均勻分布和高斯分布


原文地址:https://blog.csdn.net/hongxue8888/article/details/78217283

一、均勻分布    

數學期望:E(x)=(a+b)/2
方差:D(x)=(b-a)²/12
若連續型隨機變量X具有概率密度 
f(x)={1ba,0,a<x<bf(x)={1b−a,a<x<b0,其他

則稱X在區間(a,b)上服從均勻分布。記為X~U(a,b)。

易知f(x)0f(x)≥0,且f(x)dx=1∫−∞∞f(x)dx=1

在區間(a,b)上服從均勻分布的隨機變量X,具有下述意義的等可能性,即它落在區間(a,b)中任意等長度的子區間內的可能性是相同的。或者說它落在(a,b)的子區間內的概率只依賴於子區間的長度而與子區間的位置無關。事實上,對於任一長度L的子區間(c,c+l),ac<c+lba≤c<c+l≤b,有 
P{c<Xc+l}=c+lcf(x)dx=c+lc1badx=lbaP{c<X≤c+l}=∫cc+lf(x)dx=∫cc+l1b−adx=lb−a

對於隨機變量X的分布函數F(x),存在非負函數f(x),使對於任意實數x有 
F(x)=xf(t)dtF(x)=∫−∞xf(t)dt

由上式得X的分布函數為 
F(x)=0,xaba,1,x<aax<bxbF(x)={0,x<ax−ab−a,a≤x<b1,x≥b

f(x)及F(x)的圖形分別如圖2-9,圖2-10所示。 
這里寫圖片描述 
圖2-9

這里寫圖片描述 
圖2-10

例:設電阻值R是一個隨機變量,均勻分布在900ΩΩ~1100ΩΩ.求R概率密度及R落在950ΩΩ~1050ΩΩ的概率。

解:R的概率密度為 
f(r)={11100900,0,900<r<1100,f(r)={11100−900,900<r<1100,0,其他。

故有P{950<R1050}=10509501200dr=0.5P{950<R≤1050}=∫95010501200dr=0.5

正態分布(Normal distribution)又名高斯分布(Gaussian distribution),是一個在數學、物理及工程等領域都非常重要的概率分布,在統計學的許多方面有着重大的影響力。 
若隨機變量X服從一個數學期望為μ、標准方差為σ2的高斯分布,記為: 
X∼N(μ,σ2), 
參考: 
http://blog.csdn.net/rns521/article/details/6953591

一、均勻分布 
若連續型隨機變量X具有概率密度 
f(x)={1ba,0,a<x<bf(x)={1b−a,a<x<b0,其他

則稱X在區間(a,b)上服從均勻分布。記為X~U(a,b)。

易知f(x)0f(x)≥0,且f(x)dx=1∫−∞∞f(x)dx=1

在區間(a,b)上服從均勻分布的隨機變量X,具有下述意義的等可能性,即它落在區間(a,b)中任意等長度的子區間內的可能性是相同的。或者說它落在(a,b)的子區間內的概率只依賴於子區間的長度而與子區間的位置無關。事實上,對於任一長度L的子區間(c,c+l),ac<c+lba≤c<c+l≤b,有 
P{c<Xc+l}=c+lcf(x)dx=c+lc1badx=lbaP{c<X≤c+l}=∫cc+lf(x)dx=∫cc+l1b−adx=lb−a

對於隨機變量X的分布函數F(x),存在非負函數f(x),使對於任意實數x有 
F(x)=xf(t)dtF(x)=∫−∞xf(t)dt

由上式得X的分布函數為 
F(x)=0,xaba,1,x<aax<bxbF(x)={0,x<ax−ab−a,a≤x<b1,x≥b

f(x)及F(x)的圖形分別如圖2-9,圖2-10所示。 
這里寫圖片描述 
圖2-9

這里寫圖片描述 
圖2-10

例:設電阻值R是一個隨機變量,均勻分布在900ΩΩ~1100ΩΩ.求R概率密度及R落在950ΩΩ~1050ΩΩ的概率。

解:R的概率密度為 
f(r)={11100900,0,900<r<1100,f(r)={11100−900,900<r<1100,0,其他。

故有P{950<R1050}=10509501200dr=0.5P{950<R≤1050}=∫95010501200dr=0.5

正態分布(Normal distribution)又名高斯分布(Gaussian distribution),是一個在數學、物理及工程等領域都非常重要的概率分布,在統計學的許多方面有着重大的影響力。 
若隨機變量X服從一個數學期望為μ、標准方差為σ2的高斯分布,記為: 
X∼N(μ,σ2), 
參考: 
http://blog.csdn.net/rns521/article/details/6953591


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM