概率论几种易混淆的形式

  1. 正态分布标准型

x − μ σ \frac{x - \mu}{\sigma} σx−μ

  1. 大数定律形式

P { X ≤ ∑ i = 1 n x i − n μ n σ 2 } = ∫ − ∞ X 1 2 π e − x 2 2 d x P\{X \le \frac{\sum_{i= 1}^{n}x_i -n\mu}{\sqrt{n\sigma^2}} \} = \int _{-\infty}^{X}\frac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}dx P{X≤nσ2 ∑i=1nxi−nμ}=∫−∞X2π 1e−2x2dx

即:

P { X ≤ x ˉ − μ σ n } = ∫ − ∞ X 1 2 π e − x 2 2 d x P\{X \le \frac{\bar x -\mu}{\frac{\sigma}{\sqrt{n}}} \} = \int _{-\infty}^{X}\frac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}dx P{X≤n σxˉ−μ}=∫−∞X2π 1e−2x2dx

  1. 关于 χ 2 \chi^2 χ2的定理

( n − 1 ) S 2 σ 2 ∼ χ 2 ( n − 1 ) \frac{(n-1)S^2}{\sigma^2} \sim \chi^2(n-1) σ2(n−1)S2∼χ2(n−1)

  1. x ˉ − μ S / n ∼ t 2 ( n − 1 ) \frac{\bar x - \mu}{S/\sqrt{n}} \sim t^2(n-1) S/n xˉ−μ∼t2(n−1)
相关推荐
星火开发设计15 小时前
从公式到应用:卷积公式全面解析与实战指南
学习·算法·机器学习·概率论·知识·期末考试·卷积公式
张祥6422889042 天前
误差理论与测量平差基础笔记三
概率论
张祥6422889043 天前
误差理论与测量平差基础四
人工智能·机器学习·概率论
万行3 天前
机器学习&第三章
人工智能·python·机器学习·数学建模·概率论
AI科技星4 天前
光速飞行器动力学方程的第一性原理推导、验证与范式革命
数据结构·人工智能·线性代数·算法·机器学习·概率论
Niuguangshuo5 天前
EM算法详解:解密“鸡生蛋“的机器学习困局
算法·机器学习·概率论
sunfove5 天前
贝叶斯模型 (Bayesian Model) 的直觉与硬核原理
人工智能·机器学习·概率论
sunfove6 天前
上帝的骰子:概率论核心概念、分布与极限定理的直觉图解
概率论
张祥6422889046 天前
数理统计基础一
人工智能·机器学习·概率论
Zhibang Yue6 天前
非参数统计基础1——Pearson检验
统计·概率论·数理统计