概率论常用的分布公式

01 常见离散型分布及其概率分布、期望和方差公式

伯努利分布

  • 概率分布 :
  • 期望: E(X)=p
  • 方差:D(X)=p(1−p)

二项分布

  • 概率分布 :
  • 期望:E(X)=np
  • 方差: D(X)=np(1−p)
  • **表示方法:**X∼B(n,p)

泊松分布

  • 概率分布 :
  • 期望:E(X)=λ
  • 方差: D(X)=λ
  • 表示方法:X∼P(λ)

几何分布

  • 概率分布 :
  • 期望 :
  • 方差 :

超几何分布

  • 概率分布 :
  • 期望 :
  • 方差 :
  • 表示方法:X∼h(n,N,M)

单点分布

  • 概率分布:P{x=a} = 1
分布名称 概率分布 期望公式 方差公式
0-1分布 P(X = 1) = p, P(X = 0) = q (q = 1 - p) E(X) = p Var(X) = pq
二项分布 P(X = k) = C(n, k) * p^k * q^(n-k) (k = 0, 1,..., n) E(X) = np Var(X) = npq
泊松分布 P(X = k) = (λ^k * e^(-λ)) / k! (k = 0, 1, 2,...) E(X) = λ Var(X) = λ
几何分布 P(X = k) = q^(k-1) * p (k = 1, 2, 3,...) E(X) = 1/p Var(X) = (1-p)/p^2
超几何分布 P(X = k) = (C(M, k) * C(N-M, n-k)) / C(N, n) (k = 0, 1,..., min(M, n)) E(X) = (nM)/N Var(X) = (nM(N-M)(N-n))/(N^2(N-1))

02 常见的连续型分布包括以下几种:

均匀分布

  • 概率密度函数 :
  • 期望 :
  • 方差 :

正态分布

  • 概率密度函数 :
  • 期望:E(X)=μ
  • 方差: Var(X)=σ^2
  • 标准化公式为:
  • 表示方法:N(μ,σ^2)

指数分布

  • 概率密度函数: f(x)=λexp(−λx) ,其中 x≥0
  • 期望: E(X)=1/λ
  • 方差 : Var(X)=1/λ^2

伽马分布

  • 概率密度函数 :
  • 期望:E(X)=α/λ
  • 方差: Var(X)=α/λ^2

贝塔分布

  • 概率密度函数 :
  • 期望: E(X)=a/(a+b)
  • 方差 :

卡方分布

  • 概率密度函数 :
  • 期望: E(X)=k
  • 方差: Var(X)=2k
  1. 柯西分布
    • 概率密度函数 :
    • 期望:不存在
    • 方差:不存在

对数正态分布

  • 概率密度函数 :
  • 期望 :
  • 方差 :

韦布尔分布

  • 概率密度函数 :
  • 期望 :
  • 方差 :
分布名称 概率密度函数 表示方法 期望 方差
正态分布 N(μ,σ^2) μ
均匀分布 U(a,b)
指数分布 Exp(λ)
伽玛分布 Γ(r,λ)
贝塔分布 B(α,β)
对数正态分布 LN(μ,σ^2)
韦布尔分布 W(k,λ)
相关推荐
computersciencer18 天前
贝叶斯入门:由全概率公式引出贝叶斯公式
笔记·数学建模·概率论
computersciencer18 天前
应用贝叶斯公式:迟到了,那坐的是哪种交通工具呢?
算法·机器学习·概率论
FPGA信号处理1 个月前
【应用随机过程】:更新过程与马尔可夫链入门
算法·概率论
金色光环1 个月前
【概率论详细笔记】泊松分布是怎么来的?应该怎么用?
笔记·概率论
Samson Bruce1 个月前
【数学之美】
线性代数·算法·概率论
程序猿阿森1 个月前
【机器学习实战】朴素贝叶斯算法详解:从概率基础到商品评论情感分析
算法·机器学习·概率论
坐看风云变幻1 个月前
《飞控数学与控制 · 新手入门连载》第 4 期|概率论与高斯分布:为什么 IMU 永远“测不准“
概率论
努力努力再努力wz1 个月前
【机器学习入门系列】从随机事件到正态分布:一文梳理概率论的核心知识
人工智能·机器学习·概率论
没有钱的钱仔1 个月前
最大似然估计(MLE)通俗理解
算法·机器学习·概率论
FPGA信号处理1 个月前
【信号检测与估计】第一次作业:无偏性、均方误差与最小方差无偏估计
人工智能·机器学习·概率论