数学分布(泊松分布、二项分布、正态分布、均匀分布、指数分布)生存分析贝叶斯概率公式全概率公式(新).docVIP

数学分布(泊松分布、二项分布、正态分布、均匀分布、指数分布)生存分析贝叶斯概率公式全概率公式(新) 数学分布(泊松分布、二项分布、正态分布、均匀分布、指数分布)生存分析贝叶斯概率公式全概率公式(新) PAGE / NUMPAGES 数学分布(泊松分布、二项分布、正态分布、均匀分布、指数分布)生存分析贝叶斯概率公式全概率公式(新) 所谓的光辉岁月，并不是以后，闪耀的日子，而是无人问津时，你对梦想的偏执。 数学期望：随机变量最基本的数学特征之一。 它反映随机变量平均取 值的大小。又称期望或均值。它是 简单算术平均 的一种推广。例如某 城市有 10 万个家庭，没有孩子的家庭有 1000 个，有一个孩子的家庭有 9 万个， 有两个孩子的家庭有 6000 个，有 3 个孩子的家庭有 3000 个， 则此城市中任一 个家庭中孩子的数目是一个随机变量，记为 X ，它可取值 0，1，2，3，其中取 0 的概率为 0.01，取 1 的概率为 0.9，取 2 的概率为 0.06，取 3 的概率为 0.03，它 的数学期望为 0×0.01＋1×0.9＋2×0.06＋ 3× 0.03 等于 1.11，即此城市一个家庭 平均有小孩 1.11 个，用数学式子表示为： E(X)=1.11。 也就是说，我们用数学的方法分析了这个概率性的问题， 对于每一个家庭， 最有 可能它家的孩子为 1.11 个。 可以简单的理解为 求一个概率性事件 的平均状况。 各种数学分布的方差是： 1、 一个完全符合 分布的样本 2、 这个样本的方差 概率密度 的概念是：某种事物发生的概率 占总概率 (1)的比例 ,越大就 说明密度越大。 比如某地某次考试的成绩近似服从均值为 80 的正态分布，即平均分是 80 分，由正态分布的图形知 x=80 时的函数值最大，即随机变量在 80 附近取值最密集，也 即考试成绩在 80 分左右的人最多。 下图为概率密度函数图 (F(x)应为 f(x) ，表示概率密度 )： 任何知识都不能带给你好运，但是它们能让你悄悄的成为你自己。 1 所谓的光辉岁月，并不是以后，闪耀的日子，而是无人问津时，你对梦想的偏执。 离散型分布：二项分布、泊松分布 连续型分布：指数分布、正态分布、 X2 分布、 t 分布、 F 分布 抽样分布 抽样分布只与自由度，即样本含量（抽样样本含量）有关 二项分布（ binomial distribution ）：例子抛硬币 1、 重复试验（ n 个相同试验，每次试验两种结果，每种结果概率恒定———— 伯努利试验） 2、 任何知识都不能带给你好运，但是它们能让你悄悄的成为你自己。 2 所谓的光辉岁月，并不是以后，闪耀的日子，而是无人问津时，你对梦想的偏执。 3、 P(X=0), P(X=1), P(X=3), .所有可能的概率共同组成了一个分布，即二 项分布 泊松分布（ possion distribution ）： 1、 一个单位 内（时间、面积、空间）某 稀有事件 2、 此事件发生 K 次的概率 3、P(X=0), P(X=1), P(X=3), .所有可能的概率共同组成了一个分布，即 泊 松分布 任何知识都不能带给你好运，但是它们能让你悄悄的成为你自己。 3 所谓的光辉岁月，并不是以后，闪耀的日子，而是无人问津时，你对梦想的偏执。 任何知识都不能带给你好运，但是它们能让你悄悄的成为你自己。 4 所谓的光辉岁月，并不是以后，闪耀的日子，而是无人问津时，你对梦想的偏执。 二项分布与泊松分布的关系： 二项分布 在事件发生 概率很小 ，重复次数 n 很大的情况下，其分布 近似泊松分布 均匀分布 (uniform distribution) ： 分为连续型均匀分布 和离散型均匀分布 离散型均匀分布： 1、 n 种可能的结果 2、 每个可能的概率相等 (1/n) 任何知识都不能带给你好运，但是它们能让你悄悄的成为你自己。 5 所谓的光辉岁月，并不是以后，闪耀的日子，而是无人问津时，你对梦想的偏执。 连续型均匀分布： 1、 可能的结果是连续的 2、 每个可能的概率相等 ( ) 连续型均匀分布概率密度函数如下图： 指数分布（ exponential distribution ）： 用来表示独立随机事件发生的时间间隔， 比如旅客进机场的时间间隔、 中文维基百科新条目出现的时间间隔等等。 指数分布常用于各种 “寿命”分布 的近似。 1、连续型分布，每个点的概率： 2、无记忆性。已经使用了 s 小时的元件，它能再使用 t 小时的概率，与一个从未使用过的元件使用 t 小时的概率相同。即它对已经使用过的 s 小时没有记忆。 任何知识都不能带给你好运，但是它们能让你悄悄的成为你自己。 6 所谓的光辉岁月，并不是以后，闪耀的日子，而是无人问津时，你