博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
概率论与数理统计
阅读量:6636 次
发布时间:2019-06-25

本文共 675 字,大约阅读时间需要 2 分钟。

1.基本概念

随机变量

记为X.
分布函数
记为F(x)=P{
Xx}
.
概率密度
F(x)=xf(t)dt,则f(x)称为随机变量X的概率密度.
先验概率与后验概率
先验概率:在实验之前求某件事发生的概率。
后验概率:事实已经发生,求何种情况导致此事发生的概率

2.常用分布

二项分布

如果随机变量X有分布律

P{
X=k}=Cknpkqnk,k=0,1,...,n,q=1p
则称X服从参数为
n,p的二项分布,记作
XB(n,p)

若每次试验成功的概率为p,则n次独立重复试验中,成功的总次数X服从二项分布.

几何分布

如果随机变量X有分布律

P{
X=k}=pqk1
则称X服从参数为
p的几何分布.

若每次试验成功的概率为p,则n次独立重复试验中,第k次实验才首次成功的概率服从二项分布.

泊松分布

如果随机变量X有分布律

P{
X=k}=λkk!eλ
则称X服从参数为
λ的泊松分布.记为
XP(λ)

一段时间内候车的旅客数,电话总机接到的呼叫次数等都服从泊松]分布.

均匀分布

X在区间[a,b]上服从均匀分布,记作XU[a,b]
正态分布

f(x)=12πσe(xμ)22σ2
其中
μ,σ为常数且
σ>0,则称X服从参数为
μ,σ的正态分布,记为
XN(μ,σ2)
标准正态分布
在正态分布中,当
μ=0,σ=1时,即
XN(0,1),称X服从标准正态分布,此时的概率密度为
f(x)=12πex22

3.常用定理

贝叶斯定理

P(A|B)=P(AB)P(B)=P(B|A)P(A)P(B)

转载地址:http://wgdvo.baihongyu.com/

你可能感兴趣的文章
ReactNative填坑记
查看>>
java初学者进阶之术分享
查看>>
应用状态与切换
查看>>
Wyn Enterprise(自助式BI+报表)快速入门:立即预约公开课
查看>>
Go语言数据结构和算法-LinkedList(链表)
查看>>
RxDownload2 源码解析(三)
查看>>
小米大数据:借助Apache Kylin打造高效、易用的一站式OLAP解决方案
查看>>
存储篇(1)
查看>>
Go常用的数据结构
查看>>
正则 (入门篇)
查看>>
前端语言学习干货合集!
查看>>
简单了解Docker与自学教程
查看>>
选用Vue做MVC架构模式
查看>>
喜马拉雅、懒人听书、蜻蜓:有声阅读未来弄潮儿花落谁家
查看>>
Linux下给PHP安装Redis扩展
查看>>
听说拼多多因漏洞被薅了200亿?- 谈谈软件测试
查看>>
在 Android 中使用 JNI 的总结
查看>>
那些年,我爬过的北科(十)——搜索案例之ElasticSearch的使用
查看>>
Django实战1-权限管理功能实现-04:系统入口
查看>>
Google发布最新「语音命令」数据集,可有效提高关键词识别系统性能
查看>>