常見統(tǒng)計(jì)分布及其特點(diǎn)

1、【附錄一】常見分布匯總一、二項(xiàng)分布二項(xiàng)分布 （BinomialDistribution），即重復(fù) n 次的伯努利試驗(yàn) （ BernoulliExperiment ），用 表示隨機(jī)試驗(yàn)的結(jié)果,如果事件發(fā)生的概率是P, 則不發(fā)生的概率q=1-p ， N 次獨(dú)立重復(fù)試驗(yàn)中發(fā)生K 次的概率是。二、泊松poisson分布1、概念當(dāng)二項(xiàng)分布的n 很大而p 很小時(shí)，泊松分布可作為二項(xiàng)分布的近似，其中 為np。通常當(dāng) n 10,p 0.1時(shí)，就可以用泊松公式近似得計(jì)算。2、特點(diǎn)期望和方差均為 。3、應(yīng)用（固定速率出現(xiàn)的事物。）在實(shí)際事例中，當(dāng)一個(gè)隨機(jī)事件，例如某電話交換臺(tái)收到的呼叫、來到某公共汽車站的乘客，以

2、固定的平均瞬時(shí)速率 （或稱密度）隨機(jī)且獨(dú)立地出現(xiàn)時(shí)， 那么這個(gè)事件在單位時(shí)間 （面積或體積） 內(nèi)出現(xiàn)的次數(shù)或個(gè)數(shù)就近似地服從泊松分布三、均勻分布uniform設(shè)連續(xù)型隨機(jī)變量X 的分布函數(shù)F(x)=(x-a)/(b-a)，axb則稱隨機(jī)變量X 服從 a,b上的均勻分布，記為XUa,b 。四、指數(shù)分布1、概念Exponential Distribution2、特點(diǎn)無記憶性（ 1）這種分布表現(xiàn)為均值越小，分布偏斜的越厲害。（ 2）無記憶性當(dāng) s,t 0 時(shí)有 P(T>s+t|T>t)=P(T>s)即，如果T 是某一元件的壽命，已知元件使用了t小時(shí)，它總共使用至少s+t 小時(shí)的條件

3、概率，與從開始使用時(shí)算起它使用至少s 小時(shí)的概率相等。3、應(yīng)用在電子元器件的可靠性研究中，通常用于描述對(duì)發(fā)生的缺陷數(shù)或系統(tǒng)故障數(shù)的測(cè)量結(jié)果五、正態(tài)分布Normal distribution1、概念2、中心極限定理與正態(tài)分布（說明了正態(tài)分布的廣泛存在，是統(tǒng)計(jì)分析的基礎(chǔ)）中心極限定理：設(shè)從均值為 、方差為2; （有限）的任意一個(gè)總體中抽取樣本量為n的樣本， 當(dāng) n 充分大時(shí)， 樣本均值的抽樣分布近似服從均值為 、方差為 2/n的正態(tài)分布。3、特點(diǎn)在總體的隨機(jī)抽樣中廣泛存在。4、應(yīng)用正態(tài)分布是假設(shè)檢驗(yàn)以及極大似然估計(jì)法ML 的理論基礎(chǔ)定理一：設(shè)X1， X2， X3. 。 Xn 是來自正態(tài)總體N（ ，

4、 2）的樣本，則有樣本均值XN（ ， 2/n ）總體方差常常未知，用t 分布較多六、 2 卡方分布（與方差有關(guān)）chi-square distribution1、概念若 n 個(gè)相互獨(dú)立的隨機(jī)變量 ?、 ?、 、 n，均服從標(biāo)準(zhǔn)正態(tài)分布（也稱獨(dú)立同分布于標(biāo)準(zhǔn)正態(tài)分布） ，則這n 個(gè)服從標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)變量的平方和構(gòu)成一新的隨機(jī)變量，其分布規(guī)律稱為卡方分布（ chi-square稱為自由度【注意】假設(shè)隨機(jī)干擾項(xiàng)呈正態(tài)分布。因此，卡方分布可以和RSS/ 2，所得的變量就是標(biāo)準(zhǔn)正態(tài)分布，就服從卡方分布。distribution），其中參數(shù)RSS殘差平方和聯(lián)系起來。用n2、卡方分布的特點(diǎn)（ 1）分布的

5、均值為自由度n ，記為E() = n。（這個(gè)容易證明）（ 2）分布的方差為2 倍的自由度(2n)，記為D() = 2n。（ 3）如果互相獨(dú)立，則： （獨(dú)立可加減）服從服從分布，自由度分布，自由度為；3、圖形特點(diǎn)4、應(yīng)用定理二，設(shè) X1， X2， X3. 。 Xn 是來自正態(tài)總體 N（ ， 2）的樣本，則有樣本均值 XN（ ， 2/n ）( n 1)S22）（2n - 1（ 1）正態(tài)分布以及卡方分布是F 檢驗(yàn)的基礎(chǔ)。大量的檢驗(yàn)用到了F 檢驗(yàn)： F 檢驗(yàn)、三大檢驗(yàn)。七、 t 學(xué)生分布（用樣本方差s 來標(biāo)準(zhǔn)化） Student'st-distribution1、概念（適用于 2 未知）【理解

6、】 把樣本標(biāo)準(zhǔn)正態(tài)化的U變換前提是方差已知，但總體方差是未知的，所以用樣本方差來代替總體方差。根據(jù)中心極限定理，抽樣服從方差為總體方差除以n 的正態(tài)分布。由于在實(shí)際工作中，往往 是未知的，常用 s 作為 的估計(jì)值，為了與 u 變換區(qū)別，稱為t 變換，統(tǒng)計(jì)量 t值的分布稱為t 分布（ u 變換指把變量轉(zhuǎn)換為標(biāo)準(zhǔn)正態(tài)分布）【思考】 為什么樣本方差比總體方差要??？因?yàn)橐粋€(gè)是總體方差，一個(gè)是樣本均值的方差。不同2、特點(diǎn)1）與標(biāo)準(zhǔn)正態(tài)分布曲線相比，自由度v 越小， t 分布曲線愈平坦，曲線中間愈低，曲線雙側(cè)尾部翹得愈高；自由度v 愈大， t 分布曲線愈接近正態(tài)分布曲線，當(dāng)自由度v=時(shí)， t分布曲線為標(biāo)準(zhǔn)

7、正態(tài)分布曲線。定理三：設(shè) X1， X2， X3. 。 Xn 是來自正態(tài)總體 N（ ， 2）的樣本，則有樣本均值 XN（ ， 2/n ），S 為樣本方差X t（ n - 1）S/n【注意】 S 是樣本方差。 中心極限定理說的是樣本均值的方差。八、 F 分布 F-distribution1、概念F 分布定義為：設(shè)X、 Y 為兩個(gè)獨(dú)立的隨機(jī)變量，X 服從自由度為k1 的卡方分布，從自由度為k2 的卡方分布， 這 2 個(gè)獨(dú)立的卡方分布被各自的自由度除以后的比率這一統(tǒng)計(jì)量的分布2、特點(diǎn)（ 1）它是一種非對(duì)稱分布；（ 2）它有兩個(gè)自由度，即 n1 -1 和 n2-1 ，相應(yīng)的分布記為F（ n1 1， n2

8、-1 ）， n1通常稱為分子自由度，n2-1通常稱為分母自由度；Y 服 1（ 3） F 分布是一個(gè)以自由度和為參數(shù)的分布族，不同的自由度決定了F 分布的形狀。（ 4）F 分布的倒數(shù)性質(zhì)：（ 5）殘差平方和之比通常與F 分布有關(guān)。九、邏輯分布logistic（分類評(píng)定模型）最早應(yīng)用最廣的離散選擇模型1、概念1e tF (t)1 e tf (t )t ) 2(1 eF (t )e t1F (t)2、特點(diǎn)用作增長(zhǎng)曲線并為二進(jìn)制響應(yīng)建模。在生物統(tǒng)計(jì)和經(jīng)濟(jì)領(lǐng)域使用。Logistic分布由尺度和位置參數(shù)描述。Logistic分布沒有形狀參數(shù)，也就是說其概率密度函數(shù)只有一個(gè)形狀。下列圖形顯示了不同參數(shù)值對(duì)Logistic分布的效應(yīng)。尺度參數(shù)的效應(yīng)位置參數(shù)的效應(yīng)Logistic分布的形狀與正態(tài)分布的形狀相似，但Logistic分布的尾部更長(zhǎng)。十、伽馬分布1、概念伽瑪分布（GammaDistribution）是統(tǒng)計(jì)學(xué)的一種連續(xù)概率函數(shù)。Gamma分布中的參數(shù) 稱為形狀參數(shù)（shape parameter）， 稱為尺度參數(shù)（scale parameter）。假設(shè)隨機(jī)變量X 為 等到第 件事發(fā)生所需之等候時(shí)間,密度函數(shù)為特征函數(shù)為伽馬分布的可加性當(dāng)兩隨機(jī)變量服從 Gamma分布，且單位時(shí)間內(nèi)頻率相同時(shí)， Gamma 數(shù)學(xué)表達(dá)式若隨機(jī)變量X