概率论常用公式(持续更新) |
您所在的位置:网站首页 › 概率a∪b › 概率论常用公式(持续更新) |
$\S$1第一章$\S$1.1条件概率 扩展可得 $\S$1.2全概率公式$\S$1.3贝叶斯公式$\S$2第二章$\S$2.1伯努利实验需要注意n重伯努利试验结果是二项分布。 $\S$2.2二项分布记为 $X\sim b(n,p)$ $\S$2.3泊松分布记为$X \sim\pi(\lambda)$ $\S$2.3.1泊松定理设$\lambda>0$是一个常数,n是任意正整数,设$np_n=\lambda$,则对于任何一固定的非负整数k,有: $\S$2.4分布函数定义 设X是一个随机变量,x是任意实数,函数 称为X的分布函数 $\S$2.5概率密度函数如果对于随机变量X的分布函数F(x),存在非负可积函数f(x),使对于任意实数x有 则称X为连续性随机变量,f(x)成为X的概率密度函数,简称概率密度 $\S$2.6 均匀分布若连续型随机变量$X$具有概率密度 则称$X$在区间(a,b)上服从均匀分布,记为$X \sim U(a,b)$ $\S$2.7指数分布若连续性随机变量$X$的概率密度为 其中$\theta>0$为常数,则称$X$为服从参数$\theta$的指数分布 $\S$2.8正态分布若连续性随机变量$X$的概率密度为 其中$\mu,\sigma(\sigma>0)$为常数,则称$X$服从参数为$\mu,\sigma$的正态分布或高斯分布,记为$X\sim N(\mu,\sigma^2)$ 标准正态分布的概率密度和分布函数分别用$\varphi(x),\Phi(x)$表示,即有 且有 $\S2.8.1$正态分布转化引理若$X\sim N(\mu,\sigma^2)$,则 $\S$2.9随机变量的函数分布定理 若随机变量$X$具有概率密度$f_x(x),-\infty0$有 $\S$5.2中心极限定理定理一(独立同分布的中心极限定理) 设随机变量$X_1,X_2,\dots,X_n$相互独立,服从同一分布且具有数学期望$E(X_k)=\mu,D(X_k)=\sigma^2$ $\S$6 样本及抽样分布$\S$6.1 随机样本我们将实验的全部可能的观察值称为总体,这些值不一定都相同,数目上也不一定是有限的,每一个可能观察值称为个体。总体中所包含的个体的个数称为总体的容量。容量有限的称为有限总体,容量为无限的称为无限总体。 定义 设$X$是具有分布函数$F$的随机变量,若$X_1,X_2,\dots,X_n$是具有同一分布函数$F$的、相互独立的随机变量,则称$X_1,X_2,\dots,X_n$为从分布函数$F$(或者总体F,或总体X)得到的容量为n的简单随机样本,简称样本,他们的观察值$x_1,x_2,\dots,x_n$称为样本值,又称为$X$的n个独立的观察值。 $\S$6.2 直方图和箱线图中位数和四分位数的定义(略) $\S$6.3 抽样分布定义 设$X_1,X_2,\dots,X_n$是来自总体$X$的一个样本,$g(X_1,X_2,\dots,X_n)$是$X_1,X_2,\dots,X_n$的函数,若$g$中不含未知数,则称$g(X_1,X_2,\dots,X_n)$是一统计量。 下面列出的几个常用的统计量。设$X_1,X_2,\dots,X_n$是来自总体$X$的一个样本,$x_1,x_2,\dots,x_n$是这一样本的观察值,定义 样本平均值 样本$k$阶原点矩; 样本$k$阶中心矩; (一)$\chi^2$分布 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |