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
咚咚王者2 天前
人工智能之数学基础 概率论与统计:第一章 基础概念
人工智能·概率论
_Li.2 天前
机器学习-贝叶斯公式
人工智能·机器学习·概率论
咚咚王者2 天前
人工智能之数学基础 概率论与统计:第二章 核心定理
人工智能·概率论
Y_fulture3 天前
datawhale组队学习:第一章习题
学习·机器学习·概率论
醒过来摸鱼4 天前
空间直线方程
线性代数·概率论
Small___ming5 天前
【人工智能数学基础】标准贝叶斯公式的一般化推导:从单一条件到任意多条件
人工智能·机器学习·概率论
gongfuyd5 天前
傅里叶变换、拉普拉斯变换、Z 变换的定义及关系
算法·机器学习·概率论
Jerryhut6 天前
sklearn函数总结九— 朴素贝叶斯
机器学习·scikit-learn·概率论·sklearn
zyq~6 天前
【课堂笔记】统计
笔记·概率论
CS创新实验室7 天前
概率分布基本概念的深入理解
统计·概率论·概率分布