几个常用的分布和临界值

定义：
应用：假设检验。
2020/11/30
.
18
各种分布之间的关系
Gamma分布与指数分布、正态分布
当gamma分布的形状系数k为正整数时，gamma分布可看作k个独立的指数分布 之和，当k趋向于较大数值时，分布近似于正态分布。
在Gamma分布中：k=n（正整数）时的gamma分布可以看作n个独立的k=1的 gamma分布（即指数分布）之和，按照中心极限定理，独立同分布随机变量 之和趋于正态分布。
2020/11/30
.
7
六、Gamma分布
E[X]=
D[X]=
应用：用于描述随机变量X等到第K件事发生所需等候的时间。
2020/11/30
.
8
七、瑞利分布(Rayleigh distribution)
定义：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。
2020/11/30
.
5
ห้องสมุดไป่ตู้
四、对数正态分布
定义：如果一个随机变量的对数服从正态分布，那么该随机变量服从对数 正态分布。
应用：金融保险业、投资收益计算等。
2020/11/30
.
6
五、柯西分布(Cauchy distribution)
应用：主要应用于物理学中，它是描述受迫共振的微分方程的解。在光谱学中， 它用来描述被共振或者其他机制加宽的谱线形状。
应用：在自然情况下，均匀分布极为罕见。在实际问题中，当我们无法区分在 区间内取值的随机变量取不同值的可能性有何不同时，我们就可以假定随机变 量服从区间上的均匀分布。
2020/11/30
.
4
三、指数分布(Exponential distribution)

性质3. 设T～t(n),则:T ～F(1,n) .
2
证明:
由t分布定义 T
2
X Y /n
其中X∼N(0,1),Y～χ (n),且X与Y相互独立. 2 2 (1) / 1 X /1 2 F T 2 Y /n ( n) / n
且 2 (1)与 2 ( n)相互独立.
由F分布定义, ∴ F = T2～F(1,n) .
2
条件: 的点χ

P ( n)
2 2



2
( n )
f ( x)dx
2
(n)为χ 2(n)分布的上分位点.
χ (n)分布 的上分位点 图形如右图.
χ2(n)分布的上分位点可以查 附表5.
2Hale Waihona Puke 13例1:求2 2 0 ( 10 ) ， )。 .05 0.1 (20
1.) 因为
P X z0.05 1 P X z0.05 1 0.05 0.95.
P X 1.64 0.9495.
P X 1.65 0.9505.
z0.05 1.64 1.65 1.645. 2
4
2.)
P X z0.005 1 PX z0.005 1 0.005 0.995.

i 1 n i 1
n
EX i2 n.
2 DX i
D D(



2n.
10
4.应用中心极限定理可得，若 若 X ~ 2 (n) ，则当n充分大时， X n 2n 的分布近似正态分布N(0,1).
11
2 (n)
分布的密度函 数的图形如右 图.

12
十一、几何分布
定义：在第 n 次伯努利实验，才得到第一次成功的机率。更详细的说是：n 次伯努利试验，前 n-1 次皆失败，第 n 次才成功的概率。
应用：射击比赛等。
2020/8/1
13

十二、超几何分布
定义：在产品质量的不放回抽检中，若N件产品中有M件次品，抽检n件时所 得次品数X=k，是一个随机变量：
2020/8/1
11
十、负二项分布(Negative binomial distribution)
定义：已知一个事件在伯努利试验中每次的出现概率是p，在一连串伯努利 试验中，一件事件刚好在第r + k次试验出现第r次的概率。
2020/8/1
取r = 1，负二项分布等于几 何分布。其概率质量函数 为
2020/8/1
7
六、Gamma分布
E[X]=
D[X]=
应用：用于描述随机变量X等到第K件事发生所需等候的时间。
2020/8/1
8
七、瑞利分布(Rayleigh distribution)
定义：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。
应用：瑞利分布常用于描述平坦衰落信号接收包络或独立多径分量接受包络统 计时变特性。如两个正交高斯噪声信号之和的包络服从瑞利分布。
2020/8/1
18
各种分布之间的关系
Gamma分布与指数分布、正态分布
当gamma分布的形状系数k为正整数时，gamma分布可看作k个独立的指数分布 之和，当k趋向于较大数值时，分布近似于正态分布。
在Gamma分布中：k=n（正整数）时的gamma分布可以看作n个独立的k=1的 gamma分布（即指数分布）之和，按照中心极限定理，独立同分布随机变量 之和趋于正态分布。

《概率论与数理统计》 第一章随机事件及其概率§1.1 随机事件一、给出事件描述，要求用运算关系符表示事件： 二、给出事件运算关系符，要求判断其正确性： §1.2 概率古典概型公式：P （A ）=所含样本点数所含样本点数ΩA 实用中经常采用“罗列组合”的想法计算补例1：将n 个球随机地放到n 个盒中去，问每个盒子恰有1个球的概率是多少？解：设A ：“每个盒子恰有1个球”。

求：P(A)=？Ω所含样本点数：n n n n n =⋅⋅⋅...Α所含样本点数：!1...)2()1(n n n n =⋅⋅-⋅-⋅n n n A P !)(=∴补例2：将3封信随机地放入4个信箱中，问信箱中信的封数的最大数分别为1、2、3的概率各是多少？解：设A i ：“信箱中信的最大封数为i”。

(i =1,2,3)求：P(A i )=？Ω所含样本点数：6444443==⋅⋅A 1所含样本点数：24234=⋅⋅836424)(1==∴A PA 2所含样本点数：363423=⋅⋅C1696436)(2==∴A PA 3所含样本点数：4433=⋅C161644)(3==∴A P注：由概率定义得出的几个性质：知识归纳整理1、0<P （A ）<12、P(Ω)=1，P(φ) =0 §1.3 概率的加法法则定理：设A 、B 是互不相容事件（AB=φ），则： P （A ∪B ）=P （A ）+P （B ）推论1：设A 1、 A 2、…、 A n 互不相容，则 P(A 1+A 2+...+ A n )= P(A 1) + P(A 2) +…+ P(A n )推论2：设A 1、 A 2、…、 A n 构成完备事件组，则 P(A 1+A 2+...+ A n )=1推论3： P （A ）=1－P （A ）推论4：若B ⊃A ，则P(B －A)= P(B)－P(A) 推论5（广义加法公式）：对任意两个事件A 与B ，有P(A ∪B)=P(A)+P(B)－P(A B) 补充——对偶律：nnAA A A A A ⋂⋂⋂=⋃⋃⋃ (2)121nnAA A A A A ⋃⋃⋃=⋂⋂⋂ (2)121§1.4 条件概率与乘法法则条件概率公式：P(A/B)=)()(B P AB P （P(B)≠0）P(B/A)= )()(A P AB P （P(A)≠0）∴P （AB ）=P （A /B ）P （B ）= P （B / A ）P （A ）有时须与P （A+B ）=P （A ）+P （B ）－P （AB ）中的P （AB ）联系解题。