概率论与数理统计
约 284 个字 预计阅读时间 1 分钟
单元随机变量
离散
- 01分布 $X \sim B(1,p) $
- 二项分布 $X \sim B(n,p) $
- 泊松分布 $X \sim P(\lambda) $
连续
- 均匀分布 $$X \sim U(a,b) \ f(x)=\begin{cases} \frac{1}{b-a},a\leq x \leq b\ 0,x b \end{cases} $$
-
指数分布 $$X \sim Exp(\lambda) \ f(x)=\begin{cases} \lambda e^{-\lambda x},x\geq 0\ 0,x<0 \end{cases} $$
-
正态分布 $$X \sim N(\mu,\delta^2)\ f(x)=\frac{1}{\sqrt{2\pi}\theta}e^{-\frac{(x-\mu)^2}{2\theta^2}} $$ 对称性:$$\Phi(x)+\Phi(-x)=1 $$ 标准化:$$\frac{\Phi(x)-\mu}{\delta} $$
函数分布
离散型
离散型先找出y的可能值,再去找$P(Y=y_i)=P(X\in D_j) $
连续型
万能法
连续型先求概率分布函数,找Y的有效区间,有效区间左侧为0,右侧为1,然后单独讨论有效区间,$P(Y<y)=P(X\in D_j) $
反函数法
用y表示x$$f_y(y)=h'(y)f_x(h(y)) $$
Warning
随机变量的分布不只有离散型和连续型,可以是混合的,就像是连续加上散点
多元随机变量
离散型
联合概率分布律