zoukankan      html  css  js  c++  java
  • 均匀分布和高斯分布

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

    一、均匀分布    

    数学期望:E(x)=(a+b)/2
    方差:D(x)=(b-a)²/12
    若连续型随机变量X具有概率密度 
    f(x)={1ba,0,a<x<bf(x)={1b−a,a<x<b0,其他

    则称X在区间(a,b)上服从均匀分布。记为X~U(a,b)。

    易知f(x)0f(x)≥0,且f(x)dx=1∫−∞∞f(x)dx=1

    在区间(a,b)上服从均匀分布的随机变量X,具有下述意义的等可能性,即它落在区间(a,b)中任意等长度的子区间内的可能性是相同的。或者说它落在(a,b)的子区间内的概率只依赖于子区间的长度而与子区间的位置无关。事实上,对于任一长度L的子区间(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

    对于随机变量X的分布函数F(x),存在非负函数f(x),使对于任意实数x有 
    F(x)=xf(t)dtF(x)=∫−∞xf(t)dt

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

    f(x)及F(x)的图形分别如图2-9,图2-10所示。 
    这里写图片描述 
    图2-9

    这里写图片描述 
    图2-10

    例:设电阻值R是一个随机变量,均匀分布在900ΩΩ~1100ΩΩ.求R概率密度及R落在950ΩΩ~1050ΩΩ的概率。

    解:R的概率密度为 
    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

    正态分布(Normal distribution)又名高斯分布(Gaussian 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。 
    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: 
    X∼N(μ,σ2), 
    参考: 
    http://blog.csdn.net/rns521/article/details/6953591

    一、均匀分布 
    若连续型随机变量X具有概率密度 
    f(x)={1ba,0,a<x<bf(x)={1b−a,a<x<b0,其他

    则称X在区间(a,b)上服从均匀分布。记为X~U(a,b)。

    易知f(x)0f(x)≥0,且f(x)dx=1∫−∞∞f(x)dx=1

    在区间(a,b)上服从均匀分布的随机变量X,具有下述意义的等可能性,即它落在区间(a,b)中任意等长度的子区间内的可能性是相同的。或者说它落在(a,b)的子区间内的概率只依赖于子区间的长度而与子区间的位置无关。事实上,对于任一长度L的子区间(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

    对于随机变量X的分布函数F(x),存在非负函数f(x),使对于任意实数x有 
    F(x)=xf(t)dtF(x)=∫−∞xf(t)dt

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

    f(x)及F(x)的图形分别如图2-9,图2-10所示。 
    这里写图片描述 
    图2-9

    这里写图片描述 
    图2-10

    例:设电阻值R是一个随机变量,均匀分布在900ΩΩ~1100ΩΩ.求R概率密度及R落在950ΩΩ~1050ΩΩ的概率。

    解:R的概率密度为 
    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

    正态分布(Normal distribution)又名高斯分布(Gaussian 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。 
    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: 
    X∼N(μ,σ2), 
    参考: 
    http://blog.csdn.net/rns521/article/details/6953591

    自己选择的路,跪着也要走完。朋友们,虽然这个世界日益浮躁起来,只要能够为了当时纯粹的梦想和感动坚持努力下去,不管其它人怎么样,我们也能够保持自己的本色走下去。
  • 相关阅读:
    python基础之入门
    C#直接删除指定目录下的所有文件及文件夹(保留目录)
    删除Oracle文件、注册表
    WinRAR 激活码(KEY)
    用C#读取txt文件的方法(转)
    c# 生成 xml 文件
    Asp.Net 文件下载1——流下载(适用于大文件且防盗链)(转)
    Asp.Net异常:"由于代码已经过优化或者本机框架位于调用堆栈之上,无法计算表达式的值"的解决方法
    响应在此上下文中不可用 asp.net
    Ajax实现局部刷新
  • 原文地址:https://www.cnblogs.com/WTSRUVF/p/9352819.html
Copyright © 2011-2022 走看看