离散型随机变量和连续型随机变量及其常见分布(下)

简介: 离散型随机变量和连续型随机变量及其常见分布

正文


连续型随机变量及其概率密度函数


定义:设X XX是随机变量,F ( X ) 是它的分布函数,若存在一个非负可积函数f ( x ) ),使得对任意的x ∈ R,有:

F(x)=P{X}


则称X 为连续型随机变量,其中f ( x )称为X 的概率密度函数,简称概率密度或密度函数

概率密度函数的性质


非负性:f ( x ) ≥ 0 , x ∈ R

18.png

若X 是连续型随机变量,对∀ a ∈ R ,有P { X = a } = 0 即对于连续型随机变量,取得某一点的概率为0(注意这里的概率为0不代表不可能事件)


常见的连续型随机变量的概率分布


1、均匀分布 U [ a , b ]


若随机变量X 的概率密度函数为


10.png

则称X XX在区间[ a , b ]上服从均匀分布,记为X ∼ U [ a , b ]易知f ( x ) ⩾ 0,并且


11.png

均匀分布中X的分布函数为


12.png

2、指数分布 E ( λ )

若随机变量X 的概率密度函数为


13.png


其中λ > 0为常数


则称随机变量XX服从参数为λ 失效率)的指数分布,记为X ∼ E ( λ )


显然f ( x ) ⩾ 0 f(x) ,且:

14.png

指数分布中X的分布函数为

15.png

3、正态分布 N ( μ , σ 2 )

若随机变量X XX的概率密度函数为

16.png

其中μ , σ ( σ > 0 ) 为常数,则称X 服从参数为μ , σ 的正态分布或高斯分布,记为X ∼ N ( μ , σ 2 ) X显然 f ( x ) ⩾ 0 ,且


17.png



标准正态分布 N ∼ ( 0 , 1 )


若X ∼ N ( μ , σ 2 ) , 则 ,

7.png

标准正态分布的分布函数:

8.png

标准正态分布的概率密度函数:

9.png













相关文章
|
7月前
|
机器学习/深度学习 数据挖掘
06 随机变量及其分布
06 随机变量及其分布
47 0
|
数据可视化 Python
概率学中的随机变量与分布
概率学中的随机变量与分布
概率学中的随机变量与分布
|
9月前
|
Ruby
(一)探索随机变量及其分布:概率世界的魔法
(一)探索随机变量及其分布:概率世界的魔法
(二)随机变量的数字特征:探索概率分布的关键指标
(二)随机变量的数字特征:探索概率分布的关键指标
|
机器学习/深度学习
离散型随机变量和连续型随机变量及其常见分布(上)
离散型随机变量和连续型随机变量及其常见分布
协方差与相关系数(标准协方差)
协方差与相关系数(标准协方差)
|
机器学习/深度学习 Linux Python
如何知道一个变量的分布是否为高斯分布?
如何知道一个变量的分布是否为高斯分布?
163 0
如何知道一个变量的分布是否为高斯分布?
|
移动开发
概率与信息论:期望、方差、标准差和协方差
概率与信息论:期望、方差、标准差和协方差
164 0

热门文章

最新文章