概率论论文

哈尔滨工业大学

《概率论与数理统计》论文

正态分布的重要意义及应用

班级：XXX

姓名：XXX

学号：XXX

哈尔滨工业大学数学系 201X 年 11 月 26日

正态分布的重要意义及应用

摘要：正态分布是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。它概率论中最重要的一种分布，也是自然界最常见的一种分布。高斯（Gauss）在研究误差理论时首先用它来刻画误差的分布，故正态分布又称为高斯分布。经验表明，生产与科学实验中很多随机变量的概率分布都近似地用正态分布来描述。在实际中，许多随机变量都服从或近似服从这种“中间大，两头小”的正态分布。例如，测量一个零件长度的测量误差，向一中心点射击的横向偏差或纵向偏差，等等，正态分布不仅在实际应用中有重要意义，而且在理论上也有很重要的意义。

关键字：正态分布高斯分布连续型随机变量

正文

1.正态分布的来源

正态分布是最重要的一种概率分布。正态分布概念是由德国的数学家和天文学家德莫佛于1733年首次提出的，德莫佛最早发现了二项分布的一个近似公式，这一公式被认为是正态分布的首次露面，但由于德国数学家高斯率先将其应用于天文学的研究，故正态分布又叫高斯分布。在高斯刚作出这个发现之初，也许人们还只能从其理论的简化上来评价其优越性，其全部影响还不能充分看出来。这要到20世纪正态小样本理论充分发展起来以后。拉普拉斯在知道高斯的工作后，马上将其与他发现的中心极限定理联系起来，为此，他在即将发表的一篇文章(发表于1810年）上加上了一点补充，指出如若误差可看成许多量的叠加，根据他的中心极限定理，误差理应有高斯分布。这是历史上第一次提到所谓“元误差学说”——误差是由大量的、由种种原因产生的元误差叠加而成。后来到1837年，海根在一篇论文中正式提出了这个学说。

正态分布的密度函数 ：)2/()(2221)(σμπσ--=

x e x f

3.正态分布的性质

服从正态分布的变量的频数分布由μ、σ完全决定。

1、集中性：正态曲线的高峰位于正中央，即均数所在的位置。

2、对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。

3、均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。

4、u 变换：为了便于描述和应用，常将正态变量作数据转换。μ是正态分布的位置参数，描述正态分布的集中趋势位置。正态分布以X=μ为对称轴，左右完全对称。正态分布的均数、中位数、众数相同，均等于μ。

5、正态分布有两个参数，即均数μ和标准差σ，可记作N （μ，σ）：均数μ决定正态曲线的中心位置；标准差σ决定正态曲线的陡峭或扁平程度。σ越小，曲线越陡峭；σ越大，曲线越扁平。

6、σ描述正态分布资料数据分布的离散程度，σ越大，数据分布越分散，σ越小，数据分布越集中。 也称为是正态分布的形状参数，σ越大，曲线越扁平，反之，σ越小，曲线越瘦高。

7. P(μ-σ

P(μ-2σ

P(μ-3σ

4.正态分布的实际应用 正态分布有极其广泛的实际背景，生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布来描述。例如，在生产条件不变的情况下，产品的强力、抗压强度、口径、长度等指标；同一种生物体的身长、体重等指标；同一种种子的重量；测量同一物体的误差；弹着点沿某一方向的偏差；某个地区的年降水量；以及理想气体分子的速度分量，等等。一般来说，如果一个量是由许多微小的独立随机因素影响的结果，那么就可以认为这个量x

y

具有正态分布（见中心极限定理）。从理论上看，正态分布具有很多良好的性质 ，许多概率分布可以用它来近似；还有一些常用的概率分布是由它直接导出的，例如对数正态分布、t 分布、F 分布等。其主要应用如下：

1.估计频数分布

一个服从正态分布的变量只要知道其均数与标准差就可根据公式即可估计任意取值范围内频数比例。

2. 质量控制：为了控制实验中的测量误差，常以测量最大最小值作为上、下警戒值，以标准差作为上、下控制值。这样做的依据是：正常情况下测量（或实验）误差服从正态分布。

3.制定医学参考值范围:在一些医学现象中，例如同质群体的身高、红细胞数、血红蛋白量，以及实验中的随机误差，呈现为正态或近似正态分布；有些指标虽服从偏态分布，但经数据转换后的新变量可服从正态或近似正态分布，可按正态分布规律处理。其中经对数转换后服从正态分布的指标，被称为服从对数正态分布。

4.统计方法的理论基础：如t 分布、F 分布、分布都是在正态分布的基础上推导出来的，u 检验也是以正态分布为基础的。此外，t 分布、二项分布、Poisson 分布的极限为正态分布，在一定条件下，可以按正态分布原理来处理。

下面我们有一道实际问题的例题来看一下正态分布的应用

问题某公司准备考试招工300名，其中280名正式工，20名临时工，实际报考人数1657名。考满分400名，考试不久后，通过当地新闻网络媒体得到这样的一个消息：

考试平均成绩是166分，在360分以上的有31名，某考生A 的成绩是256分。问他能录取不？若被录取，是正式工还是临时工？

下面我们就用正态分布来解决这个问题

例1.先预测最低分数线，设最低分数线是0χ，设考生的成绩是X ，对一次成功的考生来说，X 服从正态分布,即()2~166,X N σ

则 ()166

~0,1x Y N σ-=

有题设知 ()360160313601657

P X P Y σ-??>=>≈ ??? 于是 3601603601603110.9811657P Y σσ--????Φ=≤≈-= ? ?????

查正态分布表，得 360160

2.0893σσ-≈?=

所以 ()2~166,93X N

因为最低录取分数线0χ的确应使高于此线的考生的频率等于

3001657，即 ()00166300931657x P X x P Y -??>=>≈ ??

? 于是 001661663110.89193931657x x P Y --????Φ=≤≈-= ? ?????

001660.9125193

x x -?

=?= 即最低录取分数线为251分

下面预测考生A 的名次，其考分256=x ()()2561662560.83193P X x P X -??≤=≤=Φ≈ ???

()2560.169P X ?>≈

次表示成绩高于考生A 的人数约占总人数的0016.9

16570.169282?≈

即考生A 大约排在283名。

结论：因为该考生靠了256分，大于录取分数线251分。因此该考生能被录取。但因为他是283名，排在280名之后，所以他不能被录取为正式工，只能是临时工。

5.正态分布的理论意义

20世纪前半期，概论论研究的中心课题之一，就是寻求独立随机变量和的极限分布是正态分布的条件。因此，这一方面的定理统称为中心极限定理，较一般的中心极限定理表明：若被研究的随机变量是大量独立随机变量的和，其中每一个随机变量对于总和只起微小作用，则可认为这个随机变量近似于正态分布。这就揭示了正态分布的重要性。因为现实中许多随机变量都具有上述性质，例如测量误差，射击着弹点的横坐标，人的身高等都是由大量随机因素综合影响的结果，因而是近似正态分布。

独立分布的中心极限定理

如果随机变量序列ｘ１，ｘ…，…ｘｎ…，…独立同分布，并且具有有限的数学期

望和方差Ｅ（ｘｉ）＝μ，Ｄ（ｘｉ）＝σ2＞０（ｉ＝１，２，…），此时X i 不关

服从什么分布，只要n 充分大，随机变量 就近似服从N （0，1），而随机变量 近似地服从N （n μ，n σ2），此时就称 渐进的服从N （0,1）

从此可以看出正态分布在理论上的重要作用，我们用一道例题对其进行讲解 例2.一部件包括10部分，每部分的长度是一随机变量，相互独立且具有同一分布，其数学期望为2 mm ，均方差为0.05 mm ，规定总长度为20mm 0.1 mm 时产

品合格，试求产品合格的概率。已知：( 0.6 ) = 0.725；( 0.63 ) = 0.7357。解：设每个部分的长度为Xi ( i = 1, 2,…, 10 )

E ( X

i ) = μ =2 , D( X

i

) = σ2= ( 0.05 ) 2 ,依题意，得合格品的概率为

从上面的例题可以看出正态分布其在各个方面的广范应用。

6.总结

正态分布的应用是广泛的，这里列举的只是有限的几个方面的应用。现今德国10马克的印有高斯头像的钞票，其上还印有正态分布的密度曲线。这传达了一种想法：在高斯的一切科学贡献中，其对人类文明影响最大者，就是这一项--正态分布。研究正态分布具有十分重要的意义，本文中，我仅从起源、定义、性质介绍正态分布，并对正态分布的应用及其价值等方面作了些初步的研究和探索。正态分布的更深层面的探索还需要我们去研究。

参考文献

【1】概率论与数理统计（第三版）高等教育出版社

【2】概率论与数理统计清华大学出版社龚光鲁

【3】概率论与数理统计/王勇主编。——北京：高等教育出版社，2007.7

概率论课程小论文

《概率论与数理统计》小论文概率与理性的发展 哈尔滨工业大学 2014年12月

《概率论与数理统计》课程小论文 概率与理性的发展 摘要概率论是一门研究事件发生的数学规律的学科。他起源于生活中的实际问题的思考，较传统的几何学等起步较晚，在伯努利、泊松等数学家的努力下，形成了现如今较为完备的理论体系。他与数理统计一起，在工程设计、自然科学、社会科学、军事等领域起着重要作用。而概率论提出后有很多人感感兴趣对其进行研究的原因之一是很多事件的主观上对概率的判 断与实际的理论概率有着很大的差异，于是有关概率的悖论有很多，也有很多与直觉相悖的概率问题，这也是概率的魅力之一。本文将从概率的发展、概率与感性的差异等方面出发对概率与感性和理性进行探讨。 关键词概率悖论直觉理性 一、概率的发展 概率论的初步发展起源于十七世纪中叶的法国。在那里出现了对赌博问题的研究，也正是对赌博问题的研究，推动了概率论的发展。最初的问题是从分赌金开始的。[1] 最初的问题大致是这样的：甲乙双方是竞技力量相当的对手，每人各拿出32枚金币，以争胜负。在竞争中，取胜一次，得一分。最先获得3分的人取得全部赎金64枚金币。可是，因某种缘故，竞争3次，赌博被迫终止。而此时，甲得2分，乙得1分，问赌金如何分配？很多问题的开端都是利益的纠纷，这也是一个例子，双方都会为自己的利益考虑而提出对这笔赌金的分法，而从直觉上看，很多理由似乎也是很有道理的。但是真相只有一个，到底理论上最公平的分法是怎样的？这个问题的当事人爱好赌博的德梅雷 向其好友著名的数学家帕斯卡请教，这个问题也受到了帕斯卡的关注。帕斯卡与其好友费尔马进行了三个月的书信往来讨论这个问题，最终得到了满意的答案：假设两赌徒中甲赢了两局，乙一局未赢，那么接下来可能出现的情况是：若甲再赢一局，得3分，将获全部赌金；若乙赢一局，出现2:1的局

概率论论文

概率论与数理统计总结（1-5章节） 第一章&第二章概率论引论& 条件概率 本章知识点： 1．随机事件及其运算（随机试验，随机事件与样本空间，事件之间的关系及其运算） 2．概率的定义、性质及其运算（频率，概率的统计定义，古典概率，概率的公理化定义，概率的性质） 3．条件概率及三个重要公式（乘法公式，全概率公式，贝叶斯公式） 4．事件的独立性及贝努里(Bernoulli)概型 理解重点： 1.理解随机事件的概念，了解样本空间的概念，掌握事件的关系与基本运算； 2.理解事件频率的概念，了解随机现象的统计规律性，理解概率的公理化定义和概率的其它性质； 3.理解古典概率的定义，掌握古典概率的计算，了解几何概率的定义及计算； 4.掌握概率的基本性质和应用这些性质进行概率计算； 5.理解条件概率的概念，熟练掌握条件概率的计算，熟练掌握乘法公式、全概率公式和贝叶斯公式以及应用这些公式进行概率计算； 6.理解事件的独立性概念，掌握应用事件独立性进行概率计算，理

解贝努利试验的概念，熟练掌握二项概率公式（贝努利概型）及其应用。 第一节随机事件 一、概率论序言 二、随机试验与随机事件 （一）随机试验 1．试验可在相同条件下重复进行； 2．每次试验的可能结果不止一个，而究竟会出现哪一个结果，在试验前不能准确地预言； 3．试验所有可能结果在试验前是明确(已知)的，而每次试验必有其中的一个结果出现，并且也仅有一个结果出现。 满足上述三个特性的试验，叫做随机试验，简称试验，并用字母E 等表示。 （二）随机事件 随机试验的结果称为随机事件，简称事件。 1．必然事件：在试验中一定出现的结果，记作Ω； 2．不可能事件：在试验中一定不会出现的结果，记作Φ； 3．随机事件：在试验中可能出现也可能不出现的结果，常用大写拉丁字母A、B、C…表示； 4．基本事件(样本点)：试验最基本的结果，记作ω； 5．样本空间(基本事件空间)：所有基本事件的集合，常用Ω表示；样本空间Ω中的元素是随机试验的可能结果。样本空间的任一子集称

概率论重要知识点总结

概率论重要知识点总结 概率论重要知识点总结 第一章随机事件及其概率 第一节基本概念 随机实验：将一切具有下面三个特点： （1）可重复性 （2）多结果性 （3）不确定性的试验或观察称为随机试验，简称为试验，常用表示。 随机事件：在一次试验中，可能出现也可能不出现的事情（结果）称为随机事件，简称为事不可能事件：在试验中不可能出现的事情，记为。必然事件：在试验中必然出现的事情，记为Ω。 样本点：随机试验的每个基本结果称为样本点，记作ω.样本空间：所有样本点组成的集合称为样本空间.样本空间用Ω表示.一个随机事件就是样本空间的一个子集。基本事件—单点集，复合事件—多点集一个随机事件发生，当且仅当该事件所包含的一个样本点出现。事件的关系与运算（就是集合的关系和运算）包含关系：若事件发生必然导致事件B发生，则称B 包含A，记为，则称事件A与事件B 相等，记为A＝B。 事件的和：“事件A 与事件B 至少有一个发生”是一事件，称此事件为事件A 与事件B 事件的积：称事件“事件A与事件B 都发生”为A 或AB。事件的差：称事件“事件A 发生而事件B 不发生”为事件A 与事件B 的差事件,记为A－B。用交并补可以表示为互斥事件：如果A，B两事件不

能同时发生，即AB＝Φ，则称事件A 与事件B 是互不相容事件或互斥事件。互斥时可记为A＋B。对立事件：称事件“A不发生”为事件A 的对立事件（逆事件），记为A 。对立事件的性质：事件运算律：设A，B，C为事件，则有： （1）交换律：AB=BA，AB=BA A(BC)=(AB)C=ABC （3）分配律：A(BC)＝(AB)(AC)ABAC （4）对偶律（摩根律）： 第二节事件的概率 概率的公理化体系：第三节古典概率模型1、设试验E 是古典概型,其样本空间Ω个样本点组成.则定义事件A 的概率为的某个区域，它的面积为μ(A)，则向区域上随机投掷一点，该点落在区域假如样本空间Ω可用一线段，或空间中某个区域表示，则事件A 的概率仍可用上式确定，只不过把μ理解为长度或体积即可.第四节条件概率条件概率：在事件B 发生的条件下，事件A 发生的概率称为条件概率，记作乘法公式： P(AB)=P(B)P(A|B)＝P(A)P(B|A)全概率公式：设第五节事件的独立性两个事件的相互独立：若两事件A、B 满足P(AB)=相互独立.三个事件的相互独立：对于三个事件A、B、C，若P(AB)=相互独立三个事件的两两独立：对于三个事件A、B、C，若P(AB)=两两独立独立的性质：若A 均相互独立总结： 1.条件概率是概率论中的重要概念，其与独立性有密切的关系，在不具有独立性的场合，它将扮演主要的角色。 2.乘法公式、全概公式、贝叶斯公式在概率论的计算中经常使用，应

概率论小论文

浅谈概率论 专业：环境设计 姓名：zhou 学号：66626edfe 【摘要】:概率论与数理统计课程是我们哈工大学生学习的一门应用性很强的必修基础课程。通过近一个学期的学习，我对概率论也有了一些粗浅的认识，这篇文章将从概率论的历史和发展讲起，接着对二项分布、泊松分布和正态分布之间的关系进行一个简单的论述，然后将概率论的一些概念与以往学过的概念进行类比，最后对概率论在工科数学分析中的几个巧用进行说明，并附加了几个实例。 【关键词】：二项分布泊松分布正态分布类比级数广义积分

正文 1 概率论的起源和发展 概率论不仅是当代科学的重要数学基础之一，而且还是当代社会和人类日常生活最必需的知识之一。正如十九世纪法国著名数学家拉普拉斯所说：“对于生活中的大部分, 最重要的问题实际上只是概率问题。你可以说几乎我们所掌握的所有知识都是不确定的, 只有一小部分我们能确定地了解。甚至数学科学本身, 归纳法、类推法和发现真理的首要手段都是建立在概率论的基础之上的。因此,整个的人类知识系统是与这一理论相联系的。”然而, 饶有趣味的是, 这门被拉普拉斯称为“人类知识的最重要的一部分”的数学却直接地起源于一种相当独特的人类行为的探索: 人们对于机会性游戏的研究思考。所谓机会性游戏就是靠运气取胜一些游戏, 如赌博等。这种游戏不是哪一个民族的单独发明, 它几乎出现在世界各地的许多地方, 如埃及、印度、中国等。著名的希腊历史学家希罗多德在他的巨著《历史》中写道: 早在公元前1500年, 埃及人为了忘却饥饿的困扰, 经常聚集在一起掷骰子和紫云英,这是一种叫做“猎犬与胡狼”的游戏, 照一定规则,根据掷出各种不同的紫云英而移动筹码。大约从公元前1200年起, 人们把纯天然的骨骼(如脚上的距骨) 改进成了立方体的骰子。[1] 二十世纪以来, 概率论逐渐渗入到自然科学、社会科学、以及人们的日常生活等几乎无所不在的领域中去.无论在研究领域, 还是教育领域, 它愈来愈成为一门当今最重要的学科之一。于是, 对于概率论历史的研究也日益引起科学史学家们的重视。在概率论发展历史上, 十八、十九世纪之交法国最伟大的科学家之一拉普拉斯具有特殊的地位, 1812年拉普拉斯首次出版的《分析概率论》标志着概率论历史上的一个重要阶段--古典概率论的成熟。概率论发展到1901年, 中心极限定理终于被严格的证明了, 以后数学家正利用这一定理第一次科学地解释了为什么实际中遇到的许多随机变量近似服从以正态分布。到了20世纪的30年代, 人们开始研究随机过程, 著名的马尔可夫过程的理论在1931年才被奠定其地位。到了近代, 出现了理论概率及应用概率的分支, 及将概率论应用到不同范筹, 从而产生了不同学科。因此, 现代概率论已经成为一个非常庞大的数学分支。 2二项分布、泊松分布和正态分布之间的关系 2.1 二项分布、泊松分布之间的关系 定理1 泊松定理:在n重伯努利试验中,事件A在每次试验中发生的概率为 p n ,它与试验次数有关,如果 n lim0 n npλ →∞ =>，则对任意给定的k, 有

概率论论文

概率论论文 【摘要】概率论是研究随机现象规律性的一个数学分支，它来源于实际生活，也解决了实际生活中的许多问题。小概率事件是概率论中的一个具有实用意义的原理，在我们的日常生活中已经有广泛的应用。本文重点讨论的内容有：小概率事件的含义、小概率原理以及用彩票阐述小概率事件在日常生活中的实际应用，给出几点彩票玩法建议，并使人们对生活中的小概率事件树立正确的认识。 【Abstract】Probability theory is a mathematics branch of random phenomena regularity study, it comes from the actual life, and also solves many problems in actual life. Probability of small probability events is a principle of practical significance in our daily life which has a wide application. What is mainly discussed in this paper is the meaning of small probability events, small probability principle and the actual application expounded by lottery，small probability events in daily life, and suggestions about lottery play helping people establish correct understanding of small probability events. 【关键词】小概率事件彩票二项分布泊松分布 【Keywords】Small probability events,Lottery, Binomial distribution, Poisson distribution 1 引言 随着彩票在全国乃至全球的火热发行，对有些人来说，博彩已成为生活的一部分，影响之大不言而喻。由“一夜暴富”心理导致的盲目购买彩票已经成了社会的一个大问题，因此，虽然现在买彩票的人越来越多，但其中真正理智买彩票的却不多。大家都想把彩票当钞票，要知道即开彩大奖是属于小概率事件。社会上各种彩票的方式，玩法不尽相同，但是万变不离其宗，都包含了共同的规律。在这样的背景下我研究“小概率事件在彩票中的应用”是大有意义的。 概率学是专门研究随机事件规律的科学，它在彩票的购买中起着重要的作用，是概率论中一个简单但又极其有用的原理，是统计学存在、发展的基础。小概率事件作为在统计推断的理论及应用中有着重要作用的一个基本原理——实际推断原理，即小概率事件在一次试验中实际上是几乎不发生的，我们可以把它看成是不可能事件，这是概率论应用中的一条最基本的原理。对于自然界中的

概率论与数理统计期末总结

第1章 概率论的基本概念 1.1 随机试验 称满足以下三个条件的试验为随机试验： （1）在相同条件下可以重复进行； （2）每次试验的结果不止一个，并且能事先明确所有的可能结果； （3）进行试验之前，不能确定哪个结果出现。 1.2 样本点 样本空间 随机事件 随机试验的每一个可能结果称为一个样本点，也称为基本事件。 样本点的全体所构成的集合称为样本空间，也称为必然事件。必然事件在每次试验中必然发生。 随机试验的样本空间不一定唯一。在同一试验中，试验的目的不同时，样本 空间往往是不同的。所以应从试验的目的出发确定样本空间。 样本空间的子集称为随机事件，简称事件。 在每次试验中必不发生的事件为不可能事件。 1.3 事件的关系及运算 （1）包含关系 B A ?，即事件A 发生，导致事件B 发生； （2）相等关系 B A =，即B A ?且A B ?； （3）和事件（也叫并事件） B A C ?=，即事件A 与事件B 至少有一个发生； （4）积事件（也叫交事件） B A AB C ?==，即事件A 与事件B 同时发生； （5）差事件 AB A B A C -=-=，即事件A 发生，同时，事件B 不发生； （6）互斥事件（也叫互不相容事件） A 、 B 满足φ=AB ，即事件A 与事件B 不同时发生； （7）对立事件（也叫逆事件） A A -Ω=，即φ=Ω=?A A A A ,。

1.4 事件的运算律 （1）交换律 BA AB A B B A =?=?,； （2）结合律 ()()()()C AB BC A C B A C B A =??=??,； （3）分配律 ()()()()()()C A B A BC A AC AB C B A ??=??=?,； （4）幂等律 A AA A A A ==?, ； （5）差化积 B A AB A B A =-=-； （6）反演律（也叫德·摩根律）B A AB B A B A B A B A ?==?=?=?,。 1.5 概率的公理化定义 设E 是随机试验，Ω为样本空间，对于Ω中的每一个事件A ，赋予一个实数P （A ），称之为A 的概率，P （A ）满足： （1）1)(0≤≤A P ； （2）1)(=ΩP ； （3）若事件 ，，， ，n A A A 21两两互不相容，则有 () ++++=????)()()(2121n n A P A P A P A A A P 。 1.6 概率的性质 （1）0)(=φP ； （2）若事件n A A A ，， ， 21两两不互相容，则())()()(2121n n A P A P A P A A A P +++=??? ； （3）)(1)(A P A P -=； （4）)()()(AB P B P A B P -=-。 特别地，若B A ?，则)()(),()()(B P A P A P B P A B P ≤-=-； （5）)()()()(AB P B P A P B A P -+=?。

概率论结课论文

条件期望的性质和应用 1 条件期望的几种定义 1.1 条件分布角度出发的条件期望定义 从条件分布的角度出发，条件分布的数学期望称为条件期望。 由离散随机变量和连续随机变量条件分布的定义，引出条件期望的定义。 定义1 离散随机变量的条件期望 设二维离散随机变量(X,Y)的联合分布列为(),ij j i p P X x Y y ===， 1,2,,1,2,.i j =???=???，对一切使()10j j ij i P Y y p p +∞ ?====>∑的j y ，称 ()() |,(),1,2,j ij i i j i j j j P X x Y y p p P X x Y y i p P Y y ?====== = =???= 为给定j Y y =条件下X 的条件分布列。 此时条件分布函数为 () ()i i j i j i j x x x x F x y P X x Y y p ≤≤====∑∑； 同理，对一切使()1 0i i ij j P X x p p +∞ ?====>∑的i x ，称 ()()() j|i ,,1,2,j ij i j i i j P X x Y y p p P Y y X x j p P X x ? ====== = =???= 为给定i X x =条件下Y 的条件分布列。 此时条件分布函数为 ()()j j i j i j i y y y y F y x P Y y X x p ≤≤= === ∑∑。 故条件分布的数学期望（若存在）称为条件期望，定义如下 ()()i i i E X Y y x P X x Y y ====∑或()()j j j E Y X x y P Y y X x ====∑。 定义2 连续随机变量的条件期望 设二维连续随机变量（X,Y ）的联合密度函数为(,)p x y ，边际密度函数为 ()X p x 和()Y p y 。 对一切使()Y p y >0的y ，给定Y y =条件下X 的条件分布函数和条件密度函数 分别为(,) ()()x Y p u y F x y du p y -∞ =? ，()()() ,Y p x y p x y p y =； 同理对一切使()X p x >0的x ，给定X=x 条件下Y 的条件分布函数和条件密度

概率论知识点总结及心得体会

概率论总结及心得体会 2008211208班 08211106号 史永涛 班内序号：01 目录 一、前五章总结 第一章随机事件和概率 (1) 第二章随机变量及其分布 (5) 第三章多维随机变量及其分布 (10) 第四章随机变量的数字特征 (13) 第五章极限定理 (18) 二、学习概率论这门课的心得体会 (20) 一、前五章总结 第一章随机事件和概率 第一节：1.、将一切具有下面三个特点：（1）可重复性（2）多结果性（3）不确定性的试验或观察称为随机试验，简称为试验，常用E表示。 在一次试验中，可能出现也可能不出现的事情（结果）称为随机事件，简称为事件。

不可能事件：在试验中不可能出现的事情，记为Ф。 必然事件：在试验中必然出现的事情，记为S或Ω。 2、我们把随机试验的每个基本结果称为样本点，记作e 或ω. 全体 样本点的集合称为样本空间. 样本空间用S或Ω表示. 一个随机事件就是样本空间的一个子集。 基本事件—单点集，复合事件—多点集 一个随机事件发生，当且仅当该事件所包含的一个样本点出现。 事件间的关系及运算，就是集合间的关系和运算。 3、定义：事件的包含与相等 若事件A发生必然导致事件B发生，则称B包含A，记为B?A 或A?B。 若A?B且A?B则称事件A与事件B相等，记为A＝B。 定义：和事件 “事件A与事件B至少有一个发生”是一事件，称此事件为事件 A与事件B的和事件。记为A∪B。用集合表示为: A∪B={e|e∈A，或e∈B}。 定义：积事件 称事件“事件A与事件B都发生”为A与B的积事件，记为A∩ B或AB，用集合表示为AB={e|e∈A且e∈B}。 定义：差事件 称“事件A发生而事件B不发生,这一事件为事件A与事件B的差 事件,记为A－B,用集合表示为 A-B={e|e∈A，e?B} 。

哈工大概率论小论文

哈工大概率论小论文 篇一：哈工大概率论小论文概率论课程小论文计算机科学与技术学院信息安全专业一班(1303201) 姓名：宫庆红学号：1130320103 概率论中用到的几种数学思想作为数学中的一个重要分支，概率论同时用到了其他几种数学思想。本文着重从数学归纳法、集合论和微积分等几个方面进行简单的讨论。一．概率论中的数学归纳法思想在概率问题中常会遇到一些与试验次数无关的重要结论, 这些结论在使用数学归纳法来证明时, 常常需要配合使用全概率公式, 从而使概率论中的数学归纳法具有自己的特色。例l 设有冷个罐子, 在每一个罐子中各有m 个白球与k 个黑球, 从第一个罐子中任取一球放入第二个罐子中, 并依次类推。求从最后一个罐子中取出一个白球的概率。分析: 先探索规律, 设n =2 令H1=“ 从第一个罐子中取出一个球, 是白球” H2=“ 从第二个罐子中取出一个球, 是白球” 显然P(H1)=m m?k,所求之概率 P(HL)=P(H1)P(H2|H1)+P(H1’)P(H2|H1) =mm?1kmm???? m?km?k?1m?km?k?1m?k 这恰与n=1时的结论是一样的，于是可以预见，不管n为什么自然数，所求的概率都应是m。 m?k上述预测的正确性是很容易用大家所熟知的数学归纳法来证明的。事实上，另Hi=“从i个罐子中去除一个球，是白球”(i=1,2,……n)设当n=t时，结论成立，即P(Ht)=m m?k 则当n=t+1时，有P(Ht+1)=P(Ht)P(Ht+1|Ht)+P(Ht’)P(Ht+1|Ht’) mm?1kmm???? m?km?k?1m?km?k?1m?k k于是，结论P(Hn)=对任意自然数n都是成立的。 m?k = 不难看出，在这里数学归纳法之所以能顺利进行，那是由于在知道从第t个罐中取出的球的颜色（比如是白球）之后，第t+1罐的新总体成分就完全清楚了。（相当于从第t罐取出的是白球，这时新的第t+1罐中就有m+1个白球，k个黑球）所以相应的条件概率P(Ht+1|Ht)=m?1m(或P(Ht|Ht’)=)也就随之而得了。m?k?1m?k?1 二．概率论中的微积分思想在我们现阶段所学习的概率论课程中，微积分是重要的基础。如何正确、巧妙地运用微积分方法和技巧是值得重视的问题。现在，简单归纳一些问题来说明微积分方法在概率论中有着广泛的应用。幂级数方法例1 设随机变量ξ服从参数为（r,p）的负二项分布，（r≧1,0 p 1）,即P{ξ=m}=Cm?1pr?1rqm?r,m=r,r+1,……q=1-p, 求E(ξ).解这道题的解题过程中要用到公式 1 (1?x)??Cmxr?1 m?r?rm?r。 ?1n这个公式是有??x(0?x?1)

概率论论文

概率论与数理统计在日常生活中的应用 学院：通信工程学院 班级：电子信息工程152 学号：208150654 姓名：王鑫 学校：南京工程学院

目录 摘要 引言 第一章基本知识点 1.1概率论的基本概念 1.2随机变量及其分布 1.3多维随机变量及其分布 1.4随机变量的数字特征 1.5大数定律和中心极限定理 1.6样本及抽样分布 1.7参数估计 1.8假设检验 1.9方差分析与回归分析 第二章在日常生活中的应用 2.1经济保险问题中的应用 2.2在经济损失估计中的应用 2.3在求解最大经济利润中的应用 2.4在医学领域中的概率论思想 2.5金融领域中的概率论思想 第三章结语及参考文献

摘要：数学作为一门工具性学科在我们的日常生活以及科学研究中扮演着极其重要的角色。概率论与数理统计作为数学的一个重要组成部分，在生活中的应用也越来越广泛，近些年来，概率论与数理统计知识也越来越多的渗透到经济学，心理学，遗传学等学科中，另外在我们的日常生活之中，赌博，彩票，天气，体育赛事等都跟概率学有着十分密切的关系。本文通过实例讨论概率统计在经济保险，经济损失估计、最大经济利润求解、医学应用、金融应用等日常生活中的应用 关键词：概率统计经济领域医学领域金融领域生活 引言：概率论与数理统计是一门相当有用的数学分支学科，随着社会的发展，概率论与数理统计在生活中的应用越来越多，我们在学习过程中也了解到概率论与数理统计在疾病预测，彩票，抽样调查，评估，彩票，保险，以及在经济中的一些广泛的应用比如说经济损失估计、最大经济利润求解、经济保险等，下面我用一些实例谈谈一些常见的概率论与数理统计在生活中的应用问题

概率论课程期末论文大作业

《概率论与数理统计》论文题目：正态分布及其应用 学院：航天学院 专业：空间科学与技术 姓名：黄海京 学号：1131850108

正态分布及其应用 摘要：正态分布（normal distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。正态分布有极其广泛的实际背景, 例如测量误差, 人的生理特征尺寸如身高、体重等 ,正常情况下生产的产品尺寸:直径、长度、重量高度,炮弹的弹落点的分布等, 都服从或近似服从正态分布，以及确定医学参考值范围，药品规格，用量等。可以说,正态分布是自然界和社会现象中最为常见的一种分布, 一个变量如果受到大量微小的、独立的随机因素的影响, 那么这个变量一般是一个正态随机变量。 关键词：正态分布， 一、正态分布的由来 正态分布（normal distribution）又名高斯分布（Gaussian distribution）。正态分布概念是由德国的数学家和天文学家Moivre于1733年受次提出的，但由于德国数学家Gauss率先将其应用于天文学家研究，故正态分布又叫高斯分布，高斯这项工作对后世的影响极大，他使正态分布同时有了“高斯分布”的名称，后世之所以多将最小二乘法的发明权归之于他，也是出于这一工作。 正态分布是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为：则其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是μ= 0,σ= 1的正态分布。 二、正态分布的特性 1. 正太分布的曲线特征 正态曲线呈钟型，两头低，中间高，左右对称，曲线与横轴间的面积总等于1。 （1）集中性：正态曲线的高峰位于正中央，即均数所在的位置。 （2）对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。 （3）均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。

概率论小论文Word版

概率论论文 浅谈敏感性问题调查与全概率公式的应用 学院专业： 班级： 学号：

姓名：Rabbit 联系方式： 浅谈敏感性问题调查与全概率公式的应用 Rabbit 英才学院自动化 摘要：敏感性问题在常见的各种调查中存在很大比重。然而，直接的敏感性问题提问由于极有可能导致受访者难堪而难以得到准确回答，进而严重影响了调查效果。而借助随机回答法和不相关问题模型，可以极大减少由于受访者主观因素导致的非抽样误差，进而得到关于敏感性问题问题的小误差统计结果。 关键词：敏感性问题随即回答法不相关问题模型全概率公式误差分析 引言：你考试是否作过弊吗？你是否违反过学校纪律？当被问及这些敏感问题时，许多人会然拒绝回答或者编造答案。然而，这样便难以得出准确的统计结果，也就难以根据所得数据进行分析，得出相关结论。 随机回答法给出了一种使被问人放心的方法，访问者并不知道被问者所回答的内容。不相关问题模型则在一定程度上减缓了受访者对询问者的敌意，更有助于得到诚实回答。随即回答法的本质则是全概率公式的应用。

一、随机回答法 1、随机化回答法与Warner模型 沃纳在1965年提出的随机化回答技术，基于“愈少泄漏问题的答案实质，愈能较好合作”的思想，通过巧妙设计的间题形式对被调查者的隐私和秘密加以保护，引导被问者的答案仅仅提供概率意义下的信息。通过这些信息完成调查，再用这种方法对总体的比例进行估计的模型，通称为沃纳模型。 假定我们想要估计总体中属于团体A 2、概率推导 数字12，除此以外，小球没有其它的区别。访问者从 被问者从混合均匀的一桶球中随便地选取一个，记下球上的数字，数字不要让访问者看见。被问者面前有两个问题： 问题1 问题2 他要求按照所选的数字回答相应的问题。虽然，访问者仅仅获得了“是”和“不是”的 下列的记号： 1 1的牌的概率。 2的牌的概率。

概率论与数理统计总结

第一章 随机事件与概率 第一节 随机事件及其运算 1、 随机现象：在一定条件下，并不总是出现相同结果的现象 2、 样本空间：随机现象的一切可能基本结果组成的集合，记为Ω={ω},其中ω 表示基本结果，又称为样本点。 3、 随机事件：随机现象的某些样本点组成的集合常用大写字母A 、B 、C 等表 示，Ω表示必然事件，?表示不可能事件。 4、 随机变量：用来表示随机现象结果的变量，常用大写字母X 、Y 、Z 等表示。 5、 时间的表示有多种： （1） 用集合表示，这是最基本形式 （2） 用准确的语言表示 （3） 用等号或不等号把随机变量于某些实属联结起来表示 6、事件的关系 （1）包含关系：如果属于A 的样本点必属于事件B ，即事件 A 发生必然导致事 件B 发生，则称A 被包含于B ，记为A ?B; （2）相等关系：若A ?B 且B ? A ，则称事件A 与事件B 相等，记为A ＝B 。 （3）互不相容：如果A ∩B= ?，即A 与B 不能同时发生，则称A 与B 互不相容 7、事件运算 （1）事件A 与B 的并：事件A 与事件B 至少有一个发生，记为 A ∪B 。 （2）事件A 与B 的交：事件A 与事件B 同时发生，记为A ∩ B 或AB 。 （3）事件A 对B 的差：事件A 发生而事件B 不发生,记为 A －B 。用交并补可以表示为B A B A =-。 （4）对立事件：事件A 的对立事件（逆事件），即 “A 不发生”，记为A 。 对立事件的性质：Ω=?Φ=?B A B A ,。 8、事件运算性质：设A ，B ，C 为事件，则有 （1）交换律：A ∪B=B ∪A ，AB=BA （2）结合律：A ∪(B ∪C)=(A ∪B)∪C=A ∪B ∪C A(BC)=(AB)C=ABC （3）分配律：A ∪(B ∩C)＝(A ∪B)∩(A ∪C)、 A(B ∪C)＝(A ∩B)∪(A ∩C)= AB ∪ AC （4）棣莫弗公式（对偶法则）：B A B A ?=? B A B A ?=? 9、事件域：含有必然事件Ω ，并关于对立运算和可列并运算都封闭的事件类ξ 称为事件域，又称为σ代数。具体说，事件域ξ满足： （1）Ω∈ξ; (2)若A ∈ξ，则对立事件A ∈ξ； （3）若A n ∈ξ，n=1,2，···，则可列并 ∞=1n n A ∈ξ 。

概率论论文

概率论在生活中的应用 摘要：概率论是研究随机现象统计规律的科学，是近代数学的一个重要组成部分。本文通过对概率论在生活中的应用进行探讨，感受和体会概率方法与思想在解决问题中的高效性、简洁性和实用性。 关键词:概率论；数学；应用 （一）概率论的介绍 概率论与数理统计是研究随机现象及其规律性的一门数学学科。研究随机变量的规律性有其独特的思想方法，它不是寻求出现每一现象的一切物理因素，不能用研究确定性现象的方法来研究随机变量，而是承认在所研究的问题中存在有一些人们不能认识或者根本不知道的随机因素作用下，发生了随机现象。这样，人们既可以通过试验来观察随机现象，揭示其规律性，做出决策，也可以根据实际问题的具体情况找出随机变量的规律，做出决策。 概率论是基于给出随机现象的数学模型，并用数学语言来描述它们，然后研究其基本规律，透过表面的偶然性，找出其内在规律性，建立随机现象与数学其他分支的桥梁，使得人们可以利用已成熟的数学工具和方法来研究随机现象，进而也为其他数学分支和其他新兴学科提供了解决问题的新思路和新方法。它不仅在科学技术，工农业生产和经济管理等研究中发挥着重要作用，而且在我们的生活中也经常发生，并对我们的生活产生影响。 （二）概率论的应用举例 下面举几个在生活中的应用的例子并进行一些分析讨论，从中可以看出概率论的思想在解决问题中的高效性、简洁性和实用性。 （1）在大学英语四级考试中，题型有听力、语法结构、阅读理解、填空、写作等。除写作15分外, 其余85道题是单项选择题, 每道题有A、B、C、D四个选项,这种情况使个别学生产生碰运气和侥幸心理, 那么靠运气能通过四级英语考试吗? 分析：在日常生活中我们总希望自己的运气能好一些,因此其中碰运气的也大有人在,就像考生面临考试一样,这其中固然有真才实学者，但也不乏抱着侥幸心理的滥竽充数者。那么, 对于一场像大学英语四级这样正规的考试仅凭运气能通过吗?我们可以通过概率的计算来解决这一问题。根据伯努利定理：设伯努利试验中事件A发生的概率为p(0＜p＜1)，则在n重伯努利试验中事件A恰好发生m次的概率为: (m=0,1,2,…,n) 这样假设不考虑写作15分,及格按60分算,则85道题必须答对51道题以上,可以看成85重贝努利试验。经过计算概率非常小, 相当于1 000亿个靠运气的考生中仅有0.874人能通过。所以靠运气通过考试是不可能的。 （2）如一对朋友间采用民主集中制讨论后决定，双方的快乐频率是80%，他们这样在一起快乐吗？ 分析：我们根据概率知识可以知道，100天内有70-90天时快乐的频率是服从均值np=80,方差np(1-p)=16的正态分布。可以记为N(80,16)。将其标准化，可以得到p{70＜X＜90}＝0.987，也就是说，基本上可以保证100天内两个人有70-90天的快乐，这就可以了。同时利用同样的方法可以算出，希望100天中有80天以上是快乐的概率是0.5，可以预测，要求的时间比80 多，概率会更加小。也就是说再好的朋友,也不要指望相处的每天都快乐，那是小概率事件，乃至是不可能事件。磕磕碰碰实在正常不过，因此双方应该用一种理智的心态看待双方关系，不要因为一次不愉快就否定一切，那是不符合规律的，必然会受到自然规律的惩罚。

概率论知识点总结

概率论知识点总结 基本概念随机实验：将一切具有下面三个特点：（1）可重复性（2）多结果性（3）不确定性的试验或观察称为随机试验，简称为试验，常用 E 表示。随机事件：在一次试验中，可能出现也可能不出现的事情（结果）称为随机事件，简称为事件。不可能事件：在试验中不可能出现的事情，记为Ф。 必然事件：在试验中必然出现的事情，记为Ω。 样本点：随机试验的每个基本结果称为样本点，记作ω、样本空间：所有样本点组成的集合称为样本空间、样本空间用Ω表示、一个随机事件就是样本空间的一个子集。基本事件多点集一个随机事件发生，当且仅当该事件所包含的一个样本点出现。事件的关系与运算（就是集合的关系和运算）包含关系：若事件A 发生必然导致事件B发生，则称B包含A，记为或。 相等关系：若且，则称事件A与事件B相等，记为A＝B。事件的和：“事件A与事件B至少有一个发生”是一事件，称此事件为事件A与事件B的和事件。记为A∪B。事件的积：称事件“事件A与事件B都发生”为A与B的积事件，记为A∩ B或AB。事件的差：称事件“事件A发生而事件B不发生”为事件A 与事件B的差事件,记为 A－B。用交并补可以表示为。互斥事件：如果A，B两事件不能同时发生，即AB＝Φ，则称事件A与事件B是互不相容事件或互斥事件。互斥时可记为A＋B。对立事

件：称事件“A不发生”为事件A的对立事件（逆事件），记为。对立事件的性质：。事件运算律：设A，B，C为事件，则有（1）交换律：A∪B=B∪A，AB=BA（2）结合律： A∪(B∪C)=(A∪B)∪C=A∪B∪C A(BC)=(AB)C=ABC（3）分配律：A∪(B∩C)＝(A∪B)∩(A∪C) A(B∪C)＝(A∩B)∪(A∩C)= AB∪AC（4）对偶律（摩根律）： 第二节事件的概率概率的公理化体系：（1）非负性： P(A)≥0；（2）规范性：P(Ω)＝1（3）可数可加性：两两不相容时概率的性质：（1）P(Φ)＝0（2）有限可加性：两两不相容时当AB=Φ时P(A∪B)＝P(A)＋P(B)（3）（4）P(A－B)＝P(A)－ P(AB)（5）P（A∪B）＝P(A)＋P(B)－P(AB)第三节古典概率模型 1、设试验E是古典概型, 其样本空间Ω由n个样本点组成,事件A由k个样本点组成、则定义事件A的概率为 2、几何概率：设事件A是Ω的某个区域，它的面积为 μ(A)，则向区域Ω上随机投掷一点，该点落在区域 A 的概率为假如样本空间Ω可用一线段，或空间中某个区域表示，则事件A 的概率仍可用上式确定，只不过把μ理解为长度或体积即可、第四节条件概率条件概率：在事件B发生的条件下，事件A发生的概率称为条件概率，记作 P(A|B)、乘法公式：P(AB)=P(B)P(A|B)＝P(A)P(B|A)全概率公式：设是一个完备事件组，则

概率论与数理统计结课论文

概率论与数理统计课程总结报告——概率论与数理统计在日常生活中的应用 姓名： 学号： 专业：电子信息工程

摘要：数学作为一门工具性学科在我们的日常生活以及科学研究中扮演着极其重要的角色。概率论与 数理统计作为数学的一个重要组成部分，在生活中的应用也越来越广泛，近些年来，概率论与数理统计知识也越来越多的渗透到经济学，心理学，遗传学等学科中，另外在我们的日常生活之中，赌博，彩票，天气，体育赛事等都跟概率学有着十分密切的关系。本文着眼于概率论与数理统计在我们生活中的应用，通过前半部分对概率论与数理统计的一些基本知识的介绍，包括概率的基本性质，随机变量的数字特征及其分布，贝叶斯公式，中心极限定理等，结合后半部分的事例分析讨论了概率论与数理统计在我们生活中的指导作用，可以说，概率论与数理统计是如今数学中最活跃，应用最广泛的学科之一。 关键词：概率论 数理统计 经济生活 随机变量 贝叶斯公式 基本知识 §1.1 概率的重要性质 1.1.1定义 设E 是随机试验，S 是它的样本空间，对于E 的每一事件A 赋予一个实数，记为P （A ），称为事件的概率。 概率)(A P 满足下列条件： （1）非负性：对于每一个事件A 1)(0≤≤A P （2）规范性：对于必然事件S 1)S (=P （3）可列可加性：设n A A A ,,,21 是两两互不相容的事件，有∑===n k k n k k A P A P 1 1 )()( （n 可以取∞） 1.1.2 概率的一些重要性质 （i ） 0)(=φP （ii ）若n A A A ,,,21 是两两互不相容的事件，则有∑===n k k n k k A P A P 1 1 )()( （n 可以取∞） （iii ）设A ，B 是两个事件若B A ?，则)()()(A P B P A B P -=-，)A ()B (P P ≥ （iv ）对于任意事件A ，1)(≤A P （v ）)(1)(A P A P -= （逆事件的概率） （vi ）对于任意事件A ，B 有)()()()(AB P B P A P B A P -+=?

概率论与数理统计结课论文

概率论的发展与应用 摘要：概率论与数理统计是一门研究随机现象及其规律性的数学学科。通过实验来观察随机现象，揭示其规律性，或根据实际问题的具体情况找出随机现象的规律。它起源于17世纪中叶，法国数学家帕斯卡、费马及荷兰数学家惠更斯基于排列组合方法，研究利用古典概型解决赌博中提出的一些问题。由于社会的发展和工程技术问题的需要，促使概率论不断发展，许多科学家进行了研究。发展到今天，概率论与数理统计在自然科学，社会科学，工业生产，金融及日常生活实际等诸多领域中起着不可替代的作用。 关键词：概率论与数理统计；起源与发展；应用 1.概率论的起源与发展 1.1 概率论的起源 概率论的起源与赌博有关，在17世纪中叶，一位名叫德·梅尔的赌徒向帕斯卡提出了“分赌注问题”即两个人决定赌若干局，事先约定谁先赢得s局便算赢家。如果在一个人赢a(a

概率论与数理统计小结

概率论与数理统计主要内容小结 概率部分 1、全概率公式与贝叶斯公式 全概率公式： )()|()(11B P B A P A P = ++)()|(22B P B A P )()|(n n B P B A P + 其中n B B B ,,,21 是空间S 的一个划分。 贝叶斯公式：∑== n j j j i i i B A P B P B A P B P A B P 1 ) |()() |()()|( 其中n B B B ,,,21 是空间S 的一个划分。 2、互不相容与互不相关 B A ,互不相容0)(,==?B A P B A φ 事件B A ,互相独立))(()(B A P B A P =? ; 两者没有必然联系 3、几种常见随机变量概率密度与分布律:两点分布，二项分布，泊松分布，均匀分布，二项分布，指数分布，正态分布。 ),,1(~p b X 即二点分布，则分布律为.1,0,)1(}{1=-==-k p p k x P k k ),,(~p n b X 即二项分布，则分布律为.,...,1,0,)1(}{n k p p C k x P k n k k n =-==- ),(~λπX 即泊松分布，则分布律为,......1,0,! }{== =-k k e k x P k λ λ ),,(~b a U X 即均匀分布，则概率密度为.,0),(,1 )(??? ??∈-=其它 b a x a b x f ),(~θE X 即指数分布，则概率密度为.,00 ,1)(?? ???>=-其它x e x f x θ θ ),,(~2σμN X 即正态分布，则则概率密度为+∞<<-∞= - x e x f x ,21)(2 2π .