a05讲义5连续机率分配函数.docVIP

連續性隨機變數 (Continuous random variable) 隨機變數X為連續，若存在一函數 使得 稱為X之機率密度函數(probability density function) 滿足下述之條件： (1) (2) ※任何函數f:R→(0,)且滿足上述條件，可為機率密度函數。 均勻分配 (uniform distribution) E(X) = (b + a) 2 / 2 常態分配 (normal distribution) 若X 為常態分配，則X在下述範圍之機率分別為 則 若 若 二次分配與常態分配關係 當二項分配之n相當大，而p值不在0 或1附近， 則二項分配可用常態分配來計算近似值。 若p在0或1附近，則以 Poisson分配來計算近似值 指數分配 (exponential distribution) ：某事件在單位時間內平均發生次數 Ｘ：某事件發生1次之時間(等待發生1次之時間) ， 為某事件在x時間以外發生之機率。（在X時間內未發生之機率） 若 ) pf： 以上說明指數分配沒有記憶性，即經過a時間未發生後，再經過b時間未發生之機率與a時間無關。 伽瑪函數 (Gamma function) 定義：伽瑪函數為 5. 伽瑪分配 (Gamma distribution) 若，m為正整數，則 為某事件在單位時間之平均發生次數，X為某事件發生m次之時間(等待發生m次之時間)。 令Y 則 為在x時間內發生m次之機率， 為在x時間以外發生m次之機率， 為在x時間內發生次數小於m之機率。 指數分配Exp( 即指數分配為伽瑪分配之特例，為m=1之伽瑪分配。 6. 卡方分配 (Chi-square distribution) 稱為自由度為n之卡方分配，記為， 即若  若 若 7. t分配 (t distribution ) 若 則  8. F分配 (F distribution) 若 則  9. 切氏不等式 (Chebyshev’s Inequality) X為任何隨機變數，期望值為，變異數為 則