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
金色光环4 天前
切比雪夫不等式的理解以及推导【超详细笔记】
概率论
幻风_huanfeng5 天前
人工智能之数学基础:概率论和数理统计在机器学习的地位
人工智能·神经网络·线性代数·机器学习·概率论
点云SLAM6 天前
海森矩阵(Hessian Matrix)在SLAM图优化和点云配准中的应用介绍
算法·机器学习·矩阵·机器人·概率论·最小二乘法·数值优化
港港胡说11 天前
概率论-独立同分布
概率论
F_D_Z13 天前
【EM算法】三硬币模型
算法·机器学习·概率论·em算法·极大似然估计
金色光环16 天前
概率论:理解区间估计【超详细笔记】
笔记·数学·概率论·数理统计·区间估计
微小冷22 天前
二关节机器人系统模型推导
线性代数·机器人·概率论·推导·拉格朗日函数·二关节机器人·机器人控制系统的设计
软件开发技术深度爱好者22 天前
概率中“都发生”和“至少一个”问题的解答
概率论·数学广角
FF-Studio24 天前
【硬核数学】3. AI如何应对不确定性?概率论为模型注入“灵魂”《从零构建机器学习、深度学习到LLM的数学认知》
大数据·人工智能·深度学习·机器学习·数学建模·自然语言处理·概率论
如果你想拥有什么先让自己配得上拥有1 个月前
概率论中的生日问题,违背直觉?如何计算? 以及从人性金融的角度分析如何违背直觉的?
金融·概率论