目录
一、期望
期望这个概念,初高中就学过了吧,所以这里就简单说一下定义。
1. 离散型随机变量的期望
2. 连续型随机变量的期望
3. 期望的性质
- E(cX)=xE(x)
- E(X+Y)=E(x)+E(Y)
- X,Y独立时,E(XY)=E(X)E(Y)
二、方差和均方差
1. 定义
方差,主要用于研究随机变量与其均值的偏离程度:
均方差又称标准差:
2. 计算
设 ,那么,方差,就相当于g(X)的期望。
因此,对于离散型随机变量,有:
对于连续型随机变量,有:
3. 性质
- 若c为常数,则D(C)=0
- 若X是随机变量,C是常数,则有 ,
- 若X,Y是连个随机变量,则有D(X+Y)=D(X)+D(Y)+2E{(X-E(X))(Y-E(Y))}
- 若X,Y相互独立,则有D(X+Y)=D(X)+D(Y)
三、常见分布
1. 均匀分布
这个太简单了,我都不想说了……
函数定义
概率分布图像:
关于均匀分布,我们还需要知道:
- 期望:
- 方差:
2. 二项分布和几何分布
二项,二项,为啥叫二项分布呢?顾名思义,就是这个随机事件只有两种可能的结果,也就是所谓的“不成功便成仁”,因此,二项分布也被称为0-1分布。
二项分布必须满足下面4个特点:一是某件事情发生的次数(试验次数)是固定的,一般用n来表示;二是每件事情都有两个可能的结果(成功或失败);三是每一次试验中成功的概率都是相等的,一般用p来表示;四是我们感兴趣的是成功x次的概率问题,也就是在n次试验中x次的结果为成功的概率。
二次分布的公式如下:
关于二次分布,你还要知道:
- 期望(表示事情发生n次预计成功多少次)
- 标准差(表示数据的波动大小)
几何分布和二项分布兼职就是“海尔兄弟”。几何分布也需要满足4个特点,前三个和二次分布完全一样,不同的是,在几何分布问题中,我们感兴趣的是,在第x次试验中取得第一次成功的概率有多大。举个例子,同样是抛硬币,抛5次,二项分布可能关注,5次试验中3次结果为朝上的概率,而几何分布中,我们关注的是“只有第五次正面朝上的概率”,也就是说,前四次均失败但第五次成功的概率。
几何分布的公式是这个样子的:
几何分布的期望,标准差
3. 泊松分布
泊松分布(Poisson Distribution),一般用于描述在连续时间和空间单位上随机事件的概率,也就是说,我们可以基于已有的经验,预测该随机事件在新的同样长的时间里或同样大的空间中发生N次的概率。比如,机器在一定时间内故障的次数、汽车站台在一定时间内的候车人数、某地区自然灾害发生的次数等等。
泊松分布需要满足以下三个特点:
1)在给定区间内(可以是时间或者空间),事件是独立事件
2)在任意相同的时间范围内,事件发生的次数(概率)相同,一般用 表示该区间内事件的平均发生次数;
3)我们关注的是某个区间内,事件发生x次的概率。
Poisson分布的概率函数为:
在这里,我们用到了指数函数,这里的e是自然对数(ln)的底数,。
泊松分布的期望,方差为。
在二项分布的p很小的时候,泊松分布和二次分布较为接近。
4. 正态分布
正态分布(Normal distribution)又名高斯分布(Gaussian distribution),是一个在数学、物理及工程等领域都非常重要的概率分布,在统计学的许多方面有着重大的影响力。
正态分布的图像,就是著名的“钟形曲线”,如下图所示:
正态分布的期望,方差。若随机变量X服从正态分布,记为。正态分布的概率密度函数为:
我们常说的标准正态分布,是指未知参数 ,尺度参数的正态分布。其表达式可以简化为:
正态分布具有许多独特的性质:
- 密度函数关于平均值(即、位置参数、期望)对称
- 平均值=众数=中位数
参考:
http://www.360doc.com/content/17/1231/22/9200790_718001949.shtml