概率论:常见分布的期望与方差、中心极限定理

目录

一、0、1分布

二、二项分布

三、泊松分布

四、均匀分布​

五、指数分布

六、正态分布

七、中心极限定理及其应用

(1)中心极限定理的定义

(2)使用示例


在学习中心极限定理的时候,常常需要用到不同分布的期望与方差公式,如果临时推导将浪费大量时间还不一定算的对,于是本文将常见分布的期望、方差公式直接给出。并有记忆方式进行辅助。

一、0、1分布

二、二项分布

三、泊松分布

而泊松分布的方差其实也可以近似看做二项分布的方差,只不过需要这样理解:

当然,你也可以直接套用方差的公式,利用无穷级数中的泰勒展开公式,类似上述求解期望的方式得到方差,不过非常的繁琐。

四、均匀分布

均匀分布的方差公式需要额外记忆一下,似乎并没有什么直观的方式记忆。我们直接死记硬背分母有个12,分子是区间的长度平方即可。

五、指数分布

六、正态分布

正态分布根本就不需要我们手动求解期望与方差,因为题目中已经给出了。

七、中心极限定理及其应用

(1)中心极限定理的定义

(2)使用示例

由此,我们看出来:

所谓的中心极限定理应用也非常简单,只需要大家能熟练的记忆上述常见分布的期望与方差,即可带入公式,最后利用一步标准化思想化为标准正态分布即可。

相关推荐
金色光环3 小时前
【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 天前
【数学之美】
线性代数·算法·概率论
程序猿阿森3 天前
【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5 天前
《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wz7 天前
【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8 天前
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9 天前
【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
for_ever_love__13 天前
概率与统计——分布、期望与贝叶斯,语言模型的建模基础
python·机器学习·大模型·概率论
lisw0514 天前
概率论:事件之间的关系与运算!
数据分析·概率论
lisw0515 天前
论数学期望与概率的关系及其应用!
概率论