分布名称表达式期望方差
0-1分布 P i = P ( X = i ) = p i p n − i , ( i = 0 , 1 ) P_i=P({X=i})=p^ip^{n-i},(i=0,1) Pi=P(X=i)=pipni,(i=0,1)pp(1-p)
二项分布 P i = P ( X = i ) = C n i p i p n − i , ( i = 0 , 1 , 2 , 3... ) P_i=P({X=i})=C^i_np^ip^{n-i},(i=0,1,2,3...) Pi=P(X=i)=Cnipipni,(i=0,1,2,3...)npnp(1-p)
泊松分布 P ( X = k ) = ( λ k ∗ e − λ ) k ! P(X = k) = \frac{(λ^k * e^{-λ})} {k!} P(X=k)=k!(λkeλ)λλ
指数分布 f ( x ) = { λ e − λ x , 0 < x 0 , x = 0 f(x)=\begin{cases}\lambda e^{-\lambda x},\quad &0<x \\0, &x=0\end{cases} f(x)={λeλx,0,0<xx=0 1 λ \frac{1}{\lambda} λ1 1 λ 2 \frac{1}{\lambda^2} λ21
几何分布 P i = P ( X = i ) = p ( 1 − p ) i − 1 , ( i = 0 , 1 , 2 , 3... ) P_i=P({X=i})=p(1-p)^{i-1},(i=0,1,2,3...) Pi=P(X=i)=p(1p)i1,(i=0,1,2,3...) 1 p \frac{1}{p} p1 1 − p p 2 \frac{1-p}{p^2} p21p
超几何分布 P i = P ( X = i ) = C M i C N − M n − i C N n , ( i = 0 , 1 , 2 , 3... ) P_i=P{(X=i)}=\frac{C_M^iC_{N-M}^{n-i}}{C_N^n},(i=0,1,2,3...) Pi=P(X=i)=CNnCMiCNMni,(i=0,1,2,3...) n M N n\frac{M}{N} nNM n M N ( 1 − M N ) N − n n − 1 n\frac{M}{N}(1-\frac{M}{N})\frac{N-n}{n-1} nNM(1NM)n1Nn
正态分布 f ( x ) = 1 σ 2 π e − ( x − u ) 2 2 σ 2 , ( − ∞ < x < + ∞ ) f(x)=\frac{1}{\sigma \sqrt{2 \pi}}e^{-\frac{(x-u)^2}{2 \sigma ^2}},(-\infty <x <+\infty) f(x)=σ2π 1e2σ2(xu)2,(<x<+)u σ 2 \sigma ^2 σ2
χ 2 \chi^2 χ2分布 χ 2 = x 1 2 + x 2 2 + . . . . + x n 2 , ( X 1 , X 2 , . . . , X n 相互独立,且都服从标准正态分布 N ( 0 , 1 ) ) \chi ^2 = x_1^2+x_2^2+....+x_n^2,(X_1,X_2,...,X_n相互独立,且都服从标准正态分布N(0,1)) χ2=x12+x22+....+xn2,(X1,X2,...,Xn相互独立,且都服从标准正态分布N(0,1))n2n
均匀分布 f ( x ) = 1 b − 1 f(x) = \frac{1}{b-1} f(x)=b11 a + b 2 \frac{a+b}{2} 2a+b ( b − a ) 2 12 \frac{(b-a)^2}{12} 12(ba)2
Logo

旨在为数千万中国开发者提供一个无缝且高效的云端环境,以支持学习、使用和贡献开源项目。

更多推荐