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
我要学习别拦我~2 天前
挑战概率直觉:蒙提霍尔问题的解密与应用
经验分享·概率论
一条星星鱼2 天前
从0到1:如何用统计学“看透”不同睡眠PSG数据集的差异(域偏差分析实战)
人工智能·深度学习·算法·概率论·归一化·睡眠psg
无风听海2 天前
神经网络之从自由度角度理解方差的无偏估计
神经网络·机器学习·概率论
CLubiy3 天前
【研究生随笔】PyTorch中的概率论
人工智能·pytorch·深度学习·概率论
龙俊杰的读书笔记3 天前
《小白学随机过程》第一章:随机过程——定义和形式 (附录1 探究随机变量)
人工智能·机器学习·概率论·随机过程和rl
zyq~4 天前
【课堂笔记】概率论-1
笔记·概率论
十二imin11 天前
霍夫丁不等式详解
算法·机器学习·概率论
牟同學13 天前
从赌场到AI:期望值如何用C++改变世界?
c++·人工智能·概率论
likunyuan083017 天前
概率统计中的数学语言与术语2
概率论
MoRanzhi120322 天前
0. NumPy 系列教程:科学计算与数据分析实战
人工智能·python·机器学习·数据挖掘·数据分析·numpy·概率论