小插曲
其时这篇博客本来想先传到我的个人博客上的,结果发现公式在vscode中的pdf预览的时候完全ok,但是一传到hexo搭建的博客上的时候就出现了乱码的情况,好像是数学公式缺少渲染的插件,我说呢,唉,明天要是弄好了,再写一下解决的办法,界面就是如下所示:
下面进入正题
常用的离散型随机变量
一、二项分布
将该随机试验独立重复地进行n次.
独立:是指各次试验的结果互不影响
重复:是指在每次试验中P(A)=p保持不变,则称这n次独立重复试验叫n重伯努利试验。
公式 :说明(kn)表示同时在序号1到n中挑选k个的不同方法共有(kn)种
P(X=k)=(kn)pk(1−p)n−k,0<p<1,k=0,1,....,n
称随机变量X服从参数为n,p的二项分布,记为X~B(n, p)
特别的当n=1时:P(X=k)=(k1)pk(1−p)1−k=pk(1−p)1−k,0<p<1,k=0,1
二、 泊松分布
设随机变量X的取值为0,1,2,…,n,…,相应的分布律为
P(X=k)=k!λk∗e−λ,λ>0,k=0,1,2,...,n...
称随机变量X服从参数为λ的泊松分布,记为X~P(λ)
适用的场景
泊松分布也是一种常用的离散型分布,它常常与计数过程相联系,
例如:
(1)某一时段内某网站的点击量;
(2)早高峰时间段内驶入高架道路的车辆数;
(3)一本书上的印刷错误数.
泊松定理
在n重伯努利试验中,记A事件在一次试验中发生的概率为$ p_n ,如果当n→+∞时,有n p_n $→λ(>0),则
limn⟶+⋈(kn)pnk(1−pnn−k=k!λk∗e−λ)
常用的连续型随机变量
一均匀分布
设X为随机变量,对任意的二个实数a,b(a),概率密度函数为:
f(x)={a−b10if a<x<bif 其他
则称随机变量X服从区间(a,b)上的均匀分布,记为X~U(a,b).
若X~U(a,b),则相应的分布函数为:
F(x)=⎩⎪⎨⎪⎧0b−ax−a1if x<aif a≤x<bif x≥b
注意概率密度函数和分布函数的区别!
二、指数分布
设X为随机变量,概率密度函数为:
f(x)={λe−λx0if x≥0if 其他
则称随机变量X服从参数为λ的指数分布,记为X~E(λ)
若X~E(λ),则相应的分布函数为:
F(x)={01−e−λxif x<0if x≥0
由此得到,若X~E(λ),0<a<b,则P(a<X≤b)=F(b)-F(a)=$ e{λa}-e{-λb} $
三、正态分布
设X为随机变量,概率密度函数为:
f(x)=2πσ1e−2σ2(x−μ)2,−⋈<x<+⋈
则称随机变量X服从参数为μ(-∞<μ<+∞)和$ σ^2 (σ>0)的正态分布,记为X~N(μ, σ^2 $)
若X~N(μ,$ σ^2 $),则相应的分布函数为:
F(x)=∫∞12πσ1e−2σ2(x−μ)2dt
这个图像是一条光滑上升的S形曲线。
总结:才学习在makedown插入数学公式,竟然花费了半天时间终于把这篇文章写完了,我理解全部内容的时间都没有插入这些公式的时间长,泪目,不过也学习到了知识,发现了一篇公式表真的很全面,很用心,多亏了这篇公式表,不然这篇文章可能要更久,下面附上链接:
[知乎] (https://katex.org/docs/supported.html)