概率与期望
来源:互联网 发布:中兴下载软件应用 编辑:程序博客网 时间:2024/05/16 00:53
概率公理:
满足下列3个条件的函数称为概率函数
(1)
(2)
(3)如果
(可列可加性)
条件概率:
令B为一个事件满足
独立:
如果A,B满足
可以推出
全概率公式:<求结果概率>
设
贝叶斯定理:<求原因概率>
随机变量:
在样本空间 S 上的一个随机变量 X 是 S 上的一个取值为实数的函数。只取有限个或可数无穷多个值的随机变量称为离散随机变量。
数学期望:(均指离散型)
对于有限的离散型随机变量 X,假设 X 有概率分布
方差:
标准差:
伯努利概型:(满足二项分布)
(1)在一组固定不变的条件下重复地做一种实验
(2)只有两种结果:事件发生或不发生
(3)每次实验中,相同事件发生的概率均一样
(4)各次实验结果相互独立
设 p 为每次实验 A 发生的概率,
二项分布:
在上述条件下,设 X 为 n 次独立重复实验中成功出现的次数,X = (0,1,…n),且它的概率函数为
这个分布称为二项分布,记为X~B(n,p)
期望:
方差:
标准差:
两点分布:
特殊的二项分布
p称为成功概率
期望:
方差:
几何分布:
事件 A 在第 k 次试验中才首次发生的概率为
有方程:
期望:
方差:
超几何分布:
在有M件次品的N件产品中,不放回的取出n件,其中含有X件次品
记作X~H(n,M,N)
期望:
方差:
正态分布:
f(x)称为正态分布密度曲线
记作X~N(
期望:
方差:
期望的线性性:
(1)
(2)
(3)
(4)
方差的性质:
(1)
(2)
(3)
(4)
马尔科夫不等式:
假设X是只取非负数值的随机变量,对
切比雪夫不等式:
对任意随机变量X及任意a > 0,有
统计乱入,,,
三种抽样方法:随机抽样、系统抽样、分层抽样
茎叶图(略)
众数:出现次数最多的数(可能是多个)//最高矩形底边中点的横坐标
中位数:最中间的一个数(最中间两个数的平均数)//中位数左右直方图面积相等
平均数:小矩形的面积乘以小矩形底边中点的横坐标之和
极差:又称全距,极差 = 组数 * 组距
最小二乘法:
回归直线方程一定经过样本点的中心
==========题外话===========
看了一整天啊QAQ,还是什么都不会啊TAT
今天中午吃饭看见含爷了好开心~好开心~好开心~
一群大爷在切PE上的期望神题orz。。。
- 概率与期望
- 各种期望与概率
- 概率与期望
- 概率与期望2
- 概率与期望
- 【概率与期望】练习题
- 关于概率与期望
- 概率与期望
- 期望与概率
- 概率与数学期望
- 概率与期望DP
- LightOJ1030(数学概率与期望)
- lightoj1038(数学概率与期望)
- lightoj1079(数学概率与期望)
- lightoj1104(数学概率与期望)
- lightoj1027(数学期望与概率)
- LightOJ1408(数学期望与概率)
- lightoj1274(数学概率与期望)
- 关于SVN Client的一点心得
- 完全大数(高精度)模版
- BZOJ 4443 小凸玩矩阵
- ubuntu常见错误--Could not get lock /var/lib/dpkg/lock
- 【Java】访问控制权限
- 概率与期望
- for( i=0; i<5; a[i] = i++);
- python的异常处理机制
- JDK1.7 ImageIO的一个梗
- 在大学期间对学习方向的寻找ing
- Android学习记录(八) alertDialog和popupwindow简单实现
- Git建立分支
- A - Til the Cows Come Home——
- 基于视觉的障碍物检测和规避