分佈表在對應的分佈下邊
下邊是我自己寫的筆記可供大家下載(free)
傳送門:概率論與數理統計(全)學習筆記.pdf
離散型的分佈
一,0-1分佈
有2種結果,實驗只做1次。
P(X = k) = pk(1-p)1-k
數學期望:E(X) = p
方差:Var(X)=p(1-p)
二,幾何分佈
P(A) = p,事件A在第k次首次發生(前k-1次均未發生)。
記作:X ~ G(p)
P(X = k) = (1-p)k-1p
數學期望:1/p
方差:(1-p)/p2
三,二項分佈
P(A) = p,在n次實驗中,事件A發生了k次。
記作:X ~ B(n, p)
P(X = k) = Cnk pk(1-p)n-k
期望:E(X) = np
方差:Var(X) = np(1-p)
最可能值:
(1)當(n+1)p不爲整數時,二項概率P{X=k}在k=[(n+1)p]時達到最大值;
(2)當(n+1)p爲整數時,二項概率P{X=k}在k=(n+1)p和k=(n+1)p-1時達到最大值。
注:[x]爲不超過x的最大整數。
!!!重點!!!
若滿足二項分佈X ~ B(n, p),其中n足夠大(n≥100),且 np≤10 時。
可以將其近似於泊松分佈 X ~ P(np)【λ = np】,然後在查表就可以了。
四,泊松分佈
應用實例:泊松分佈適合於描述單位時間(或空間)內隨機事件發生的次數。如某一服務設施在一定時間內到達的人數,電話交換機接到呼叫的次數,汽車站臺的候客人數,機器出現的故障數,自然災害發生的次數,一塊產品上的缺陷數,顯微鏡下單位分區內的細菌分佈數等等。
記作:X ~ P(λ)
數學期望:E(X) = λ
方差:Var(X) = λ
查表 ↓
五,超幾何分佈
共N個元素:
- M個屬於第1類
- N - M個屬於第2類
從中取出 n 個,在取出的n箇中有 X=k 個屬於第1類。
記作:X ~ H(n,M,N)
!!!重點!!!
當N很大,n相對N很小時,可近似爲二項分佈X ~ B(n, M/N)。
再從二項分佈近似爲泊松分佈就可以查表了。
連續性的分佈
一,均勻分佈
是用示例:等車時間。。
數學期望:(a + b)/2
方差:(b - a)2/12
二,指數分佈
數學期望:1 / λ
方差:1 / λ2
無記憶性
三,正態分佈與標準正態分佈
普通正態分佈轉化爲標準正態分佈
標準正態分佈查表
格格不入的三個分佈
一,卡方分佈
查表(x:α值,y:n自由度)
傳送門:整錶鏈接
二,t 分佈
查表
傳送門1:完整的 t分佈表(推薦)
傳送門2:分單雙側的 t分佈
三,F 分佈
查表
傳送門:完整的 F分佈表