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)={1b−a,0,a<x<b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)≥0,且∫∞−∞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),a≤c<c+l≤b,有
P{c<X≤c+l}=∫c+lcf(x)dx=∫c+lc1b−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)=∫x−∞f(t)dt
由上式得X的分布函數為
F(x)=⎧⎩⎨⎪⎪0,x−ab−a,1,x<aa≤x<bx≥b
f(x)及F(x)的圖形分別如圖2-9,圖2-10所示。
圖2-9
圖2-10
例:設電阻值R是一個隨機變量,均勻分布在900Ω~1100Ω.求R概率密度及R落在950Ω~1050Ω的概率。
解:R的概率密度為
f(r)={11100−900,0,900<r<1100,其他。
故有P{950<R≤1050}=∫10509501200dr=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)={1b−a,0,a<x<b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)≥0,且∫∞−∞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),a≤c<c+l≤b,有
P{c<X≤c+l}=∫c+lcf(x)dx=∫c+lc1b−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)=∫x−∞f(t)dt
由上式得X的分布函數為
F(x)=⎧⎩⎨⎪⎪0,x−ab−a,1,x<aa≤x<bx≥b
f(x)及F(x)的圖形分別如圖2-9,圖2-10所示。
圖2-9
圖2-10
例:設電阻值R是一個隨機變量,均勻分布在900Ω~1100Ω.求R概率密度及R落在950Ω~1050Ω的概率。
解:R的概率密度為
f(r)={11100−900,0,900<r<1100,其他。
故有P{950<R≤1050}=∫10509501200dr=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
