常见统计分布及其特点.docVIP

【附录一】常见分布汇总 一、二项分布 二项分布（Binomial Distribution），即重复n次的伯努利试验（Bernoulli Experiment），用ξ表示随机试验的结果发生的概率是P,则不发生的概率q=1-p，N次独立重复试验中发生K次的概率是 二、泊松poisson分布 1、概念 当二项分布的n很大而p很小时，泊松分布可作为二项分布的近似，其中λ为np。通常当n10,p≦0.1时，就可以用泊松公式近似得计算。 2、特点——期望和方差均为λ。 3、应用（固定速率出现的事物。）——在实际事例中，当一个随机事件，例如某电话交换台收到的呼叫、来到某公共汽车站的乘客以固定的平均瞬时速率λ（或称密度）随机且独立地出现时，那么这个事件在单位时间（面积或体积）内出现的次数或个数就近似地服从泊松分布设连续型随机变量X的分布函数F(x)=(x-a)/(b-a)，a≤x≤b 则称随机变量X服从[a,b]上的均匀分布，记为X~U[a,b]。 Exponential Distribution 1、概念 2、特点——无记忆性 （1）这种分布表现为均值越小，分布偏斜的越厉害。 （2）无记忆性 当s,t≥0时有P(Ts+t|Tt)=P(Ts) 即，如果T是某一元件的寿命，已知元件使用了t小时，它总共使用至少s+t小时的条件概率，与从开始使用时算起它使用至少s小时的概率相等。在电子元器件的可靠性研究中，通常用于描述对发生的缺陷数或系统故障数的测量结果Normal distribution 1、概念 2、中心极限定理与正态分布（说明了正态分布的广泛存在，是统计分析的基础） 中心极限定理：设从均值为μ、方差为σ^2;（有限）的任意一个总体中抽取样本量为n的样本，当n充分大时，样本均值的抽样分布近似服从均值为μ、方差为σ^2/n 的正态分布。chi-square distribution 1、概念 若n个相互独立的随机变量ξ?、ξ?、……、ξn ，均服从标准正态分布（也称独立同分布于标准正态分布），则这n个服从标准正态分布的随机变量的平方和?构成一新的随机变量，其分布规律称为?卡方?分布（chi-square distribution），其中参数n称为自由度 2、卡方分布的特点 （1）分布的均值为自由度 n，记为 E() = n。 （2）分布的方差为2倍的自由度(2n)，记为 D() = 2n。?互相独立，则： ?服从??分布，自由度??； ?服从??分布，自由度为?? 4、应用 定理二，设X1，X2，X3.。。Xn是来自正态总体N（μ，δ2）的样本，则有 样本均值X~N（μ，δ2/n） （1）正态分布以及卡方分布是F检验的基础。大量的检验用到了F检验：F检验、三大检验。 七、t学生分布（用样本方差s来标准化）——Students?t-distribution 1、概念（适用于δ2未知） 【理解】把样本标准正态化的U变换前提是方差已知，但总体方差是未知的，所以用样本方差来代替总体方差。根据中心极限定理，抽样服从方差为总体方差除以n的正态分布。 由于在实际工作中，往往σ是未知的，常用s作为σ的估计值，为了与u变换区别，称为t变换，统计量t 值的分布称为t分布与标准正态分布曲线相比，自由度v越小，t分布曲线愈平坦，曲线中间愈低，曲线双侧尾部翘得愈高；自由度v愈大，t分布曲线愈接近正态分布曲线，当自由度v=∞时，t分布曲线为标准正态分布曲线。【注意】S是样本方差中心极限定理说的是样本均值的方差 八、F分布F-distribution 1、概念 F分布定义为：设X、Y为两个独立的随机变量，X服从自由度为k1的卡方分布，Y服从自由度为k2的卡方分布，这2 个独立的卡方分布被各自的自由度除以后的比率这一统计量的分布2、特点　　它是一种非对称分布；　　它有两个自由度，即n1 -1和n2-1，相应的分布记为F（ n1 –1， n2-1）， n1 –1通常称为分子自由度， n2-1通常称为分母自由度；　F分布是一个以自由度??和??为参数的分布族，不同的自由度决定了F 分布的形状。　　F分布的倒数性质：?? 九、逻辑分布logistic（分类评定模型）——最早应用最广的离散选择模型 1、概念 2、特点 用作增长曲线并为二进制响应建模。在生物统计和经济领域使用。 Logistic 分布由尺度和位置参数描述。Logistic 分布没有形状参数，也就是说其概率密度函数只有一个形状。 下列图形显示了不同参数值对 Logistic 分布的效应。 尺度参数的效应 位置参数的效应 Logistic 分布的形状与正态分布的形状相似，但 Logistic 分布的尾部更长。 十、伽马分布 1、概