概率密度函数(probability density function)课程笔记
来源:互联网 发布:小米手机怎么开数据 编辑:程序博客网 时间:2024/06/07 12:36
PDFs
一个合法的PDF有2个条件:
fX(x)≥0 ∫∞−∞fX(x)dx=1
取值在一个连续的集合上,并且它的概率能通过PDF来描述,这样的随机变量才是连续随机变量。
对于连续随机变量X,它在区间[a, b]的概率为:
根据概率的性质,概率都是
在连续随机变量中,单个点a的概率都为P(X = a) = 0。所以:
期望与方差
为了使上面的积分成立,我们需要做如下假设:
我们可以把期望看作是大量独立重复实验的平均值。
在连续随机变量下,期望依然具有与离散随机变量相似的性质:
- 如果
X≥0,那么E[X]≥0 - 如果
a≤X≤b,那么a≤E[X]≤b E[g(X)]=∫∞−∞g(x)fX(x)dx E[aX+b]=aE[X]+b
连续随机变量下的方差及其性质
定义:
通过上面期望性质的第4条,令
标准差为:
连续均匀随机变量的期望和方差
指数随机变量
定义:
图像如下:
cumulative distribution function(累积分布函数)
CDF定义:
对于连续随机变量而言:
对上式求导可得:
对于离散随机变量而言:
CDF属性:
- 非递减的
- 当
x 趋进于正无穷,FX(x) 趋进于1 - 当
x 趋进于负无穷,FX(x) 趋进于0
Normal random variables(正态随机变量)
标准正态随机变量
如果你觉得上面的积分太难了,不用怕,下面的积分计算器有详细的步骤来帮助你:
http://www.integral-calculator.com/#expr=x%2A1%2Fsqrt%282%2Api%29%2Ae%5E%28-x%5E2%2F2%29&lbound=minf&ubound=inf&simplify=1
同样的你可以求得
http://www.integral-calculator.com/#expr=x%5E2%2A1%2Fsqrt%282%2Api%29%2Ae%5E%28-x%5E2%2F2%29&lbound=minf&ubound=inf
如果
有个很重要的结论是:Y也服从正态分布
Y∼N(aμ+b,a2σ2)
因此当我们线性化正态随机变量时,依然保留有正态的性质。
标准化正态随机变量
如果
从上面可以看出,
下面是标准化的一个例子:
- 概率密度函数(probability density function)课程笔记
- 概率质量函数(Probability Mass Function)和期望课程笔记
- 联合概率(joint probability)、分布函数(distribution function)
- probability density
- The prodect of two Gaussian Probability Density Function(PDF)
- 统计学 入门基础PDF( Probability Density Function) 和PMF ( Probability Mass Function )
- 概率基础-概率密度函数
- 概率密度函数
- Matlab--概率密度函数
- 概率密度函数估计
- 概率密度函数 ××××× ××
- 什么是概率密度函数?
- 模式识别 学习笔记:第三章 概率密度函数的估计
- 概率密度函数与概率密度函数的估计
- 概率密度函数估计简介
- 概率密度函数估计简介
- MATLAB概率密度函数估计
- 正态分布 概率密度函数PDF
- Android Studio使用教程-菜单(File)
- 51nod1432 贪心
- 指针和const的2, 3事
- 计算机网络_面试
- Android Studio使用教程-菜单(Edit)
- 概率密度函数(probability density function)课程笔记
- An internal error occurred during: "Add Deployment".
- 看门狗定时器(WDT,Watch Dog Timer)
- static 静态成员
- iOS 架构 (一)
- String.format()用法
- neuq oj 1060: 谭浩强C语言(第三版)习题7.5 数组逆序 C++
- 基于PHP框架的开源博客空间系统
- 小狗钱钱