16种常见概率分布概率密度函数、意义及其应用.docVIP

目录 TOC \o 1-3 \h \z \u 1. 均匀分布 1 2. 正态分布（高斯分布） 2 3. 指数分布 2 4. Beta分布（分布） 2 5. Gamma分布 3 6. 倒Gamma分布 4 7. 威布尔分布(Weibull分布、韦伯分布、韦布尔分布) 5 8. Pareto分布 6 9. Cauchy分布（柯西分布、柯西-洛伦兹分布） 7 10. 分布（卡方分布） 7 11. t分布 8 12. F分布 9 13. 二项分布 10 14. 泊松分布（Poisson分布） 10 15. 对数正态分布 11 均匀分布 均匀分布是无信息的，可作为无信息变量的先验分布。 正态分布（高斯分布） 当影响一个变量的因素众多，且影响微弱、都不占据主导地位时，这个变量很可能服从正态分布，记作。正态分布为方差已知的正态分布的参数的共轭先验分布。 指数分布 指数分布是指要等到一个随机事件发生，需要经历多久时间。其中为尺度参数。指数分布的无记忆性：。 Beta分布（分布） Beta分布记为，其中Beta(1,1)等于均匀分布，其概率密度函数可凸也可凹。如果二项分布中的参数p的先验分布取，实验数据（事件A发生y次，非事件A发生n-y次），则p的后验分布，即Beta分布为二项分布的参数p的共轭先验分布。 Gamma分布 Gamma分布即为多个独立且相同分布的指数分布变量的和的分布，解决的问题是“要等到n个随机事件都发生，需要经历多久时间”，记为。其中为形状参数，为尺度参数。Gamma分布为指数分布的参数、Poisson分布的参数的共轭先验分布。 倒Gamma分布 倒Gamma分布记为。若随机变量，则。其中为形状参数，为尺度参数。倒Gamma分布为指数分布的参数、均值已知的正态分布的参数的共轭先验分布。 威布尔分布(Weibull分布、韦伯分布、韦布尔分布) 威布尔分布记为。其中为形状参数，为尺度参数。当，它是指数分布；时，是Rayleigh distribution（瑞利分布）。常用于拟合风速分布，并用最小二乘法、平均风速估计法或极大似然法求解其参数。 Pareto分布 Pareto分布记为。其中为门限参数，为尺度参数。Pareto分布是一种厚尾分布。Pareto分布为均匀分布的参数的共轭先验分布。 Cauchy分布（柯西分布、柯西-洛伦兹分布） Cauchy分布记为。其中为位置参数，为尺度参数。中位数，期望、方差都不存在。如果是分别符合柯西分布的相互独立同分布随机变量，那么算术平均数服从同样的柯西分布。标准柯西分布是t分布的一个自由度。这种分布更适合拟合那种比较扁、宽的曲线。 分布（卡方分布） 设是来自的样本，则称统计量服从自由度为n的分布，记为。 t分布 设，，且X，Y相互独立，则称随机变量服从自由度为n的t分布。记为。当自由度时，t分布将趋于。有时样本量很小，不知道总体的标准偏差，则可以依赖?t统计量（也称为?t分数）的分布，其值由下式给出：，其中是样本均值，μ是总体均值，s是样本的标准偏差，n是样本大小。 F分布 设，，且U，V相互独立，则称随机变量服从自由度为的F分布，记为。设与分别是来自正态总体和的样本，且这两个样本相互独立。设，分别是这两个样本的样本均值；，分别是这两个样本的样本方差，则有；当时，，其中。 二项分布 二项分布十分好理解，给你n次机会抛硬币，硬币正面向上的概率为p，问在这n次机会中有k次（k≤n）硬币朝上的概率为多少。记为。当n足够大，且p不接近于0也不接近于1时，二项分布可用正态分布来近似。 泊松分布（Poisson分布） 泊松分布解决的是“在特定一段时间里发生n个事件的概率”，记为。当二项分布满足时，二项分布近似为泊松分布。泊松分布当足够大时，变成正态分布。 对数正态分布 对数正态分布是对数为正态分布的任意随机变量的概率分布。如果Y是正态分布的随机变量，则exp(Y)是对数正态分布；同样，如果X是对数正态分布，则ln(X)为正态分布，如果一个变量可以看成是许多很小独立因子的乘积，则这个变量可以看作是对数正态分布，如拟合风速分布模型，记为。 瑞利分布 当一个随机二维向量的两个分量呈独立的、有着相同的方差的正态分布时，这个向量的模呈瑞利分布。