QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 9843|回复: 10
打印 上一主题 下一主题

【笔记】分布函数表达式

[复制链接]
字体大小: 正常 放大

4

主题

2

听众

27

积分

升级  23.16%

该用户从未签到

新人进步奖

跳转到指定楼层
1#
发表于 2009-2-5 21:33 |只看该作者 |正序浏览
|招呼Ta 关注Ta
本帖最后由 厚积薄发 于 2010-2-16 10:19 编辑 & C8 F0 J" A5 r0 g% G) z: k3 D
, \7 z" _; }2 {. P
分布函数表达式/ I$ ^" m$ g1 A+ `" O7 |
7 g" I/ u3 L0 y0 |: U
分布        公式        意义        特性5 I5 n" B$ [% p6 x
离散型随机变量的概率分布
. w. Q1 v' M. e  f' F伯努利分布
/ z/ }$ u. u! {' \4 bBernoulli         ! r. E  y9 W: P3 h! o
        又称“两点分布”或“(0-1)分布”,描述伯努利试验中成功的次数        # [4 x0 }4 s* |: F0 H$ Z
二项式分布
) ~+ y7 K, P" g# g% b7 qBinomial         
' R" F; _" E8 x2 M5 _3 S- [6 F5 l        表示为b(n, p),描述再n重伯努利试验中成功的次数        . `8 S, o( j+ N! p: o! X5 a9 x8 l
负二项式分布         ' l' Q' I  O; }. v; J
        产生于n次还原取样。又称“帕斯卡(Pascal)分布”,描述伯努利试验中恰好出现r次成功所需的试验次数。用于不幸事件和发病情形类的统计          d8 c& r/ d' G5 S. b
多项式分布                 n次试验中Ai出现ki次的概率, n=k1+k2+...+kr        
' m+ M- B  z4 T9 M8 k- h几何分布1 C, R* u- s) E, c# ^8 B6 Q: `7 f
Geometric         
+ f3 m2 Q' M2 |/ r9 A        负二项式分布的特殊情况,描述伯努利试验中首次出现成功所需试验次数。用于某一服务(或顾客)的服务持续时间。        无后效性(又称马尔可夫的无记忆特性或马尔可夫特性,每次试验成功的概率与之前试验次数无关)
! T! K& b* t& B& J+ P8 p0 H5 _1 Y超几何分布
  H& [+ Z) g: S5 Y. L: f6 {Hypergeometric         ) D0 {% Y/ D& b# M- \5 ?! X( L* m
        产生于n次非还原取样。总体数目很大而取样次数较小时近似于二项式分布。        
6 O" x( U! S6 _9 Q% X" J泊松分布
$ f( H! g5 ?! l" ~3 U5 gPoisson                 平均到达概率=λ,时间T顾客到达期望=λT        泊松时间流特性:平稳性(到达概率与时间段无关)稀有性(短时间内最多出现1次)无后效性(不重叠时间段互相独立)微分性。
! Y# d" R3 @* |; `$ P2 b8 Y9 N7 I# b连续型随机变量的概率分布' F( c" I! ~  t; g5 P6 f  f1 X, y- D
均匀分布                 随机选择        
3 e5 g8 z7 ~! [1 K$ n6 V+ e指数分布         9 z4 \  h# b1 k2 Y4 c( G& W# U% X
+ {1 d8 s$ T" \1 q
        又称“负指数分布(negative exponential)”。泊松事件流的等待时间(相继两次出现之间的间隔)服从指数分布。用于描述非老化性元件的寿命(元件不老化,仅由于突然故障而毁坏)。常假定排队系统中服务器的服务时间和Petri网中变迁的实施速率符合指数分布。        无后效性
! Q; A9 I: }' g% u: F1 M' f超指数分布& Y/ c% b+ O% n/ D  s* e2 v3 J3 y
Hyperexponential         
2 D5 S. h' j+ Q+ M+ ]) s# G
; b: K0 X3 {' P; V3 f8 o* v8 X        CPU服务时间符合超指数分布,并行装配线加工并在输出组装完成的产品数量也符合        
, \  V5 v: o1 ^3 [6 d. r( Q正态分布
" Y6 m, h5 ^1 m0 u' d% i& }Normal                 又称“高斯(Gauss)分布”。大量独立随机变量的和或者均值是正态分布(中心极限定理)。        4 G1 w, W' h: t/ @
Г-分布(伽玛分布)
4 {8 B4 \) g8 l! _2 h* L/ kGamma         
7 k0 n$ Y& y6 U, _* u# k5 ?其中
. j0 J) T/ y7 P/ X" U) y+ l9 B! k且t=1,伽玛分布为参数为λ的指数分布/ z# c+ v) s! K( K# X$ p
t=n,称为爱尔朗(Erlang)分布        对于k-爱尔朗分布,可用于描述顾客在到达窗口前需经过国k个关口,每个的通过时间服从kλ的指数分布,则顾客整个通过时间为爱尔朗到达。        + d- _* j2 B( I; i! D1 Z( x
常数分布                 非随机,主要用于爱尔朗分布的分析中。
zan
转播转播0 分享淘帖0 分享分享0 收藏收藏0 支持支持0 反对反对0 微信微信

27

主题

4

听众

196

积分

升级  48%

该用户从未签到

回复

使用道具 举报

0

主题

3

听众

38

积分

升级  34.74%

该用户从未签到

自我介绍
弯弯的倒霉熊
回复 1# 060102240212
3 c1 Z  J, K# ^0 L3 e. l) z+ N
6 U9 G3 G3 |, C3 Z( L4 w  L9 \3 p6 |% }. y" D, X
    还可以
回复

使用道具 举报

5

主题

3

听众

113

积分

升级  6.5%

  • TA的每日心情
    郁闷
    2012-4-5 10:10
  • 签到天数: 1 天

    [LV.1]初来乍到

    自我介绍
    本为楚地人,流放湘江

    新人进步奖

    回复

    使用道具 举报

    ather        

    0

    主题

    3

    听众

    21

    积分

    升级  16.84%

    该用户从未签到

    新人进步奖

    回复

    使用道具 举报

    1

    主题

    3

    听众

    43

    积分

    升级  40%

    该用户从未签到

    新人进步奖

    回复

    使用道具 举报

    1

    主题

    2

    听众

    65

    积分

    升级  63.16%

    该用户从未签到

    回复

    使用道具 举报

    mathjiang        

    14

    主题

    5

    听众

    1262

    积分

    升级  26.2%

  • TA的每日心情
    开心
    2014-9-17 09:02
  • 签到天数: 221 天

    [LV.7]常住居民III

    国际赛参赛者

    网络挑战赛参赛者

    新人进步奖

    回复

    使用道具 举报

    njumrl        

    0

    主题

    4

    听众

    42

    积分

    升级  38.95%

    该用户从未签到

    新人进步奖

    回复

    使用道具 举报

    0

    主题

    4

    听众

    298

    积分

    升级  99%

    该用户从未签到

    新人进步奖

    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2026-4-21 18:45 , Processed in 0.416601 second(s), 107 queries .

    回顶部