概率分布汇总 .pdfVIP

概率分布汇总

便有山川来枕上，

更无毫末在床头。

—1—CataC

目录

引言.基础概念解析

离散型分布

I.伯努利分布(BernoulliDistribution)

II.二项分布(BinomialDistribution)

III.何分布(GeometricDistribution)

IV.负二项分布(egativeBinomialDistribution)

V.超何分布(HypergeometricDistribution)

VI.泊松分布(PoissonDistribution)

连续型分布

VII.指数分布(ExponentialDistribution)

VIII.伽马分布(GammaDistribution)

IX.正态分布(ormalDistribution)

—2—CataC

引言：基础概念解析

在深入探讨具体的概率分布之前，我们必须首先掌握描述它们所用的通用语言和核心工具。

这些基础概念是理解、分析和应用所有概率分布的基石。

概率质量/密度函数(PMF/PDF)

这是描述一个随机变量取值概率的直接方式。

概率质量函数(PMF,ProbabilityMassFunction)用于离散型随机变量，它直接给出了变量取到

某个特定值的概率，记为。所有可能取值的概率之和必须为1。

概率密度函数(PDF,ProbabilityDensityFunction)用于连续型随机变量，记为。它本身不

是概率，但其在某个区间上的积分表示随机变量落入该区间的概率。PDF曲线

下方的总面积为1。

累积分布函数(CDF)

累积分布函数(CDF,CumulativeDistributionFunction)，记为，给出了随机变量

的取值小于或等于某个值的概率，即。它是对概率的“累积”，对于任何分

布（无论离散或连续）都有定义，是一个非递减函数，其值域从0到1。

方差(Variance)

方差，记为或，衡量了随机变量的取值相对于其期望值的离散程度。方差越

大，数据点越分散。其定义为。计算上常用公式

。方差的平方根称为标准差。

矩生成函数(MGF)

矩生成函数(MGF,MomentGeneratingFunction)，记为，是一个分布的

“指纹”，若存在唯一确定该分布。它之所以强大，是因为通过对其求导并在处取值，可

以方便地“生成”分布的各阶矩。例如，，。此外，它在处理独

立随机变量之和的分布时极为有用：若独立，。

—3—CataC

I.伯努利分布(Bernoulli)

1.基础定义

故事：描述一个只有两种可能结果的单次随机试验。通常被称为“成功”