13 正态分布的概率密度、分布函数、数学期望与方差

13 正态分布的概率密度、分布函数、数学期望与方差

一、设随机变量X 服从正态分布)2,1(2

N ，求（1）)8.56.1(<≤-X P ；（2）)56.4(≥X P ． 解：(1))4.22

1

3.1()8.416.2()8.56.1(<-≤

-=<-≤-=<≤-X P X P X P 8950.09032.019918.0)]3.1(1[)4.2()3.1()4.2(1,01,01,01,0=+-=--=--=ΦΦΦΦ

(2))78.12

1

78.2(1)56.4(1)56.4(<-<

--=<-=≥X P X P X P )]78.2(1)78.1(1)]78.2()78.1([11,01,01,01,0ΦΦΦΦ-+-=---=

.0402.09973.09625.02=--

二、已知某种机械零件的直径X （mm ）服从正态分布)6.0,100(2

N ．规定直径在2.1100±（mm ）

之间为合格品，求这种机械零件的不合格品率． 解：设p 表示这种机械零件的不合格品率，则)2.1100(1)2.1100(≤--=>-=X P X P p ．

而)26

.0100

2()6.02.16.01006.02.1(

)2.1100(≤-≤-=≤-≤-=≤-X P X P X P 1)2(2)]2(1[)2()2()2(-Φ=Φ--Φ=-Φ-Φ= 9544.019772.02=-?= 故0456.09544.01=-=p ．

三、测量到某一目标的距离时发生的误差X (m)具有概率密度

3200

)20(22401)(--

=

x e

x f π

求在三次测量中至少有一次误差的绝对值不超过30m 的概率． 解：三次测量中每次误差绝对值都超过30米可表为

}30{}30{}30{>?>?>=ξξξD 第三次第二次第一次

因为)40,20(~2

N ξ，所以由事件的相互独立性，有

31

,01,033)]25.0(1)25.1([})3030{(})30{()(ΦΦ-+-=>+-<=>=ξξP ξP D P 13025.05069.0)8944.05987.02(33≈=--=

于是有

86975.013025.01)(1}30{=-=-=

四、设随机变量),(~2σμN X ，求随机变量函数X

e Y =的概率密度（所得的概率分布称为对

数正态分布）．

解：由题设，知X 的概率密度为

)(21)(2

22)(+∞<<-∞=

--

x e

x f x X σμσ

π

从而可得随机变量Y 的分布函数为

)()()(y e P y Y P y F X Y ≤=≤=．

当0≤y 时，有0)(=y F Y ；此时亦有0)(='y F Y ．

当0>y 时，有

dx e

y X P y F y

x Y ?∞

---

=

≤=ln 2)(2

221

)ln ()(σμσ

π．

此时亦有2

2

2)(ln 21)(σμσπ--

=

'y Y e

y

y F ．

从而可得随机变量Y 的概率密度为

??

???>≤=--.

0,21;0,

0)(22

2)(ln y e y

y y f y Y σμσπ

五、设随机变量X 与Y 独立，),(~211σμN X ，),(~2

22σμN Y ，求： (1) 随机变量函数bY aX Z +=1的数学期望与方差，其中a 及b 为常数； (2) 随机变量函数XY Z

=2

的数学期望与方差．

解：由题设，有211)(,)(σμ==X D X E ；222)(,)(σμ==Y D Y E ．从而有

(1)211)()()()()()(μμb a Y bE X aE bY E aX E bY aX E Z E +=+=+=+=；

2

2

2212221)()()()()()(σσb a Y D b X D a bY D aX D bY aX D Z D +=+=+=+=． (2)212)()()()(μμ===Y E X E XY E Z E ；

)()()()()()()()(22222222Y E X E Y E X E XY E Y X E XY D Z D -=-==

)()()]()()][()([2222Y E X E Y E Y D X E X D -++= )()()()()()(22X E Y D Y E X D Y D X D ++=

2

12222212221μσμσσσ++=．

几何分布的定义以及期望与方差的证明

几何分布的定义以及期望与方差 几何分布（Geometric distribution ）是离散型概率分布。其中一种定义为：在n 次伯努利试验中，试验k 次才得到第一次成功的机率。详细的说，是：前k-1次皆失败，第k 次成功的概率。 公式： 它分两种情况： 1. 得到1次成功而进行，n 次伯努利实验，n 的概率分布，取值范围为『1，2，3，...』; 2. m = n-1次失败，第n 次成功，m 的概率分布，取值范围为『0，1，2，3，...』. 由两种不同情况而得出的期望和方差如下： , ; , 。 概率为p 的事件A ，以X 记A 首次发生所进行的试验次数，则X 的分布列： ， 具有这种分布列的随机变量X ，称为服从参数p 的几何分布，记为X ~Geo (p )。 几何分布的期望 ，方差 。 高中数学教科书新版第三册（选修II ）比原来的修订本新增加随机变量的几何分布，但书中只给出了结论：（1）E p ξ= 1，（2）D p p ξ=-12，而未加以证明。本文给出证明，并用于解题。

（1）由P k q p k ()ξ==-1，知 E p pq q p kq p q q kq p k k ξ=++++=+++++--231232121 () 下面用倍差法（也称为错位相减法）求上式括号内的值。记 S q q kq k k =++++-12321 记S q q kq k =+++++-12321 qS q q k q k =+++-+-2121 () 相减， ()111121-=+++++=--q S q q q q k

则S q p =-=11122 () 还可用导数公式()'x nx n n =-1，推导如下： 12321+++++-x x kx k =+++++ x x x x k '()'()'()'23 6 12322221+++++-q q k q k =+++++()'q q q kq k 2323

(完整word版)常见分布的期望和方差

常见分布的期望和方差 x n (0,1) N()

概率与数理统计重点摘要 1、正态分布的计算：()()( )X F x P X x μ σ -=≤=Φ。 2、随机变量函数的概率密度：X 是服从某种分布的随机变量，求()Y f X =的概率密度：()()[()]'()Y X f y f x h y h y =。（参见P66～72） 3、分布函数(,)(,)x y F x y f u v dudv -∞-∞ = ?? 具有以下基本性质： ⑴、是变量x ，y 的非降函数； ⑵、0(,)1F x y ≤≤，对于任意固定的x ，y 有：(,)(,)0F y F x -∞=-∞=； ⑶、(,)F x y 关于x 右连续，关于y 右连续； ⑷、对于任意的11221212(,),(,),,x y x y x x y y <<　 　，有下述不等式成立： 22122111(,)(,)(,)(,)0F x y F x y F x y F x y --+≥ 4、一个重要的分布函数：1(,)(arctan )(arctan )23 x y F x y πππ2=++22的概率密度为：2222 6(,)(,)(4)(9)f x y F x y x y x y π?==??++ 5、二维随机变量的边缘分布： 边缘概率密度： ()(,)()(,)X Y f x f x y dy f y f x y dx +∞ -∞+∞ -∞ ==?? 边缘分布函数： ()(,)[(,)]()(,)[(,)]x X y Y F x F x f u y dy du F y F y f x v dx dv +∞ -∞-∞+∞ -∞ -∞ =+∞==+∞=?? ?? 二维正态分布的边缘分布为一维正态分布。 6、随机变量的独立性：若(,)()()X Y F x y F x F y =则称随机变量X ，Y 相互独立。简称X 与Y 独立。

几何分布的期望与方差

几何分布的期望与方差 康永清 高中数学教科书新版第三册（选修II ）比原来的修订本新增加随机变量的几何分布，但书中只给出了结论：（1）E p ξ=1，（2）D p p ξ=-12 ，而未加以证明。本文给出证明，并用于解题。 （1）由P k q p k ()ξ==-1，知 E p pq q p kq p q q kq p k k ξ=++++=+++++--231232121 () 下面用倍差法（也称为错位相减法）求上式括号内的值。记 S q q kq k k =++++-12321 qS q q k q kq k k k =+++-+-2121 () 两式相减，得 ()1121-=++++--q S q q q kq k k k S q q kq q k k k =----1112() 由01<

记S q q kq k =+++++-12321 qS q q k q k =+++-+-2121 () 相减， ()111121-=+++++=--q S q q q q k 则S q p =-=11122() 还可用导数公式()'x nx n n =-1，推导如下： 12321+++++-x x kx k =+++++=+++++x x x x x x x x k k '()'()'()'()' 2323 =-=----=-( )'()()()()x x x x x x 111112 2 上式中令x q =，则得 1231112122 +++++=-=-q q kq q p k () （2）为简化运算，利用性质D E E ξξξ=-22()来推导（该性质的证明，可见本刊6页）。 可见关键是求E ξ2 。 E p qp q p k q p k ξ22222123=+++++- =+++++-p q q k q k ()12322221 对于上式括号中的式子，利用导数，关于q 求导：k q kq k k 21-=()'，并用倍差法求和，有

一十种概率密度函数

一十种概率密度函数 function zhifangtu(x,m) %画数据的直方图,x表示要画的随机数,m表示所要画的条数%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% a=min(x); b=max(x); l=length(x); h=(b-a)/m; %量化x x=x/h; x=ceil(x); w=zeros(1,m); for i=1:l for j=1:m if (x(i)==j) %x(i)落在j的区间上，则w(j)加1 w(j)=w(j)+1; else continue end end end w=w/(h*l); z=a:h:(b-h); bar(z,w); title('直方图') function y=junyun(n) %0-1的均匀分布，n代表数据量，一般要大于1024 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% y=ones(1,n); x=ones(1,n); m=100000; x0=mod(ceil(m*rand(1,1)),m); x0=floor(x0/2); x0=2*x0+1; u=11; x(1)=x0; for i=1:n-1 x(i+1)=u*x(i)+0; x(i+1)=mod(x(i+1),m); x(i)=x(i)/m; end %x(n)单位化

x(n)=x(n)/m; y=x; function y=zhishu(m,n) %指数分布,m表示指数分布的参数,m不能为0.n表示数据量,n一般要大于1024 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% x=junyun(n); for i=1;n if (x(i)==0) x(i)=0.0001; else continue; end end u=log(x); y=-(1/m)*u; function y=ruili(m,n) %瑞利分布,m是瑞利分布的参数,n代表数据量,n一般要大于1024 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% x=junyun(n); for i=1:n if (x(i)==0) x(i)=0.0001; else continue; end end u=(-2)*log(x); y=m*sqrt(u); function y=weibuer(a,b,n) %韦布尔分布,a,b表示参数,b不能为0.n表示数据量,一般要大于1024 %a=1时,是指数分布 %a=2时,是瑞利分布%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% x=junyun(n); for i=1:n if (x(i)==0) x(i)=0.0001; else continue; end

16种常见概率分布概率密度函数、意义及其应用

目录 1. 均匀分布 (1) 2. 正态分布（高斯分布） (2) 3. 指数分布 (2) 4. Beta分布（：分布） (2) 5. Gamm 分布 (3) 6. 倒Gamm分布 (4) 7. 威布尔分布（Weibull分布、韦伯分布、韦布尔分布） (5) 8. Pareto 分布 (6) 9. Cauchy分布（柯西分布、柯西-洛伦兹分布） (7) 2 10. 分布（卡方分布） (7) 8 11. t分布................................................ 9 12. F分布 ............................................... 10 13. 二项分布............................................ 10 14. 泊松分布（Poisson 分布）............................. 11 15. 对数正态分布........................................

1. 均匀分布 均匀分布X ~U（a,b）是无信息的，可作为无信息变量的先验分布。

2. 正态分布（高斯分布） 当影响一个变量的因素众多，且影响微弱、都不占据主导地位时，这个变量 很可能服从正态分布，记作 X~N （」f 2）。正态分布为方差已知的正态分布 N （*2）的参数」的共轭先验分布。 1 空 f （x ）： —— e 2- J2 兀 o' E(X)， Var(X) _ c 2 3. 指数分布 指数分布X ~Exp （ ）是指要等到一个随机事件发生，需要经历多久时间。其 中，.0为尺度参数。指数分布的无记忆性： Plx s t|X = P{X t}。 f （X ）二 y o i E(X) 一 4. Beta 分布（一：分布） f （X ）二 E(X) Var(X)= (b-a)2 12 Var(X)二 1 ~2

61随机变量的概率分布、期望与方差1

如皋市薛窑中学2011届高三理科数学一轮复习 61随机变量的概率分布、期望与方差 【考点解读】 离散型随机变量及其分布列：A;超几何分布：A;条件概率及相互独立事件：A； n次独立重复试验的模型及二项分布：B;离散型随机变量的均值与方差：B 【复习目标】 1?了解取有限值的离散型随机变量及其分布列的概念，了解分布列对于刻画随机现象的重要性；会求某些简单的离散型随机变量的分布列。 2?了解超几何分布及其导出过程，并能进行简单的应用。 3?了解条件概率和两个事件相互独立的概念( 对条件概率的应用题不作要求 )。 4 ?理解n次独立重复试验的模型及二项分布，并能解决一些简单的实际问题。 5?了解取有限值的离散型随机变量的均值、方差的意义，会根据离散型随机变量的分布列求出期望值、方差。 活动一：基础知识 1. 随机变量： 1) 定义： _________________________________________________________ 。 2) ____________________________________ 表示方法：。 2. 随机变量分布列的定义： 假定随机变量X有n个不同的取值，它们分别是X1,X2丄X n且P(X=x i)=p i ,i=1,2, -n,① 称①为随机变量X 的概率分布列，简称X的分布列 3. 概率分布表 将①用表的形式表示如下： 4. 分布列的性质： 概率分布列中P(i 1,2L n)满足以下两个条件: (1) ______________________________ (2) ______________________________ 5. 两点分布 如果随机变量X只取两个可能值_0 和__________ 1 ___ ，则称该随机变量X服从0-1分布或两点分布并记为X?0-1或X?两点分布. 其概率分布表为： 其中丨min{ M , n}，且n N,M N,n,M,N N .称分布列

二项分布期望和方差的推导过程

二项分布期望和方差推导 若随机变量),(~p n B X ，则np X E =)(，)1()(p np X D -= 二项分布数学期望的证明： 注意到11--=k n k n nC kC （证明：11)]! 1()1[()!1()!1()!()!1()!1()!(!!--=---?--?=-?--?=-??=k n k n nC k n k n n k n k n n k n k n k kC ） 所以n n p p C X E )1(0)(00-?=111)1(1--?+n n p p C Λ+-?+-222) 1(2n n p p C Λ+-?+-k n k k n p p C k )1( 111)1()1(p p C n n n n -?-+--0)1(p p C n n n n -?+ 1101)1(---?=n n p p C n Λ+-?+--2211)1(n n p p C n Λ+-+---k n k k n p p nC ) 1(11 1121)1(p p C n n n n -?+---011 )1(p p C n n n n -?+-- 101)1([---=n n p C np Λ+-+--2111)1(n n p p C Λ+-+----k n k k n p p C )1(1111221)1(p p C n n n -+---])1(0111p p C n n n -+--- np p p np n =+-=-1])1[(，故np p p C i X E n i i n i i n ∑=-=-?=0)1()(； 二项分布方差的证明：)1()(p np X D -= 证明：i n i i p X E x X D ?-= ∑-12)]([)(i n i i i p X E X E x x ∑-?+-=122)]()(2[∑-??+?-?=n i i i i i i p X E p X E x p x 122])()(2[ ∑∑∑-=-?+?-?=n i n i i n i i i i i p X E p X E x p x 11 212 )()(2)()(22X E X E -= 故任何离散随机变量的方差均满足式子：)()()(22X E X E X D -= 当随机变量),(~p n B X 时，=)(X D 20 2)()1(np p p C i i n i n i i n --?-=∑ i n i n i i n p p C i i -=-?-=∑)1()1(0 220)1(p n p p C i i n i n i i n --?+-=∑（注意np p p C i X E n i i n i i n ∑=-=-?=0)1()(） i n i n i i n p p iC i -=-?-=∑)1()1(222p n np -+i n i n i i n p p nC i -=---?-=∑)1()1(21122p n np -+ i n i n i i n p p C i n -=---?-?=∑)1()1(21122p n np -+i n i n i i n p p C n n --=---?-?=∑)1()1(22 2222p n np -+ i n i n i i n p p C n n -=---?-=∑)1()1(22222p n np -+i n i n i i n p p C p n n --=---?-=∑)1()1(22 22222p n np -+ （指数之后凑组合数下标2-n ，利用展开式i i n n i i n n b a C b a ---=--∑=+22022) (） i n i n i i n p p C p n n ---=--?-=∑22 022 )1()1(22p n np -+

概率分布以及期望和方差

概率分布以及期望和方差 上课时间: 上课教师： 上课重点:掌握两点分布、超几何分布、二项分布、正态分布的概率分布及其期望和方差 上课规划：解题技巧和方法 一 两点分布 ⑴两点分布 如果随机变量X 的分布列为 X 1 0 P p q 其中01p <<，1q p =-，则称离散型随机变量X 服从参数为p 的二点分布． 二点分布举例：某次抽查活动中，一件产品合格记为1，不合格记为0，已知产品的合格率为80%，随机变量X 为任意抽取一件产品得到的结果，则X 的分布列满足二点分布． X 1 0 P 0.8 0.2 两点分布又称01-分布，由于只有两个可能结果的随机试验叫做伯努利试验，所以这种分布又称为伯努利分布． （2）典型分布的期望与方差： 二点分布：在一次二点分布试验中，离散型随机变量X 的期望取值为p ，在n 次二点分布试验中，离散型随机变量X 的期望取值为np ． 1、在抛掷一枚图钉的随机试验中，令10X ?=? ? ，针尖向上； ，针尖向下.，如果针尖向上的 概率为p ，试写出随机变量X 的概率分布． 2、从装有6只白球和4只红球的口袋中任取一只球，用X 表示“取到的 知识内容 典例分析

白球个数”，即???=，当取到红球时， ，当取到白球时， 01X ，求随机变量X 的概率分布． 3、若随机变量X 的概率分布如下： X 1 P 29C C - 38C - 试求出C ，并写出X 的分布列． 3、抛掷一颗骰子两次，定义随机变量 ?? ?=)(,1)(,0的点数数等于第二次向上一面当第一次向上一面的点 面的点数数不等于第二次向上一当第一次向上一面的点 ξ 试写出随机变量ξ的分布列． 4、篮球运动员比赛投篮，命中得1分，不中得0分，已知运动员甲投篮命中率的概率为P ． ⑴ 记投篮1次得分X ，求方差()D X 的最大值； ⑵ 当⑴中()D X 取最大值时，甲投3次篮，求所得总分Y 的分布列及Y 的期望与方差． 二 超几何分布

二项分布中方差的计算

二项分布中方差的计算 假设ξ~B (n ,p ), 即k n k k n q p C k P -==}{ξ 考虑E [ξ(ξ-1)]=Eξ2-Eξ 而 ∑∑ ∑∑=----=-=-=--=-----?-?=--=-=-n k k n k k n n k k n k n k k n k n k k n k k n q p C p n n q p k n k n n n q p k n k n k k q p C k k E 2 222222 )1()]!2(2[)!2()!2()1()! (!! ) 1()1()]1([ξξ 令2-=k i 上式=222220 22 2 )1()1(np p n p n n q p C p n n n i i n i i n -=-=-∑-=--- 即2222np p n E E -=-ξξ, 再将E ξ=np 代入上式,得)1(222222p np p n np np p n E -+=+-=ξ 最后得npq np p np p n E E D =--+=-=22222)()1()(ξξξ 例1的分布图 例2的分布图 4.2 超几何分布 例1的图形：

例2的图形： 定义4.2 设N 个元素分为两类, 有N 1个属于第一类, N 2个属于第二类(N 1+N 2=N ). 从中不重复抽样取n 个, 令ξ表示这n 个中第一类元素的个数, 则ξ的分布称为超几何分布, ),....,1,0()(2 1n m C C C m P n N m n N m N == =-ξ 规定: 如n

16种常见概率分布概率密度函数、意义及其应用

目录 1. 均匀分布 ...................................................................................................... 1 2. 正态分布（高斯分布） ........................................................................... 2 3. 指数分布 ...................................................................................................... 2 4. Beta 分布（β分布） .............................................................................. 2 5. Gamma 分布 .............................................................................................. 3 6. 倒Gamma 分布 ......................................................................................... 4 7. 威布尔分布(Weibull 分布、韦伯分布、韦布尔分布) ..................... 5 8. Pareto 分布 ................................................................................................. 6 9. Cauchy 分布（柯西分布、柯西-洛伦兹分布） (7) 10. 2χ分布（卡方分布） (7) 11. t 分布 ......................................................................................................... 8 12. F 分布 ........................................................................................................ 9 13. 二项分布 ................................................................................................ 10 14. 泊松分布（Poisson 分布） .............................................................. 10 15. 对数正态分布 ....................................................................................... 11 1. 均匀分布 均匀分布~(,)X U a b 是无信息的，可作为无信息变量的先验分布。 1 ()f x b a =-

二项分布的数学期望和方差

4EX np ∴== 100.40.6 2.4DX npq ==??= 222() 2.4418.4EX DX EX =+=+= 12. 解：8n =，0.2p = 根据二项分布的数学期望和方差的公式 1.6EX np == (1) 1.28DX npq np p ==-= 求解得 8n =，0.2p = 13. 解： ~(1,)B p ξ 2(1)9D p p ξ∴=-= 解方程2209 p p -+=，得23p =或13p = ξ∴的概率函数为 {}1(1)(0,1)k k p k p p k ξ-==-= 将13p =或23 p =代入，得ξ的概率函数为 {}121()()33 k k p k ξ-== 或 {}112()()(0,1)33k k p k k ξ-=== 14. 解：设ξ的概率密度为 1,()0, a x b f x b a ?≤≤?=-???其他 =3E ξ，1=3D ξ ∴得方程组2+=32()1 =12 3a b b a ????-???，解得24a b =??=?

1,24()=20x f x ?≤≤?∴???其他 ξ为连续型随机变量 {}=2=0p ξ∴ {}3312111<<3=()==22 p f x dx dx ξ?? 15. 解：设ξ表示直到取到废品为止所要取的产品个数，则ξ的概率函数 {}-1 ==0.050.95(=1,2,)k p k k ξ???? 当{}-1 ==(1)(=1,2,)k p k p p k ξ-???时，由幂级数 -12=1 1= (1)n n nx x ∞-∑ 2-13 =11=(1)n n x n x x ∞+-∑ 可计算 -1=11=(1)=k k E kp p p ξ∞-∑ 2-122=1 1=(1)()= k k p D k p p E p ξξ∞---∑ 本题中=0.05p 1==200.05 E ξ∴， 210.05==19.490.05 D ξ- 16. 解：8 22[()]DX EX E x =- 222[()]428EX DX E x ∴=+=+= 17. 解：由题意X 的分布律为 {}=(0)!k p X k e k λλλ-=>

16种常见概率分布概率密度函数、意义及其应用

目录 1.均匀分布 (1) 2.正态分布（高斯分布） (2) 3.指数分布 (2) 4.Beta分布（β分布） (2) 5.Gamma分布 (3) 6.倒Gamma分布 (4) 7.威布尔分布(Weibull分布、韦伯分布、韦布尔分布) (5) 8.Pareto分布 (6) 9.Cauchy分布（柯西分布、柯西-洛伦兹分布） (7) χ分布（卡方分布） (7) 10.2 11.t分布 (8) 12.F分布 (9) 13.二项分布 (10) 14.泊松分布（Poisson分布） (10) 15.对数正态分布 (11) 1.均匀分布 均匀分布~(,) X U a b是无信息的，可作为无信息变量的先验分布。

1()f x b a = - ()2 a b E X += 2 ()()12 b a Var X -= 2. 正态分布（高斯分布） 当影响一个变量的因素众多，且影响微弱、都不占据主导地位时，这个变量很可能服从正态分布，记作2~(,)X N μσ。正态分布为方差已知的正态分布 2(,)N μσ的参数μ的共轭先验分布。 22 ()2()x f x μσ-- = ()E X μ= 2()Var X σ= 3. 指数分布 指数分布~()X Exp λ是指要等到一个随机事件发生，需要经历多久时间。其中0λ>为尺度参数。指数分布的无记忆性：{}|{}P X s t X s P X t >+>=>。 (),0 x f x e x λλ-=> 1 ()E X λ = 2 1 ()Var X λ = 4. Beta 分布（β分布）

Beta 分布记为~(,)X Be a b ，其中Beta(1,1)等于均匀分布，其概率密度函数可凸也可凹。如果二项分布(,)B n p 中的参数p 的先验分布取(,)Beta a b ，实验数据（事件A 发生y 次，非事件A 发生n-y 次），则p 的后验分布(,)Beta a y b n y ++-，即Beta 分布为二项分布(,)B n p 的参数p 的共轭先验分布。 10 ()x t x t e dt ∞--Γ=? 1 1()()(1)()() a b a b f x x x a b --Γ+= -ΓΓ ()a E X a b = + 2 ()()(1) ab Var X a b a b = +++ 5. Gamma 分布 Gamma 分布即为多个独立且相同分布的指数分布变量的和的分布，解决的

二项分布、数学期望与方差专题复习 word 有详解 重点中学用

第十讲 二项分布及应用 随机变量的均值与方差 知识要点 1.事件的相互独立性(概率的乘法公式) 设A 、B 为两个事件，如果P (AB )＝P (A )P (B )，则称事件A 与事件B 相互独立． 2. 互斥事件概率的加法公式：如果事件A 与事件B 互斥，则P (A ＋B )＝P (A )＋P (B )． 3.对立事件的概率：若事件A 与事件B 互为对立事件，则P (A )＝1－P (B )． 4.条件概率的加法公式：若B 、C 是两个互斥事件，则P (B ∪C |A )＝P (B |A )＋P (C |A ) 5.独立重复试验：在相同条件下重复做的n 次试验称为n 次独立重复试验，即若用A i (i ＝1,2，…，n )表示第i 次试验结果，则 P (A 1A 2A 3…A n )＝P (A 1)P (A 2)P (A 3)…P (A n )． 注：判断某事件发生是否是独立重复试验，关键有两点 (1)在同样的条件下重复，相互独立进行；(2)试验结果要么发生，要么不发生． 6.二项分布：在n 次独立重复试验中，设事件A 发生的次数为X ，在每次试验中事件A 发生的概率为p ，那么在n 次独立重复试验中，事件A 恰好发生k 次的概率为P (X ＝k )＝Ck n p k ·(1－p ) n －k (k ＝0,1,2，…， n )，此时称随机变量X 服从二项分布，记作X ～B (n ，p )，并称p 为成功概率． 注：判断一个随机变量是否服从二项分布，要看两点 (1)是否为n 次独立重复试验．(2)随机变量是否为在这n 次独立重复试验中某事件发生的次数． 7.离散型随机变量的均值与方差及其性质 定义：若离散型随机变量X 的分布列为P (ξ＝x i )＝p i ，i ＝1,2，…，n . (1)均值：称E (X )＝x 1p 1＋x 2p 2＋…＋x i p i ＋…＋x n p n 为随机变量X 的均值或数学期望． (2)方差：D (X )＝∑n i ＝1 (x i －E (X ))2 p i 为随机变量X 的方差，其算术平方根D X 为随机变量X 的标 准差． (3)均值与方差的性质：(1)E (aX ＋b )＝aE (X )＋b ；(2)D (aX ＋b )＝a 2 D (X )．(a ，b 为常数) 8.两点分布与二项分布的均值、方差 变量X 服从两点分布： E (X )＝p ， D (X )＝p (1－p )； X ～B (n ，p )： E (X )＝np ，D (X )＝np (1－p ) 典例精析 例1.【2015高考四川，理17】某市A,B 两所中学的学生组队参加辩论赛，A 中学推荐3名男生，2名女生，B 中学推荐了3名男生，4名女生，两校推荐的学生一起参加集训，由于集训后队员的水平相当，从参加集训的男生中随机抽取3人，女生中随机抽取3人组成代表队 （1）求A 中学至少有1名学生入选代表队的概率. （2）某场比赛前，从代表队的6名队员中随机抽取4人参赛，设X 表示参赛的男生人数，求X 得分布列和数学期望.

几何分布的定义以及期望与方差的证明

几何分布的定义以及期望与方差 几何分布(Geometric distribution )是离散型概率分布。其中一种定义为：在n次伯努利试验中, 试验k次才得到第一次成功的机率。详细的说，是：前 k-1次皆失败，第k次成功的概率。 公式： 它分两种情况： 1. 得到1次成功而进行，n次伯努利实验，n的概率分布，取值范围为『1，2，3,…』; 2. m = n-1次失败，第n次成功，m的概率分布，取值范围为『0，1，2，3，...』. 由两种不同情况而得出的期望和方差如下： 概率为p的事件A，以X记A首次发生所进行的试验次数，则 X的分布列： P(X二灯二加(打二(1-P尸％ 口23…"?? 具有这种分布列的随机变量X，称为服从参数 p的几何分布，记为 X~Geo(p)。几何分布的期望 II )比原来的修订本新增加随机变量的几何分布，但书中 (1)E = -，(2)D二匕当，而未加以证明。本文给出证明，并用于解题。p P (1)由P「二k) =q k'p，知 高中数学教科书新版第三册(选修 只给出了结论:

< 2 k 1 2 k 1 E 二 p 2pq 3q p M p ，（1 2q 3q kq _ ） p 下面用倍差法（也称为错位相减法）求上式括号内的值。记 2 k 1 S k -1 2q 3q kq qSk =q 2q 2 (k -1)q k ， kq k 两式相减，得 2 k 1 k (1 一 q)S k =1 q q 恥川q - kq 1 _q k kq k (1 -q)2 k 由 0 ： p :: 1，知 0 ： q ： 1，则 lim q = 0，故 1 2p 3q 2 卡q k j 二 lim S k k _SC 从而E J p _ a 1 S — （|q|：：：1）（见教科书91页阅读材料），推导如下: 1 -q 记 S = 1 2q 3q 2 侶 - ^kq k 亠 qS = q 2q 2 亠亠(k - 1)q k ° 相减， 2 k 1 1 (1 -q)S =1 q q q 1 -q 1 (1 -q)2 也可用无穷等比数列各项和公式

今天在网上找到了一些概率密度函数的总结

今天在网上找到了一些概率密度函数的总结，怕以后找不到就先转到这里，呵呵统计工具箱函数 Ⅰ-1 概率密度函数 函数名对应分布的概率密度函数 betapdf 贝塔分布的概率密度函数 binopdf 二项分布的概率密度函数 chi2pdf 卡方分布的概率密度函数 exppdf 指数分布的概率密度函数 fpdf f分布的概率密度函数 gampdf 伽玛分布的概率密度函数 geopdf 几何分布的概率密度函数 hygepdf 超几何分布的概率密度函数 normpdf 正态（高斯）分布的概率密度函数 lognpdf 对数正态分布的概率密度函数 nbinpdf 负二项分布的概率密度函数 ncfpdf 非中心f分布的概率密度函数 nctpdf 非中心t分布的概率密度函数 ncx2pdf 非中心卡方分布的概率密度函数 poisspdf 泊松分布的概率密度函数 raylpdf 雷利分布的概率密度函数 tpdf 学生氏t分布的概率密度函数 unidpdf 离散均匀分布的概率密度函数 unifpdf 连续均匀分布的概率密度函数 weibpdf 威布尔分布的概率密度函数 Ⅰ-2 累加分布函数 函数名对应分布的累加函数 betacdf 贝塔分布的累加函数 binocdf 二项分布的累加函数 chi2cdf 卡方分布的累加函数 expcdf 指数分布的累加函数 fcdf f分布的累加函数 gamcdf 伽玛分布的累加函数 geocdf 几何分布的累加函数 hygecdf 超几何分布的累加函数 logncdf 对数正态分布的累加函数 nbincdf 负二项分布的累加函数 ncfcdf 非中心f分布的累加函数 nctcdf 非中心t分布的累加函数 ncx2cdf 非中心卡方分布的累加函数 normcdf 正态（高斯）分布的累加函数 poisscdf 泊松分布的累加函数 raylcdf 雷利分布的累加函数 tcdf 学生氏t分布的累加函数 unidcdf 离散均匀分布的累加函数

二项分布、超几何分布数学期望与方差公式的推导

二项分布、超几何分布数学期望与方差公式的推导 高中教材中对二项分布和超几何分布数学期望与方差公式没有给出推导公式，现笔者给出一推导过程仅供参考。 预备公式一 11--=k n k n nC kC （1≥n ） ，利用组合数计算公式即可证明。 预备公式二 []2 2)()()(ξξξE E D -=，证明过程可见教材。 预备公式三 2 2)1()1(---=-k n k n C n n C k k （2,2≥≥k n ） ，利用组合数计算公式即可证明。 预备公式四 ),,,,(022110n k m k N k n m C C C C C C C C C k n m m k n k m n k m n k m n ≤≤∈=++++++--Λ，利用恒等 式m n n m x x x )1()1() 1(++=++的二项展开式中k x 的系数相等可证。 一、二项分布 在n 次独立重复试验中，每次试验中事件A 发生的概率为p （10<

超几何分布的期望和方差详细证明

超几何分布的期望和方差 山西大学附属中学 韩永权 hyq616@https://www.doczj.com/doc/ab7461113.html, 一般地，在含有M 件次品的N 件产品中，任取n 件，其中恰有X 件次品数，则事件 {}X k =发生的概率为(),0,1,2,,k n k M N M n N C C P X k k m C --===, 其中min{,}m M n =，且,,,,n N M N n M N N *≤≤∈．称分布列 为超几何分布列．如果随机变量 X 的分布列为超几何分布列，则称随机变量 X 服从超几何分布，记作：(,,)X H n N M 口诀记忆： 总N ，次M ， 取n 1 求证：X 的数学期望()M E X n N = 0 ()k n k m M N M n k N k E X C C C --=?=∑ 11 1 (01)n n k n k m n m n M N M M N M M N M M N M N k m C C C C C C C C C -------= ??+??+ +??+ ?? （ 由1 1k k M M k M C C --=?得） 1 1 2 1111111 () n n k n k m n m n M N M M N M M N M M N M N M M M M C C C C C C C C C --------------= ??+??+ +??+ ?? 0 1 1 2 1 1 1111()n n k n k m n m n M N M M N M M N M M N M N M C C C C C C C C C --------------= ?+?+ +?+ ? 11 n n N N M C C --= (由 1 1 n n m n m n M N M M N M M N M N C C C C C C C -----+++=得) M n N = ∴()M E X n N = 和二项分布的期望()E X np =一致 2 X 的数学方差:()(1)1M M N n D X n N N N -=-- 证明：由22 ()()D X EX EX =-22 ()k n k m M N M n k N k M n N C C C --=?= -∑ x 0 1 m p n M N M n N C C C -? 1 1 n M N M n N C C C --? m n m M N M n N C C C --?

常见分布的期望和方差

常见分布的期望和方差

概率与数理统计重点摘要 1、正态分布的计算：()()()X F x P X x μ σ-=≤=Φ。 2、随机变量函数的概率密度：X 是服从某种分布的随机变量，求()Y f X =的概率密度：()()[()]'()Y X f y f x h y h y =。（参见P66～72） 3、分布函数(,)(,)x y F x y f u v dudv -∞-∞=??具有以下基本性质： ⑴、是变量x ，y 的非降函数； ⑵、0(,)1F x y ≤≤，对于任意固定的x ，y 有：(,)(,)0F y F x -∞=-∞=； ⑶、(,)F x y 关于x 右连续，关于y 右连续； ⑷、对于任意的11221212(,),(,),,x y x y x x y y <<　 　，有下述不等式成立： 22122111(,)(,)(,)(,)0F x y F x y F x y F x y --+≥ 4、一个重要的分布函数：1(,)(arctan )(arctan )23 x y F x y πππ2=++22的概率密度为：22226(,)(,)(4)(9)f x y F x y x y x y π?==??++ 5、二维随机变量的边缘分布： 边缘概率密度：()(,)()(,)X Y f x f x y dy f y f x y dx +∞-∞ +∞-∞==? ? 边缘分布函数：()(,)[(,)]()(,)[(,)]x X y Y F x F x f u y dy du F y F y f x v dx dv +∞ -∞ -∞+∞-∞-∞=+∞==+∞=???? 二维正态分布的边缘分布为一维正态分布。 6、随机变量的独立性：若(,)()()X Y F x y F x F y =则称随机变量X ，Y 相互独立。简称X 与Y 独立。