admin 管理员组文章数量: 887021
2023年12月20日发(作者:霹雳游侠2008电视剧在线观看)
.
目录
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
均匀分布 ...................................................................................................... 1
正态分布(高斯分布) ........................................................................... 2
指数分布 ...................................................................................................... 2
Beta分布(分布) .............................................................................. 2
Gamma分布 .............................................................................................. 3
倒Gamma分布 ......................................................................................... 4
威布尔分布(Weibull分布、韦伯分布、韦布尔分布) ..................... 5
Pareto分布 ................................................................................................. 6
Cauchy分布(柯西分布、柯西-洛伦兹分布) .............................. 7
2分布(卡方分布) ......................................................................... 7
......................................................................................................... 8
t分布
F分布 ........................................................................................................ 9
10
二项分布 ................................................................................................
10
泊松分布(Poisson分布) ..............................................................
11
对数正态分布 .......................................................................................
1. 均匀分布
均匀分布X~U(a,b)是无信息的,可作为无信息变量的先验分布。
1f(x)
ba .
.
E(X)ab
2(ba)2Var(X)
122. 正态分布(高斯分布)
当影响一个变量的因素众多,且影响微弱、都不占据主导地位时,这个变量很可能服从正态分布,记作X~N(,2)。正态分布为方差已知的正态分布N(,2)的参数的共轭先验分布。
(x)222f(x)1e2
E(X)
Var(X)2
3. 指数分布
指数分布X~Exp()是指要等到一个随机事件发生,需要经历多久时间。其中0为尺度参数。指数分布的无记忆性:PXst|XsP{Xt}。
f(x)ex,x0E(X)Var(X)1
21
4. Beta分布(分布)
.
.
Beta分布记为X~Be(a,b),其中Beta(1,1)等于均匀分布,其概率密度函数可凸也可凹。如果二项分布B(n,p)中的参数p的先验分布取Beta(a,b),实验数据(事件A发生y次,非事件A发生n-y次),则p的后验分布Beta(ay,bny),即Beta分布为二项分布B(n,p)的参数p的共轭先验分布。
(x)tx1etdt
0f(x)(ab)a1x(1x)b1
(a)(b)E(X)Var(X)a
abab
2(ab)(ab1)5. Gamma分布
Gamma分布即为多个独立且相同分布的指数分布变量的和的分布,解决的问题是“要等到n个随机事件都发生,需要经历多久时间”,记为X~Ga(a,b)。其中a0为形状参数,b0为尺度参数。Gamma分布为指数分布Exp()的参数、Poisson分布P()的参数的共轭先验分布。
baa1bxf(x)xe,x0(a)
a
baVar(X)2
bE(X) .
.
6. 倒Gamma分布
倒Gamma分布记为X~IGa(a,b)。若随机变量X~Ga(a,b),则1~IGa(a,b)。其中a0为形状参数,b0为尺度参数。倒Gamma分布为指X1数分布Exp()的参数、均值已知的正态分布N(,2)的参数2的共轭先验分布。
ba(a1)bxf(x)xe,x0(a)
E(X)b
a1b2Var(X),a2
2(a1)(a2) .
.
7. 威布尔分布(Weibull分布、韦伯分布、韦布尔分布)
威布尔分布记为X~W(m,)。其中m0为形状参数,0为尺度参数。当m1,它是指数分布;m2时,是Rayleigh distribution(瑞利分布)。常用于拟合风速分布,并用最小二乘法、平均风速估计法或极大似然法求解其参数。
m1xmf(x)mxe,x0
1E(X)1
m2212Var(X)11
mm
.
.
8. Pareto分布
Pareto分布记为X~Pa(a,b)。其中b0为门限参数,a0为尺度参数。Pareto分布是一种厚尾分布。Pareto分布为均匀分布U(0,)的参数的共轭先验分布。
a1abf(x)bxE(X),xb
ab,a1
a1 .
.
ab2Var(X),a2
(a1)2(a2)9. Cauchy分布(柯西分布、柯西-洛伦兹分布)
Cauchy分布记为X~Ca(a,b)。其中a为位置参数,b0为尺度参数。中位数Mode(X)a,期望、方差都不存在。如果X1,X2,的相互独立同分布随机变量,那么算术平均数X1,X2,比较扁、宽的曲线。
,Xn是分别符合柯西分布,Xn/n服从同样的柯西分布。标准柯西分布Ca(0,1)是t分布的一个自由度。这种分布更适合拟合那种f(x)bb2(xa)21
10.
分布(卡方分布)
设X1,X2,2ni12
,Xn是来自N(0,1)的样本,则称统计量Xi2服从自由度为n的2分布,记为2~2(n)。
f(x)1n22n2xnx122e,x0
E(X)n
Var(X)2n
.
.
11. t分布
X服从自Yn由度为n的t分布。记为t~t(n)。当自由度n时,t分布将趋于N(0,1)。有时样本量很小,不知道总体的标准偏差,则可以依赖 t统计量(也称为 t分数)X~t(n1),其中X是样本均值,μ是总体均值,的分布,其值由下式给出:sns是样本的标准偏差,n是样本大小。
设X~N(0,1),Y~2(n),且X,Y相互独立,则称随机变量tn1n1x222f(x)1nn
n2E(X)0
nVar(X),n2
n2 .
.
12. F分布
Un设U~2(n1),V~2(n2),且U,V相互独立,则称随机变量F1服从Vn2自由度为(n1,n2)的F分布,记为F~F(n1,n2)。设X1,X2,,Xn1与Y1,Y2,,Yn2分2)的样本,别是来自正态总体N(1,12)和N(2,2且这两个样本相互独立。设X,2分别是这两个样本的样本方差,则有Y分别是这两个样本的样本均值;s12,s2s122s212222w222~F(n11,n21);当12时,(XY)(12)~t(n1n22),其中11swn1n22(n11)s12(n21)s2。
sn1n22nn1n2n1211x2n2n12f(x)nnn121122n2E(X)xn1n22,x0
n1,n12
n122n12(n1n22)Var(X),n14
n2(n12)2(n14) .
.
13. 二项分布
二项分布十分好理解,给你n次机会抛硬币,硬币正面向上的概率为p,问在这n次机会中有k次(k≤n)硬币朝上的概率为多少。记为X~B(n,p)。当n足够大,且p不接近于0也不接近于1时,二项分布B(n,p)可用正态分布N(np,np(1p))来近似。
P(Xk)n!pk(1p)nk,p[0,1]
(nk)!k!E(X)np
Var(X)np(1p)
14. 泊松分布(Poisson分布)
泊松分布解决的是“在特定一段时间里发生n个事件的概率”,记为 .
.
np当二项分布满足时,二项分布近似为泊松分布。泊松分布P()X~P()。n当足够大时,变成正态分布N(,)。
P(Xk)kek!,0
E(X)
Var(X)
15. 对数正态分布
对数正态分布是对数为正态分布的任意随机变量的概率分布。如果Y是正态分布的随机变量,则exp(Y)是对数正态分布;同样,如果X是对数正态分布,则ln(X)为正态分布,如果一个变量可以看成是许多很小独立因子的乘积,则这个变量可以看作是对数正态分布,如拟合风速分布模型,记为X~LN(,2)。
f(x)1e2(lnx)222,x0
2
E(X)e222Var(X)(e1)e2
16. 瑞利分布
当一个随机二维向量的两个分量呈独立的、有着相同的方差的正态分布时,这个向量的模呈瑞利分布。
.
.
f(x)xe2x222,x0
E(X)2
Var(X)42
2
.
.
.
版权声明:本文标题:16种常见概率分布概率密度函数、意义及其应用 内容由网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:http://www.freenas.com.cn/free/1703008092h439416.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论