การกระจายความน่าจะเป็น

ใน การแจกแจงความน่าจะเป็นและสถิติเป็นลักษณะของตัวแปรสุ่ม อธิบายความน่าจะเป็นของตัวแปรสุ่มในแต่ละค่า

การแจกแจงแต่ละครั้งมีฟังก์ชันความหนาแน่นของความน่าจะเป็นและฟังก์ชันการแจกแจงความน่าจะเป็น

แม้ว่าการแจกแจงความน่าจะเป็นจะมีจำนวนไม่แน่นอน แต่ก็มีการแจกแจงทั่วไปหลายอย่างที่ใช้อยู่

ฟังก์ชันการกระจายสะสม

การแจกแจงความน่าจะเป็นอธิบายโดยฟังก์ชันการแจกแจงแบบสะสม F(x)

ซึ่งเป็นความน่าจะเป็นของตัวแปรสุ่ม X ที่จะรับค่าที่น้อยกว่าหรือเท่ากับ x:

F(x) = P(Xx)

กระจายอย่างต่อเนื่อง

ฟังก์ชันการแจกแจงสะสม F(x) คำนวณโดยการรวมฟังก์ชันความหนาแน่นของความน่าจะเป็น f(u) ของตัวแปรสุ่มต่อเนื่อง X

การกระจายแบบไม่ต่อเนื่อง

ฟังก์ชันการแจกแจงสะสม F(x) คำนวณโดยการรวมฟังก์ชันมวลความน่าจะเป็น P(u) ของตัวแปรสุ่ม X แบบไม่ต่อเนื่อง

ตารางการแจกแจงแบบต่อเนื่อง

การแจกแจงแบบต่อเนื่องคือการแจกแจงของตัวแปรสุ่มแบบต่อเนื่อง

ตัวอย่างการกระจายอย่างต่อเนื่อง

...

ตารางการแจกแจงแบบต่อเนื่อง

ชื่อการจัดจำหน่าย สัญลักษณ์การกระจาย ฟังก์ชันความหนาแน่นของความน่าจะเป็น (pdf) หมายถึง ความแปรปรวน
   

X ( x )

μ = อี ( X )

σ 2 = วาร์ ( X )

ปกติ/เสียน

X ~ N (μ,σ 2 )

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

X ~ U ( , )

\begin{Bmatrix}\frac{1}{ba} & ,a\leq x\leq b\\ & \\0 & มิฉะนั้น\end{matrix} \frac{(บา)^2}{12}
เลขชี้กำลัง X ~ ประสบการณ์ (λ) \begin{Bmatrix}\lambda e^{-\lambda x} & x\geq 0\\ 0 & x<0\end{matrix} \frac{1}{\แลมบ์ดา} \frac{1}{\แลมบ์ดา^2}
แกมมา X ~ แกมมา ( c , λ) \frac{\lambda ^cx^{c-1}e^{-\lambda x}}{\Gamma (c)}

x > 0, c > 0, λ > 0

\frac{c}{\แลมบ์ดา } \frac{c}{\แลมบ์ดา ^2}
ไคสแควร์

X ~ χ 2 ( k )

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

เค

2

วิชชาร์ท        

X ~ F ( k 1 , k 2 )

     
เบต้า        
ไวบูล        
เข้าสู่ระบบปกติ

X ~ LN (μ,σ 2 )

     
เรย์ลี่        
คอกี้        
ไดริชเล็ต        
ลาปลาซ        
ประกาศ        
ข้าว        
นักเรียน ม        

ตารางการแจกแจงแบบไม่ต่อเนื่อง

การแจกแจงแบบไม่ต่อเนื่องคือการแจกแจงของตัวแปรสุ่มแบบไม่ต่อเนื่อง

ตัวอย่างการกระจายแบบไม่ต่อเนื่อง

...

ตารางการแจกแจงแบบไม่ต่อเนื่อง

ชื่อการจัดจำหน่าย สัญลักษณ์การกระจาย ฟังก์ชันมวลความน่าจะเป็น (pmf) หมายถึง ความแปรปรวน
    x ( k ) = P ( X = k )

k = 0,1,2,...

อี ( x ) วาร์ ( x )
ทวินาม

X ~ บิน ( n , p )

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

np (1- หน้า )

ปัวซอง

X ~ ปัวซอง (λ)

λ ≥ 0

เล

เล

ชุดยูนิฟอร์ม

X ~ U ( ก, ข )

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

X ~ เรขาคณิต ( หน้า )

พี(1-พี)^{k}

\frac{1-p}{p}

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

ไฮเปอร์เรขาคณิต

X ~ HG ( ยังไม่มี ข้อความ , K , n )

น = 0,1,2, ...

K = 0,1,.., N

n = 0,1,...,

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

X ~ เบิร์น ( หน้า )

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

หน้า

พี (1- พี )

 


ดูสิ่งนี้ด้วย

Advertising

ความน่าจะเป็นและสถิติ
°• CmtoInchesConvert.com •°