程序员经验分享-hwhale

概率论的几种常考分布总结

2023-11-12

两点分布（0-1分布）        X ~ b(1，p)        EX = p        DX=p^{2}

                P(X = 1)=p

二项分布        X ~ b(n，p)        EX = np        DX = np(1-p)

                P(X=k)=\binom{k}{n}p^{k}(1-p)^{n-k}        k = 0,1,2,...,n

指数分布        （参数为\lambda）        EX=\frac{1}{\lambda }        DX=\frac{1}{\lambda ^{2}}

                f(x)=\begin{Bmatrix} \lambda e^{-\lambda x},x>=0\\ 0,x<0 \end{Bmatrix}

线性分布        （参数为a、b）        EX=\frac{a+b}{2}        DX=\frac{(b-a)^{2}}{12}

                f(x)=\begin{Bmatrix} \frac{1}{b-a},a\leq x\leq b\\ 0,else \end{Bmatrix}

泊松分布        X ~ \pi（\lambda）        EX=\lambda        DX = \lambda

                P(x=k)=\frac{\lambda ^{k}}{k!}e^{-\lambda }        k = 0,1,2,...,n

几何分布        EX=\frac{1}{p}        DX=\frac{1-p}{p^{2}}

                P(X=k)=p(1-p)^{k-1}        k = 1,2,3,...,n

超几何分布        X ~ H(n,N1,N)        EX = n\frac{N_{1}}{N}        DX=n\frac{N_{1}}{N}\frac{N_{2}}{N}\frac{N-n}{N-1}

        各变量的含义理解：在N个元素中,假设分为两类,即N1,N2,从中不放回的抽取n个,这n个元素中含有第一类元素的个数.        (注意：N = N1 + N2)

                P(x=k) =\frac{\binom{k}{N_{1}}\binom{n-k}{N_{2}}}{\binom{n}{N_{1}+N_{2}}}         k = 0,1,2,...,n1

正态分布        X ~ N(\mu ,\delta ^{2})        EX=\mu        DX=\delta ^{2}

                标准公式：        f(x)=\frac{1}{\sqrt{2\pi }\sigma }e^{-\frac{(x-\mu )^{2}}{2\sigma ^{2}}}

                当 \mu =0,\sigma =1 时，得到标准正态分布，即        f(x)=\frac{1}{\sqrt{2\pi }}e^{-\frac{x^{2}}{2}}

                注意：一般的关于 X 的正态分布，可通过换元：Y = \frac{X-\mu }{\sigma } 化成关于 Y 的标准正态分布，而标准正态分布的函数值可以通过查表得知。

最后有两个常用的反常积分（泊松积分）：

\int_{-\infty }^{+\infty }e^{-x^{2}}dx = \sqrt{\pi }        \int_{-\infty }^{+\infty }e^{-\frac{x^{2}}{2}}dx=\sqrt{2\pi }

以上公式是高频考点，一定要重点掌握！！！

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

知识点总结

概率论

概率论的几种常考分布总结 的相关文章

  • 常用的概率分布：伯努利分布、二项分布、多项式分布、高斯分布、指数分布、拉普拉斯分布和Dirac-delta分布

    伯努利分布 Bernoulli distribution 伯努利分布 单个二值随机变量的分布 由单个参数 0 1 控制 例 抛硬币 正面朝上的概率 二项式分布 binomial distrubution 二项式分布 在n次试验中事件A恰好发

  • 连续型随机变量的分布（均匀分布、指数分布、正态分布）

    一 均匀分布 均匀分布是指在一个区间内各个数值出现的概率相等的一种随机分布 均匀 这一概念可以理解为 在任何子区间上 变量的取值概率相等 它的概率密度函数为 其中 a和b分别为区间的上下限 均匀分布的特点是 它的概率密度函数为常数 即该分布

  • 双因素方差分析（R）

    目录 原理 双因素等重复试验的方差分析 假设前提和模型设定 离差平方和分解 检验统计量和拒绝域 例题 应用 双因素无重复试验的方差分析 假设前提和模型设定 离差平方和分解 检验统计量和拒绝域 例题 应用 原理 在单因素方差分析的基础上 双因

  • 全概率公式习题

    简单的记录下关于全概率公式的习题 我们可以先看下抓阄不分先后的一个例子 设袋中装有10个阄 其中8个是白阄 2个是有物之阄 甲 乙二人依次抓取一个 求没人抓得有物之阄的概率 设A B分别为甲 乙抓得有物之阄的事件 显然P A 2 10 下面

  • 概率论的几种常考分布总结

    两点分布 0 1分布 X b 1 p 二项分布 X b n p k 0 1 2 n 指数分布 参数为 线性分布 参数为a b 泊松分布 X k 0 1 2 n

  • 概率论--数学期望与方差--协方差（详解）

    目录 数学期望与方差 离散型随机变量的数学期望 注意 连续型随机变量的数学期望 方差 常用随机变量服从的分布 二项分布 正态分布 随机向量与随机变量的独立性 随机向量 随机变量的独立性 协方差 协方差的定义 协方差的意义 协方差矩阵 数学期

  • 深度学习——时间序列模型评价指标总结

    大Y老师 小X 你做的这个时间序列模型用什么指标评价啊 小X 直接把这篇甩给老师 老师您看哪个指标顺眼 就选哪个指标 最近在实现基于深度学习的时间序列模型时 需要对模型进行评价 总结了一些常用的和不常用的评价指标 还有相关概念的辨析 上面是

  • 统计学笔记（四）概率与概率分布

    文章目录 1 随机事件及其概率 1 1 随机事件的几个基本概念 1 2 事件的概率 2 离散型随机变量及其分布 2 1 基本概念 2 2 分布 2 2 1 二项分布 2 2 2 泊松分布 3 连续型随机变量的概率分布 3 1 基本概念 3

  • 人工智能数学基础--概率与统计9：概率运算、加法公理、事件的独立性、概率乘法定理、条件概率、全概率公式以及贝叶斯公式

    一 概述 这大半年都很忙 学习时间太少 导致概率论的学习停滞不前 期间AI大佬herosunly推荐了陈希孺老先生的概率论教材 与最开始学习的美版M R 斯皮格尔等著作的 概率与统计 表示差异比较大 具体请见 人工智能数学基础 概率与统计7

  • 看书标记【统计学习理论与方法】1

    第一章 概率论基础 在R中 分布函数名为func 则形如dfunc的函数就提供了相应的概率分布函数 dfunc x p1 p2 形如pfunc的函数提供了相应的累积分布函数 pfunc q p1 p2 分位数函数 p为由概率构成的向量 qf

  • 西瓜+南瓜-task1 模型评估与选择

    题外话 南瓜书是西瓜书公式的进一步深入 机器学习研究什么 对历史经验的归纳总结 预测 比如 早霞不出门晚霞行千里 通过历史累计 经验 预测第二天是晴天还是雨天 此处的 经验 类似于历史数据 通过学习数据 或者训练数据 提前预判 这就是机器学

  • R大数定律(Python切比雪夫不等式验证大数定律)模拟圆周率

    大数定律 在概率论中 大数定律 LLN 是描述大量执行相同实验的结果的定理 根据规律 大量试验所得结果的平均值应接近预期值 并随着试验次数的增加而趋于接近预期值 LLN 很重要 因为它保证了一些随机事件的平均值的长期稳定结果 例如 虽然赌场

  • 数据库系统原理（第二版）知识点总结

    目录 第一章 概述 基本知识 数据模型 数据模型的组成要素 数据模型的分类 数据库系统的结构 第二章 关系运算 2 1 关系运算语言 1 关系代数语言 第三章 数据完整性 实体完整性 主属性的取值不能为空值 主属性的候选键的取值要非空且唯一

  • 机器学习之高斯过程

    高斯过程 高斯过程 Gaussian Process 高斯分布 置信区间 随机过程 高斯分布的特点 核函数 白噪声处理 实战 高斯过程 Gaussian Process 在机器学习领域里 高斯过程是一种假设训练数据来自无限空间 并且各特征都

  • Laplace smoothing in Naïve Bayes algorithm（拉普拉斯平滑）

    在这里转载只是为了让不能够科学搜索的同学们看到好文章而已 个人无收益只是分享知识 顺手做个记录罢了 原网址 https towardsdatascience com laplace smoothing in na C3 AFve bayes

  • 【概率】概率论中具有可加性的分布及性质：二项、泊松、正态、卡方

    目录 一 可加性 二 相关结论 三 小结 一 可加性 可加性 指对于某种变换来说 特定的 加法 和该变换的顺序可颠倒而不影响结果 这样一种性质 wiki 分布的可加性 指同一类型分布的独立随机变量和的分布仍属于此类分布 1 注 前提是同类型

  • 因果模型五：用因果的思想优化风控模型——因果正则化评分卡模型

    因果模型五 用因果的思想优化风控模型 因果正则化评分卡模型 一 模型中的因果和相关 二 不可知样本选择偏差 三 因果推断 四 因果与评分卡的融合 五 模型效果评估 5 1 人工合成数据效果测试 5 2 YFCC100M图像数据测试 5 3

  • 2021.9.5笔试题

    第一题 题目 找x y target 数字特别大 可能会溢出 代码 include

  • 自信息量和一阶熵

    信息论中 自信息量和一阶熵是用来度量信息的重要概念 它们提供了一种方式来理解和量化信息的不确定性和平均量 对于解决信息传输 编码和存储等问题非常有用 首先 让我们来了解一下自信息量 自信息量是用来度量一个事件的信息量或不确定性的大小 假设有

  • 条件概率密度

    设二维随机变量 的概率密度为 关于 的边缘概率密度为 若对于固定的 有 则称 为在 条件下的 的条件概率密度 记为

随机推荐

  • Spark数据分析之pyspark

    一 大数据简史 从hadoop到Spark 1 hadoop的出现 1 问题 1990年 电商爆发以及机器产生了大量数据 单一的系统无法承担 2 办法 为了解决 1 的问题许多公司 尤其是大公司领导了普通硬件集群的水平扩展 3 执行 had

  • HashCode方法的调用对Java锁的影响

    在回顾以前写的锁升级的代码时 意外发现hashCode方法的调用会对锁产生影响 于是做了几个测试并查阅了一些资料 把最终的结果记录于此 结论 首先上结论 一个对象在调用原生hashCode方法后 来自Object的 未被重写过的 该对象将无

  • qt可停靠控件和工具栏（Dock Widgets and Toolbars）

    可停靠控件能够停靠在QMainWindow中或者作为一个独立窗口浮动 QMainWindow提供了四个可停靠控件的地方 上方 下方 左方 右方 Microsoft Visual Stadio程序和Qt Linguist程序使用大量的可停靠窗

  • python 函数中的省略号

    1 省略号在python里也是个对象 2 赋值号后面省略号 给该变量赋值一个default值 具体python的机制我不清楚 应该是在类里面定义好的 或者参数省略 3 冒号后面省略号 表示函数的定义内容不写了 函数的定义内容不写了 相当于p

  • PTA6(python)

    python程序设计06 面向对象 7 1 求两点之间距离 7 2 类的定义和使用 7 3 优异生查询 类和对象 7 4 新型计算器 7 5 学生类的使用 7 6 三维向量运算 7 7 继承类应用 7 8 有关队列操作 7 9 有关堆栈操作

  • python调用everything批量查找表格中的文件名在磁盘中是否存在

    python调用everything批量查找表格中的文件名在磁盘中是否存在 介绍 Everything 配置 使用openpyxl读写文件 读文件 写文件 BeautifulSoup的使用 创建 beautifulsoup 对象 soup

  • 基础实验篇

    uORB是PX4 Pixhawk系统中非常重要且关键的模块之一 是用于无人机模块间通信的协议机制 本篇将详细介绍uORB并详细拆解uORB消息读写与自定义实验流程 三 基础实验篇 uORB消息读写与自定义实验 三 01 基于RflySim平

  • 代码随想录一刷-Day01

    代码随想录一刷 Day01 LeetCode704 二分查找 这道属于是入门必刷了 但是虽然能做出来 在细节上还是不够注意 public int search int nums int target if nums null nums le

  • @excel注解_EasyPOI 详细教程以及注解的使用

    因为项目的原因需要用到POI来操作Excel 文档 以前都是直接使用POI来操作的 但是最近听到easypoi的存在 所以自己简单的尝试了下 别说 他还真的挺好用的 Easypoi介绍 Easypoi 为谁而开发 不太熟悉poi的 不想写太

  • LocalDate的用法与String互转

    一 LocalDate常用用法 1 1 申明定义 LocalDate formatDate LocalDate of 2020 2 5 自定义 LocalDate today LocalDate now 获取当前日期 1 2 getX 获取

  • WebRTC实时音视频技术的整体架构介绍

    WebRTC 简介 WebRTC 名称源自网页实时通信 Web Real Time Communication 的缩写 是一个支持网页浏览器进行实时语音通话或视频聊天的技术 是谷歌2010年以6820万美元收购Global IP Solut

  • Echarts 无数据时显示“暂无数据”

    当我们的图表遇到接口数据为空或者筛选之后无数据的情况 会显示成这样 就比较丑 所以需要更换成指定的某些文字做提示 通过配置title 曲线救国 title show true text 暂无数据 left center top center

  • JAVA小练习149——需求： 一家三口都要工作， 儿子工作负责绘画, 妈妈可以在儿子的工作上进行增强---上涂料， 爸爸的工作就是在妈妈的基础上增强---上画框

    interface Work public void work class Son implements Work Override public void work System out println 在画画 class Mother

  • python实践：让所有奇数都在偶数前面，而且奇数升序排列，偶数降序排序

    给定一个任意长度数组 实现一个函数 让所有奇数都在偶数前面 而且奇数升序排列 偶数降序排序 如字符串 1982376455 变成 1355798642 class Solution def SortNum self num list par

  • js查找数组重复元素

    方法一 利用sort方法 先使用sort方法将数组排序 再来判断找出重复元素 function res arr var temp arr sort sort function a b if a b temp indexOf a 1 temp

  • 数值分析复习笔记-第七章-非线性方程求根

    Chapter7 非线性方程求根 7 1 前言 本质 对一些n次代数多项式or超越方程 它们的根是难以通过解析方法求得 因此需采取数值方法 主要有 二分法 不动点迭代法 迭代加速 牛顿迭代法 牛顿法 割线法 7 2 二分法 数学基础 零点定

  • 多边形等分算法

    多边形等分

  • Python基础-- 9函数（中）

    一 函数的返回值 返回值就是函数执行以后返回的结果 通过return来指定函数的返回值 return后面可以跟任意对象 返回值甚至可以是 个函数 二 文档字符串 在定义函数时 可以在函数内部编写文档字符串 文档字符串就是对函数的 说明 he

  • Linux中TAB补全显示设备空间不足问题

    今天在使用linux中习惯性的使用tab键进行补全信息 发现无论在何处按下tab都会显示这样报错 图中因为我用了xshell工具 这里报错是中文的 这个时候要检查下自己的空间是否充足 可使用df查看设备目录使用空间大小 可以将一下不用的目录

  • 概率论的几种常考分布总结

    两点分布 0 1分布 X b 1 p 二项分布 X b n p k 0 1 2 n 指数分布 参数为 线性分布 参数为a b 泊松分布 X k 0 1 2 n

热门标签