概率论与数理统计

简介: 1.基本概念随机变量 记为XX. 分布函数 记为F(x)=P{X≤x}F(x)=P\{X\le x\}. 概率密度 若F(x)=∫x−∞f(t)dtF(x)=\int _{-\infty}^xf(t)dt,则f(x)f(x)称为随机变量X的概率密度. 先验概率与后验概率 先验概率:在实验之前求某件事发生的概率。 后验概率:事实已经发生,求何种情况导致此事发生的概

1.基本概念

随机变量
记为X.
分布函数
记为F(x)=P{Xx}.
概率密度
F(x)=xf(t)dt,则f(x)称为随机变量X的概率密度.
先验概率与后验概率
先验概率:在实验之前求某件事发生的概率。
后验概率:事实已经发生,求何种情况导致此事发生的概率

2.常用分布

二项分布
如果随机变量X有分布律

P{X=k}=Cknpkqnk,k=0,1,...,n,q=1p

则称X服从参数为 n,p的二项分布,记作 XB(n,p)

若每次试验成功的概率为p,则n次独立重复试验中,成功的总次数X服从二项分布.

几何分布
如果随机变量X有分布律

P{X=k}=pqk1

则称X服从参数为 p的几何分布.

若每次试验成功的概率为p,则n次独立重复试验中,第k次实验才首次成功的概率服从二项分布.

泊松分布
如果随机变量X有分布律

P{X=k}=λkk!eλ

则称X服从参数为 λ的泊松分布.记为 XP(λ)

一段时间内候车的旅客数,电话总机接到的呼叫次数等都服从泊松]分布.

均匀分布
X在区间[a,b]上服从均匀分布,记作XU[a,b]
正态分布

f(x)=12πσe(xμ)22σ2

其中 μ,σ为常数且 σ>0,则称X服从参数为 μ,σ的正态分布,记为 XN(μ,σ2)
标准正态分布
在正态分布中,当 μ=0,σ=1时,即 XN(0,1),称X服从标准正态分布,此时的概率密度为 f(x)=12πex22

3.常用定理

贝叶斯定理
P(A|B)=P(AB)P(B)=P(B|A)P(A)P(B)

目录
相关文章
|
存储 负载均衡 算法
Hash介绍与应用详解
哈希算法在计算机科学中有着广泛而重要的应用,从数据存储、数据完整性校验到密码安全和分布式系统中的负载均衡,哈希函数都发挥着关键作用。通过本文的介绍和示例代码,希望您能更好地理解哈希的基本概念和实际应用,并在您的项目中有效地应用这些知识。
2079 3
|
安全
基于SEIR模型的传染病预测软件开发(完整代码+数据集+报告)
基于SEIR模型的传染病预测软件开发(完整代码+数据集+报告)
512 0
基于SEIR模型的传染病预测软件开发(完整代码+数据集+报告)
|
11月前
|
传感器 人工智能 资源调度
智能Agent与灵活调用的背景
本文介绍了智能Agent的基本概念及其灵活调用的实现方式,通过具体代码示例展示了如何设计具备灵活调用能力的智能Agent系统。文章首先阐述了智能Agent的定义、特点及分类,接着详细解释了灵活调用的意义、目标及其实现步骤。最后,探讨了灵活调用在实际应用中的挑战及未来的发展方向。
|
存储 PHP 数据安全/隐私保护
spl_object_hash() 函数
spl_object_hash() 函数
|
JavaScript 前端开发
checkbox中checked属性总结
checkbox中checked属性总结
392 0
|
存储 算法 机器人
Threejs路径规划_基于A*算法案例V2
这篇文章详细介绍了如何在Three.js中使用A*算法进行高效的路径规划,并通过三维物理电路的实例演示了路径计算和优化的过程。
445 0
|
敏捷开发 测试技术
软件测试人员的思维方式
软件测试人员的思维方式
261 0
|
开发框架 JavaScript 前端开发
什么是渐进式框架?作用是什么?如何使用?
什么是渐进式框架?作用是什么?如何使用?
1054 0
|
机器学习/深度学习 边缘计算 安全
互联网安全的现状与防护策略
互联网安全问题已经成为了一个全球性的挑战,涉及到个人隐私、商业利益和国家安全。为了应对不断增加的威胁,我们需要采取多层次的安全策略,包括强化密码安全性、更新软件、多层次防御和数据加密。随着技术的不断发展,我们有望在未来看到更多创新的安全解决方案的出现,以应对不断变化的网络威胁。
1003 1
互联网安全的现状与防护策略
|
前端开发 JavaScript API
ES6和ES5的区别
ES6和ES5的区别
264 0