Tõenäosuse jaotus

Tõenäosuses ja statistikas on jaotus juhusliku suuruse tunnus, kirjeldab juhusliku suuruse tõenäosust igas väärtuses.

Igal jaotusel on teatud tõenäosustiheduse funktsioon ja tõenäosusjaotuse funktsioon.

Kuigi tõenäosusjaotuseid on määratu arv, on kasutusel mitu ühist jaotust.

Kumulatiivne jaotusfunktsioon

Tõenäosuse jaotust kirjeldab kumulatiivne jaotusfunktsioon F(x),

mis on tõenäosus, et juhuslik suurus X saab väärtuse, mis on väiksem või võrdne x-ga:

F(x) = P(Xx)

Pidev levitamine

Kumulatiivne jaotusfunktsioon F(x) arvutatakse pideva juhusliku suuruse X tõenäosustihedusfunktsiooni f(u) integreerimise teel.

Diskreetne jaotus

Kumulatiivne jaotusfunktsioon F(x) arvutatakse diskreetse juhusliku suuruse X tõenäosusmassifunktsiooni P(u) liitmise teel.

Pidevate jaotuste tabel

Pidev jaotus on pideva juhusliku suuruse jaotus.

Pideva levitamise näide

...

Pidevate jaotuste tabel

Levitamise nimi Levitamise sümbol Tõenäosuse tiheduse funktsioon (pdf) Tähendab Dispersioon
   

f X ( x )

μ = E ( X )

σ 2 = Muutus ( X )

Tavaline / Gaussi

X ~ N (μ,σ 2 )

\frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x-\mu)^2}{2\sigma^2}} μ σ 2
Vormiriietus

X ~ U ( a , b )

\begin{Bmatrix}\frac{1}{ba} & ,a\leq x\leq b\\ & \\0 & ,muidu\end{matrix} \frac{(ba)^2}{12}
Eksponentsiaalne X ~ exp (λ) \begin{Bmatrix}\lambda e^{-\lambda x} & x\geq 0\\ 0 & x<0\end{matrix} \frac{1}{\lambda} \frac{1}{\lambda^2}
Gamma X ~ gamma ( c , λ) \frac{\lambda ^cx^{c-1}e^{-\lambda x}}{\Gamma (c)}

x > 0, c > 0, λ > 0

\frac{c}{\lambda } \frac{c}{\lambda ^2}
Chi ruut

X ~ χ 2 ( k )

\frac{x^{k/2-1}e^{-x/2}}{2^{k/2}\Gamma (k/2)}

k

2 k

Wishart        
F

X ~ F ( k 1 , k 2 )

     
Beeta        
Weibull        
Logi-normaalne

X ~ LN (μ,σ 2 )

     
Rayleigh        
Cauchy        
Dirichlet        
Laplace        
Levy        
Riis        
Üliõpilase t        

Diskreetsete jaotuste tabel

Diskreetne jaotus on diskreetse juhusliku suuruse jaotus.

Diskreetse jaotuse näide

...

Diskreetsete jaotuste tabel

Levitamise nimi Levitamise sümbol Tõenäosuse massifunktsioon (pmf) Tähendab Dispersioon
    f x ( k ) = P ( X = k )

k = 0,1,2,...

E ( x ) Var ( x )
Binoom

X ~ Bin ( n , p )

\binom{n}{k}p^{k}(1-p)^{nk}

np

np (1- p )

Poisson

X ~ Poisson (λ)

λ ≥ 0

λ

λ

Vormiriietus

X ~ U ( a,b )

\begin{Bmatrix}\frac{1}{b-a+1} & ,a\leq k\leq b\\ & \\0 & ,muidu\end{matrix} \frac{a+b}{2} \frac{(b-a+1)^{2}-1}{12}
Geomeetriline

X ~ Geom ( p )

p(1-p)^{k}

\frac{1-p}{p}

\frac{1-p}{p^2}

Hüpergeomeetriline

X ~ HG ( N , K , n )

N = 0,1,2,...

K = 0,1,..., N

n = 0,1,..., N

\frac{nK}{N} \frac{nK(NK)(Nn)}{N^2(N-1)}
Bernoulli

X ~ Bern ( p )

\begin{Bmatrix}(1-p) & ,k=0\\ p & ,k=1\\ 0 & ,muidu\end{maatriks}

lk

p (1- p )

 


Vaata ka

Advertising

TÕENÄOSUS JA STATISTIKA
°• CmtoInchesConvert.com •°