概率統計符號表和定義。
象徵 | 符號名稱 | 含義/定義 | 例子 |
---|---|---|---|
P ( A ) | 概率函數 | 事件A的概率 | P ( A ) = 0.5 |
P ( A ∩ B ) | 事件交集的概率 | 事件 A 和 B 的概率 | P ( A ∩ B ) = 0.5 |
P ( A ∪ B ) | 事件概率聯盟 | 事件 A 或 B 的概率 | P ( A ∪ B ) = 0.5 |
P ( A | B ) | 條件概率函數 | 事件 A 給定事件 B 發生的概率 | P ( A | B ) = 0.3 |
f ( x ) | 概率密度函數 (pdf) | P ( a ≤ x ≤ b ) = ∫ f ( x ) dx | |
F ( x ) | 累積分佈函數 (cdf) | F ( x ) = P ( X ≤ x ) | |
μ | 人口平均數 | 總體值的平均值 | μ = 10 |
E ( X ) | 期望值 | 隨機變量 X 的期望值 | E ( X ) = 10 |
E ( X | Y ) | 條件期望 | 給定 Y 的隨機變量 X 的期望值 | E ( X | Y=2 ) = 5 |
變量( X ) | 方差 | 隨機變量 X 的方差 | 變量( X ) = 4 |
σ2 _ | 方差 | 總體值的方差 | σ 2 = 4 |
標準( X ) | 標準偏差 | 隨機變量 X 的標準差 | 標準( X ) = 2 |
σ X | 標準偏差 | 隨機變量 X 的標準差值 | σ X = 2 |
中位數 | 隨機變量 x 的中間值 | ||
冠狀病毒( X , Y ) | 協方差 | 隨機變量 X 和 Y 的協方差 | cov ( X, Y ) = 4 |
校正( X , Y ) | 相關性 | 隨機變量 X 和 Y 的相關性 | 修正( X, Y ) = 0.6 |
ρ X , Y | 相關性 | 隨機變量 X 和 Y 的相關性 | ρ X , Y = 0.6 |
∑ | 求和 | 求和 - 系列範圍內所有值的總和 | |
∑∑ | 雙重求和 | 雙重求和 | |
莫 | 模式 | 人口中出現頻率最高的值 | |
先生 | 中檔 | MR = ( x最大值+ x最小值) / 2 | |
MD | 樣本中位數 | 一半的人口低於這個值 | |
問1 | 下/第一四分位數 | 25% 的人口低於此值 | |
問2 | 中位數/第二個四分位數 | 50% 的人口低於此值 = 樣本的中位數 | |
問題3 | 上/第三四分位數 | 75% 的人口低於此值 | |
X | 樣本平均值 | 平均值/算術平均值 | x = (2+5+9) / 3 = 5.333 |
2 _ | 樣本方差 | 總體樣本方差估計 | 2 = 4 |
秒 | 樣本標準差 | 總體樣本標準差估計量 | 小號= 2 |
z _ | 標準分數 | z x = ( x - x ) / s x | |
X~ | X的分佈 | 隨機變量 X 的分佈 | X ~ N (0,3) |
N ( μ , σ 2 ) | 正態分佈 | 高斯分佈 | X ~ N (0,3) |
你(一個,乙) | 均勻分佈 | a,b 範圍內的等概率 | X ~ U (0,3) |
指數(λ) | 指數分佈 | f ( x ) = λe - λx , x ≥0 | |
伽瑪( c , λ) | 伽馬分佈 | f ( x ) = λ cx c-1 e - λx / Γ( c ), x ≥0 | |
χ 2 ( k ) | 卡方分佈 | f ( x ) = x k /2-1 e - x /2 / ( 2 k/2 Γ( k /2) ) | |
F ( k 1 , k 2 ) | F分佈 | ||
Bin ( n , p ) | 二項分佈 | f ( k ) = n C k p k (1 -p ) nk | |
泊松(λ) | 泊松分佈 | f ( k ) = λ k e - λ / k ! | |
地理( p ) | 幾何分佈 | f ( k ) = p (1 - p ) k | |
汞( N , K , n ) | 超幾何分佈 | ||
伯爾尼( p ) | 伯努利分佈 |
象徵 | 符號名稱 | 含義/定義 | 例子 |
---|---|---|---|
!_ | 階乘 | !_ = 1⋅2⋅3⋅...⋅ n | 5!= 1⋅2⋅3⋅4⋅5 = 120 |
nPk _ _ | 排列 | 5 P 3 = 5!/(5-3)!= 60 | |
n Ck _
|
組合 | 5 C 3 = 5!/[3!(5-3)!]=10 |