三角剖分 递归思想
- java web中的中文乱码问题和解决方法
- HTML(二十)
- PAT Basic 1032
- Python文件(夹)操作
- java web项目配置Redis(windows环境)
- 扫雷
- oracle总结