本文主要是介绍660-概率论-数一,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
660概率论总结,需要记得的部分,有些不容易忘的就没写,不是说不重要
1.理解记忆
泊松分布:
常用相关公式如下:
- 期望公式: ∑ k = 0 ∞ λ k k ! e − λ = λ \sum_{k=0}^{\infty}\frac{\lambda^k}{k!}e^{-\lambda}=\lambda ∑k=0∞k!λke−λ=λ
指数分布:
常用相关公式如下:
- P { x > t + s ∣ x > s } = P { x > t } = e − λ t P\{x>t+s|x>s\}=P\{x>t\}=e^{-\lambda t} P{x>t+s∣x>s}=P{x>t}=e−λt,s,t>0
二维正态分布:
切比雪夫不等式:
要求两两不相关,存在常数c,使D(xi)小于等于c
辛钦大数定律:
独立同分布并且数学期望存在
矩估计和最大似然估计求解:
常用公式:
C o v ( a X + b , c Y + d ) = a c C o v ( X , Y ) Cov(aX+b,cY+d)=acCov(X,Y) Cov(aX+b,cY+d)=acCov(X,Y)
C o v ( X 1 + X 2 , Y ) = C o v ( X 1 , Y ) + C o v ( X 2 , Y ) Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y) Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y)
样本估计:
检验假设:
第 I 类错误(弃真错误):原假设为真时拒绝原假设;
第 II 类错误(取伪错误):原假设为假时未拒绝原假设
P{拒绝∣H0为真}=α
P{接受∣H0非真}=β
α越大,β越小,反之α越小β越大。当样本容量n增大时,α和β可以同时减小
置信区间:
其他结论:
- 必然事件发生的概率为1,但概率为1的事件不一定为必然事件;同理,不可能事件发生的概率为0,但概率为0的事件不一定为不可能事件
- A,B独立,则 B ‾ 和 A ‾ \overline{B}和\overline{A} B和A也独立。若有A、B、C两两独立,则A-B和C独立可推导ABC相互独立
这篇关于660-概率论-数一的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!