16种常见概率分布概率密度函数意义及其应用Word下载.docx
《16种常见概率分布概率密度函数意义及其应用Word下载.docx》由会员分享，可在线阅读，更多相关《16种常见概率分布概率密度函数意义及其应用Word下载.docx（17页珍藏版）》请在冰豆网上搜索。
1
E（X）-
4.Beta分布（分布）
Beta分布记为X〜Be（a,b）,其中Beta（1,1）等于均匀分布，其概率密度函数可凸也可凹。
如果二项分布B（n,p）中的参数p的先验分布取Beta（a,b）,实验数据（事件A发生y次,非事件A发生n-y次）,则p的后验分布Beta（ay,bny）,即Beta分布为二项分布B（n,p）的参数p的共轭先验分布。
（x）0tx1etdt
5.Gamm分布
Gamma分布即为多个独立且相同分布的指数分布变量的与的分布，解决的问
题就是“要等到n个随机事件都发生，需要经历多久时间”，记为X~Ga（a,b）。
其中a0为形状参数,b0为尺度参数。
Gamma分布为指数分布Exp（）的参数、Poisson分布P（）的参数的共轭先验分布。
ba
f（x）—xa1ebx,x0
（a）
E（X）|
b
a
b2
6■倒Gamm分布
倒Gamma分布记为X~IGa（a,b）。
若随机变量X~Ga（a,b）,则丄~IGa（a,b）。
其中a0为形状参数,b0为尺度参数。
倒Gamma分布为指数X
分布Exp（）的参数丄、均值已知的正态分布N（,2）的参数2的共轭先验分
布。
（a1）2（a2）,a2
7.威布尔分布（Weibull分布、韦伯分布、韦布尔分布）
威布尔分布记为X~W（m,）。
其中m0为形状参数，0为尺度参数。
当m1,它就是指数分布；
m2时，就是Rayleighdistributen（瑞利分布）。
常用于拟合风速分布，并用最小二乘法、平均风速估计法或极大似然法求解其参数。
Var（X）1
/（x;
A,k）=
U"
）
4
DO
1.3
A=05,f
x
ab
xb
f（x）b
8.Pareto分布
Pareto分布记为X~Pa（a,b）。
其中b0为门限参数,a0为尺度参数。
Pareto
分布就是一种厚尾分布。
Pareto分布为均匀分布U（0,）的参数的共轭先验分
Weibulld.s^uiian
柑価呦raupC）
^i.k=i
Al■
Lk
■0.5
k■
1Tk
■1
—A■
1*k
-1,5
M=
1A
=5
（a1）（a2）
9.Cauchy分布（柯西分布、柯西-洛伦兹分布）
10.
Cauchy分布记为X~Ca（a,b）。
其中a为位置参数,b0为尺度参数。
中位数Mode（X）a,期望、方差都不存在。
如果X^Xz’I^Xn就是分别符合柯西分布的相互独立同分布随机变量，那么算术平均数X,,X2,,Xn/n服从同样的柯西分布。
标准柯西分布Ca（0,1）就是t分布的一个自由度。
这种分布更适合拟合那种比较扁、宽的曲线。
（1.7
.5.OOAo.12.」
-■=XY7TToooF*
11.2分布（卡方分布）
n
设X1,X2,|||,Xn就是来自N（0,1）的样本，则称统计量2Xi2服从自由度
i1
为n的2分布，记为2~2（n）。
22n
E（X）n
Var（X）2n
12.t分布
2X
设X~N（0,1）,Y~（n）,且X,Y相互独立,则称随机变量t服从自由度
为n的t分布。
记为t~t（n）。
当自由度n时,t分布将趋于N（0,1）。
有时样本量很小，不知道总体的标准偏差，则可以依赖t统计量（也称为t分数）的分布，其值
由下式给出：
仝~t（n1）,其中X就是样本均值，卩就是总体均值,s就是样本的
s
标准偏差,n就是样本大小。
n1
~2
E（X）0
Var（X）,n2
n2
12.F分布
设U~2（nJ,V〜2（n2）,且U,V相互独立,则称随机变量F
为（ni,n2）的F分布，记为F〜Fg^）。
设X!
X2^|,X^与冷丫2,|||自正态总体N（!
2）与N（2,I）的样本,且这两个样本相互独立。
就是这两个样本的样本均值
；
s2,s；
分别就是这两个样本的样本方差
S2T~F（n!
叽
2时,（X丫）厶
-11
Sw]——
\n1n2
2）〜tg
U
V服从自由度
Yn2分别就是来设X,Y分别
，则有
122）,其中
22
（m1）sg1）S2
qn22
n1n2
n1
ni
n2
X
n,%
匹1“x
2n2
Var（X）带帯討4
13.二项分布
二项分布十分好理解，给您n次机会抛硬币，硬币正面向上的概率为p,问在这n次机会中有k次（k奇1）硬币朝上的概率为多少。
记为X~B（n,p）。
当n足够大,
且p不接近于0也不接近于1时，二项分布B（n,p）可用正态分布N（np,np（1p））来
近似。
p（xk）二pkdp）nk，p[0,1]
E（X）np
Var（X）np（1p）
ai^Tflbdtibn,rfSlOQrp=9
14.泊松分布（Poisson分布）
泊松分布解决的就是“在特定一段时间里发生n个事件的概率”，记为
x~P（）。
当二项分布满足np时,二项分布近似为泊松分布。
泊松分布P（）
当足够大时,变成正态分布N（,）
k
e
P（Xk）
k!
15.对数正态分布
对数正态分布就是对数为正态分布的任意随机变量的概率分布。
如果丫就
是正态分布的随机变量，则exp（Y）就是对数正态分布；
同样，如果X就是对数正态分布，则ln（X）为正态分布，如果一个变量可以瞧成就是许多很小独立因子的乘积，则这个变量可以瞧作就是对数正态分布,如拟合风速分布模型,记为
X~LN（,2）。
（lnx）2
~r-2~
Var（X）（J1）e2
16.瑞利分布
当一个随机二维向量的两个分量呈独立的、有着相同的方差的正态分布时这个向量的模呈瑞利分布。
r>
W!
tr<
rMiilliatmta.6）
n.v
Kr<
tMipiUrCa）
No.-HvrMpetcr«
Miic*<
fk（n|,«
>
.r>
Ilrrvicmllhp）
1I'
•«
|»
|
P<
MU（n.F）
uiwrtrvl
II
Art^AiijecfiifA,^）
Cl如
dwn
••••'
2J
血I*I"
Arcaiii
dpi"
<
wiih^|a.u）
4♦aX,
I.Xj/Xj
Expoovtiti*U4w》
NencoaCral
MinUm
ml
Muth（K
uniform
Standard
HAylrifthlo）
Pnrr<
o（A
idIVIniukiiUr]
TSP（«
.K
lUnfoni
1/2
F»
t
NcxicratrnlF（»
i
idiavlg«
HIIIM（<
B・0・p
NswErtrallw<
A（,i.y,A）
WnbulKa.3）
'
、\
MInterns個.=）l"
V」
|K*iHvnnnrent
（iM>
Lnpnrr<
：
ninj>
IiivwU«
llw<
«
f.y
Puwcrla,$）
h«
（l-X）>
/A]
o■严
21"
•健
O|•
LogBofBBal（<
.
x（x肿心映A
I3>
A
R|/W3.ll■
£
（逬
\NolKrlltlAl<
||^i|IBa・Me.U
n«
o<
g*（.・0）WI門n
|X|Mi
|Error（«
.6.c）
Propcvrtio«
:
C:
（*«
ivi>
lulitNi_=*C
F:
FurnvifiaJKMwiiLw9
I:
ImriwF—R
l“：
M”,、rcmtlilivul«
m
MNlaMhwuiit
rR«
U<
k>
whlpe-
R：
RwuiiaalSpccUI<
wkv
8:
Feeding■mAlkMin
VVntu»
l«
*2、u'
rali«
»
•・A
XMaxlimiin・A
l4^a«
l»
r（A|TBiaiiKMlA*«
t.A.»
nA「s"
丿LVJ
K«
l・■>
f|ut«
iv«
HtNirMaw（n）1
V-.J
••-I'
V
KHoPnwmI-i.ti.4）
升级会员 