16种常见概率分布概率密度函数意义及其应用Word格式文档下载.docx
- 文档编号:17283292
- 上传时间:2022-11-30
- 格式:DOCX
- 页数:19
- 大小:200.15KB
16种常见概率分布概率密度函数意义及其应用Word格式文档下载.docx
《16种常见概率分布概率密度函数意义及其应用Word格式文档下载.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格式文档下载.docx(19页珍藏版)》请在冰豆网上搜索。
4.Beta分布(分布)
iCLJ.J-I
11
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
亘旦xa1(1x)b1
(a)(b)
ab
(ab)2(ab1)
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
la«
Mi7□瑚nbunMih
3
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。
f(x)甘
(a1)bx
e,x0
(a1)2(a2),a2
7.威布尔分布(Weibull分布、韦伯分布、韦布尔分布)
f(x)m-
m
X
X
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)
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。
1b
b2(xa)2
(1.7
.5.OOAo.12.」
-■=XY7TToooF*
10.2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
n彳x
1-
22
x2e2,x
为n的2分布,记为2~2(n)。
22n
E(X)n
Var(X)2n
11.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
(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«
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)
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 16 常见 概率 分布 密度 函数 意义 及其 应用