欢迎访问yhm138的博客园博客, 你可以通过 [RSS] 的方式持续关注博客更新

MyAvatar

yhm138

HelloWorld!

几种常见的概率分布及其一些统计量 (转载及补充)


2018年存在我手机里的这2张图片
图片来自这篇博客

图片


一些概念

偏度

皮尔逊偏度系数把偏度定义为

μ~3=E[(Xμσ)3]=μ3σ3=E[(Xμ)3](E[(Xμ)2])3/2=κ3κ23/2

其中κi是累积量
Skewness indicates the direction and relative magnitude of a distribution's deviation from the normal distribution.

中位数 median

PDF曲线面积一半对应的位置

众数 mode

PDF曲线最大值对应的位置

峰度

皮尔逊峰度系数把峰度(kurtosis)定义为

Kurt[X]=E[(Xμσ)4]=E[(Xμ)4](E[(Xμ)2])2=μ4σ4

峰度是描述总体中所有取值分布形态陡缓程度的统计量。 这个统计量需要与正态分布相比较,峰度为3表示该总体数据分布与正态分布的陡缓程度相同;峰度大于3表示该总体数据分布与正态分布相比较为陡峭,为尖顶峰;峰度小于3表示该总体数据分布与正态分布相比较为平坦,为平顶峰。

信息熵

连续分布 (应该叫做差熵)

h(X)=p(x)log(p(x))dx

离散分布

H(X)=i[pi(x)log(pi(x))]

PDF

probability density function概率密度函数f(x)

或者叫 probability mass function

CDF

累计分布函数 cumulative distribution function

F(x)=P(Xx)

the survivor function

S(x)=P(Xx)

the hazard function

h(x)=f(x)S(x)

the cumulative hazard funciton

符号别和信息熵弄混了。。。

H(x)=lnS(x)

the moment generating function矩生成函数 MGF

随机变量X的矩生成函数定义为

M(t)=E[etX]

矩生成函数可用于计算分布的矩:

MX(t)=E(etX)=1+tE(X)+t2E(X2)2!+t3E(X3)3!++tnE(Xn)n!+=1+tm1+t2m22!+t3m33!++tnmnn!+

the characteristic function特征函数 CF

随机变量X的特征函数定义为

Φ(t)=E[ejtX]

在概率论和统计学中,任何实值随机变量的特征函数完全定义了其概率分布。

{φX:RCφX(t)=E[eitX]=ReitxdFX(x)=ReitxfX(x)dx

fX(x)=12πRφX(t)ejtxdt

利用随机变量X的特征函数CF求X的k阶矩

E[Xk]=ikφX(k)(0)

E[X1]=i1φX(1)(0)=jφX(1)(0)

E[X2]=i2φX(2)(0)=φX(2)(0)

例子

这个积分建议背一下

eitx12πσe(xμ)22σ2dx=eitμ12σ2t2

inverse distribution

逆分布是随机变量的倒数服从的分布
让随机变量Y=1X

G(y)=Pr(Yy)=Pr(X1y)=1Pr(X<1y)=1F(1y)

式子两边再对y求导

g(y)=1y2f(1y)

正交、不相关、独立

首先拿随机变量举例子

从上往下分别是:正交、不相关、独立

E[XY]=0Cov[X,Y]=E[XY]E[X]E[Y]=0i.e.ρXY=Cov[X,Y]σXσY=0pXY(x,y)=pX(x)pY(y)

下面拿随机过程为例子

常见的概率分布总结及它们间的联系

http://www.math.wm.edu/~leemis/chart/UDR/UDR.html

APPL: A Probability Programming Language

http://www.math.wm.edu/~leemis/2001amstat.pdf
http://mtholyoke.edu/~mpeterso/classes/math342/appl.html

posted @   yhm138  阅读(2262)  评论(0编辑  收藏  举报
编辑推荐:
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
阅读排行:
· winform 绘制太阳,地球,月球 运作规律
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· AI与.NET技术实操系列(五):向量存储与相似性搜索在 .NET 中的实现
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
· 超详细:普通电脑也行Windows部署deepseek R1训练数据并当服务器共享给他人
点击右上角即可分享
微信分享提示