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
望十五江洋1 天前
泊松分布的参数可加性
线性代数·机器学习·概率论
lybugproducer1 天前
深度学习专题:模型训练的数据并行(三)
人工智能·深度学习·概率论
Small___ming3 天前
【人工智能数学基础】多元高斯分布
人工智能·机器学习·概率论
RE-19014 天前
《深入浅出统计学》学习笔记(二)
大数据·数学·概率论·统计学·数理统计·知识笔记·深入浅出
Small___ming6 天前
【人工智能数学基础】什么是高斯分布/正态分布?
人工智能·概率论
Small___ming7 天前
【人工智能数学基础】如何理解方差与协方差?
人工智能·概率论
月疯9 天前
样本熵和泊松指数的计算流程!!!
算法·机器学习·概率论
zyq~9 天前
【课堂笔记】概率论-3
笔记·概率论
RE-19019 天前
《深入浅出统计学》学习笔记(一)
大数据·数学·概率论·统计学·数理统计·知识笔记·深入浅出
phoenix@Capricornus10 天前
样本与样本值
人工智能·机器学习·概率论