常用概率分布及其数学期望和方差

分布	分布列 pkp_kpk 或分布密度 p(x)p(x)p(x)	期望	方差
0−10-10−1 分布	pk=pk(1−p)1−k,k=0,1p_k=p^k(1-p)^{1-k},\quad k=0,1pk=pk(1−p)1−k,k=0,1	ppp	p(1−p)p(1-p)p(1−p)
二项分布 b(n,p)b(n,p)b(n,p)	pk=(nk)pk(1−p)n−k,k=0,1,⋯p_k=\binom{n}{k}p^k(1-p)^{n-k},\quad k=0,1,\cdotspk=(kn)pk(1−p)n−k,k=0,1,⋯	npnpnp	np(1−p)np(1-p)np(1−p)
泊松分布 P(λ)P(\lambda)P(λ)	pk=λkk!e−λ,k=0,1,⋯p_k=\frac{\lambda^k}{k!}e^{-\lambda},\quad k=0,1,\cdotspk=k!λke−λ,k=0,1,⋯	λ\lambdaλ	λ\lambdaλ
超几何分布 h(n,N,M)h(n,N,M)h(n,N,M)	pk=(Mk)(N−Mn−k)(Nn),k=0,1,⋯,r,r=min⁡(M,n)p_k=\frac{\binom{M}{k}\binom{N-M}{n-k}}{\binom{N}{n}},\quad k=0,1,\cdots,r,r=\min{(M,n)}pk=(nN)(kM)(n−kN−M),k=0,1,⋯,r,r=min(M,n)	nMNn\frac{M}{N}nNM	nM(N−M)(N−n)N2(N−1)\frac{nM(N-M)(N-n)}{N^2(N-1)}N2(N−1)nM(N−M)(N−n)
几何分布 Ge(p)Ge(p)Ge(p)	pk=(1−p)k−1p,k=1,2,⋯p_k=(1-p)^{k-1}p,\quad k=1,2,\cdotspk=(1−p)k−1p,k=1,2,⋯	1p\frac{1}{p}p1	1−pp2\frac{1-p}{p^2}p21−p
负二项分布 Nb(r,p)Nb(r,p)Nb(r,p)	pk=(k−1r−1)(1−p)k−rpr,k=r,r+1,⋯p_k=\binom{k-1}{r-1}(1-p)^{k-r}p^r,\quad k=r,r+1,\cdotspk=(r−1k−1)(1−p)k−rpr,k=r,r+1,⋯	rp\frac{r}{p}pr	r(1−p)p2\frac{r(1-p)}{p^2}p2r(1−p)
正态分布 N(μ,σ2)N(\mu,\sigma^2)N(μ,σ2)	p(x)12πσexp⁡{−(x−μ)22σ2},−∞<x<+∞p(x)\frac{1}{\sqrt{2\pi}\sigma}\exp\left\{-\frac{(x-\mu)^2}{2\sigma^2}\right\},\quad -\infin <x<+\infinp(x)2πσ1exp{−2σ2(x−μ)2},−∞<x<+∞	μ\muμ	σ2\sigma^2σ2
均匀分布 U(a,b)U(a,b)U(a,b)	p(x)=1b−a,a<x<bp(x)=\frac{1}{b-a},\quad a<x<bp(x)=b−a1,a<x<b	a+b2\frac{a+b}{2}2a+b	(b−a)212\frac{(b-a)^2}{12}12(b−a)2
指数分布 Exp(λ)Exp(\lambda)Exp(λ)	p(x)=λe−λx,x⩾0p(x)=\lambda e^{-\lambda x},\quad x\geqslant 0p(x)=λe−λx,x⩾0	1λ\frac{1}{\lambda}λ1	1λ2\frac{1}{\lambda^2}λ21
伽马分布 Ga(α,λ)Ga(\alpha,\lambda)Ga(α,λ)	p(x)=λαΓ(α)xα−1e−λx,x⩾0p(x)=\frac{\lambda^\alpha}{\Gamma(\alpha)}x^{\alpha-1}e^{-\lambda x},\quad x\geqslant 0p(x)=Γ(α)λαxα−1e−λx,x⩾0	αλ\frac{\alpha}{\lambda}λα	αλ2\frac{\alpha}{\lambda^2}λ2α
X2(n)\mathcal{X}^2(n)X2(n)分布	p(x)=xn/2−1e−x/2Γ(n/2)2n/2,x⩾0p(x)=\frac{x^{n/2-1}e^{-x/2}}{\Gamma(n/2)2^{n/2}},\quad x\geqslant 0p(x)=Γ(n/2)2n/2xn/2−1e−x/2,x⩾0	nnn	2n2n2n
贝塔分布 Be(a,b)Be(a,b)Be(a,b)	p(x)=Γ(a+b)Γ(a)Γ(b)xα−1(1−x)b−1,0<x<1p(x)=\frac{\Gamma(a+b)}{\Gamma(a)\Gamma(b)}x^{\alpha-1}(1-x)^{b-1},\quad 0<x<1p(x)=Γ(a)Γ(b)Γ(a+b)xα−1(1−x)b−1,0<x<1	aa+b\frac{a}{a+b}a+ba	ab(a+b)2(a+b+1)\frac{ab}{(a+b)^2(a+b+1)}(a+b)2(a+b+1)ab
对数正态分布 LN(μ,σ2)LN(\mu,\sigma^2)LN(μ,σ2)	p(x)=12πσxexp⁡{−(ln⁡x−μ)22σ2},x>0p(x)=\frac{1}{\sqrt{2\pi}\sigma x}\exp\left\{-\frac{(\ln x-\mu)^2}{2\sigma^2}\right\},x>0p(x)=2πσx1exp{−2σ2(lnx−μ)2},x>0	eμ+σ2/2e^{\mu+\sigma^2/2}eμ+σ2/2	e2μ+σ2(eσ2−1)e^{2\mu+\sigma^2}(e^{\sigma^2}-1)e2μ+σ2(eσ2−1)
柯西分布 Cau(μ,λ)Cau(\mu,\lambda)Cau(μ,λ)	p(x)=1πλλ2+(x−μ)2,−∞<x<+∞p(x)=\frac{1}{\pi}\frac{\lambda}{\lambda^2+(x-\mu)^2},\quad -\infty<x<+\inftyp(x)=π1λ2+(x−μ)2λ,−∞<x<+∞	不存在	不存在
韦布尔分布	p(x)=F′(x),F(x)=1−exp⁡{−(xη)m},x>0p(x)=F'(x),F(x)=1-\exp\left\{-(\frac{x}{\eta})^m\right\},x>0p(x)=F′(x),F(x)=1−exp{−(ηx)m},x>0	ηΓ(1+1m)\eta\Gamma\left(1+\frac{1}{m}\right)ηΓ(1+m1)	η2[Γ(1+2m)−Γ2(1+1m)]\eta^2\left[\Gamma\left(1+\frac{2}{m}\right)-\Gamma^2\left(1+\frac{1}{m}\right)\right]η2[Γ(1+m2)−Γ2(1+m1)]

常用概率分布及其数学期望和方差相关推荐

几何分布的期望和方差公式推导_数学期望、方差、协方差
概论: 一维随机变量期望与方差二维随机变量期望与方差协方差 1.一维随机变量期望与方差: 公式: 离散型: E(X)=∑i=1->nXiPi Y=g(x) E(Y)=∑i=1->ng( ...
概率论基础（7）数学期望、方差、协方差、切比雪夫不等式
概率论对于学习 NLP 方向的人,重要性不言而喻.于是我打算从概率论基础篇开始复习,也顺便巩固巩固基础. 这是基础篇的第七篇知识点总结基础:下面前六篇的链接地址: 概率论基础(1)古典和几何概型及事 ...
几何分布的期望和方差公式推导_超几何分布的数学期望与方差推导
考虑个外表相同的物品,其中有个同类物品与另一类的个物品:抽取个物品,每个物品的抽取等概率随机. 上述便是一个超几何分布(Hypergeometric Distribution)的基本模型. 抽 ...
概率论由相关性求数学期望和方差的公式_概率论与数理统计（马涛）第4章——数学期望与方差.ppt...
§3. 协方差及相关系数一定义设 X,Y 是两个随机变量, 称为随机变量 X,Y 的协方差. 并称注 1. 为随机变量 X,Y 的相关系数. 2. 是一个无量纲的量: 3. 若 , 则称 X ...
数学期望，方差，标准差，样本方差，协方差，相关系数概念扫盲
数学期望在概率论和统计学中,数学期望(mean)(或均值,亦简称期望)是试验中每次可能结果的概率乘以其结果的总和,是最基本的数学特征之一.它反映随机变量平均取值的大小. 再举个例子理解一下数学期望: ...
013 数学期望及方差计算习题
013 数学期望及方差计算习题
011 数学期望、方差及方差性质
011 数学期望.方差及方差性质
概率论由相关性求数学期望和方差的公式_2020.3.30 | 考研数学—概率论与数理统计：各章节考试重点...
考研数学有两大重点,基础要打好,练习要多做,错题要巩固.下面来看下有关概率论与数理统计相关复习内容,一起来学习吧! 一.概率与数理统计学科的特点(1)研究对象是随机现象高数是研究确定的现象,而概率研究 ...
数学期望、方差、标准差、协方差、残差、均方差、均方误差、均方根误差、均方根值对比分析及python实现
内容较多,如有错误之处请评论区留言以便更正,内容仅供参考. 文章目录期望(Expected value) 意义定义离散型连续型期望与平均值的区别方差(Variance) 案例概率论方差 ...
概率统计：数学期望、方差、协方差、相关系数、矩
一 .数学期望(均值): 在概率论和统计学中,数学期望(mean)(或均值,亦简称期望)是试验中每次可能结果的概率乘以其结果的总和.是最基本的数学特征之一.它反映随机变量平均取值的大小.其公式如下: ...

常用概率分布及其数学期望和方差

常用概率分布及其数学期望和方差相关推荐

最新文章

热门文章