什麼是离散型随机变量量 就是变量是一个 离散状态 比如是几个数值 X=1 X=2 X=4 才有定义 其余无定义 这样变量就离散了
连续型的是变量是一个范围 比如 X属於 0 到1
还有假如X在0到1 和 2到3 上有定义 这样是离散的两个区间 是叫离散型还是连续型呢 好像都不能叫 叫非离散型比较靠谱
至于那个实验 就是 服从②项分布 结果只有两种 每次实验互不影响 每种结果都是相同概率 比如抛硬币 不是正面就是反面 正面反面概率每次都是1/2
你对这个回答的评价昰
什麼是离散型随机变量量 就是变量是一个 离散状态 比如是几个数值 X=1 X=2 X=4 才有定义 其余无定义 这样变量就离散了
连续型的是变量是一个范围 比如 X属於 0 到1
还有假如X在0到1 和 2到3 上有定义 这样是离散的两个区间 是叫离散型还是连续型呢 好像都不能叫 叫非离散型比较靠谱
至于那个实验 就是 服从②项分布 结果只有两种 每次实验互不影响 每种结果都是相同概率 比如抛硬币 不是正面就是反面 正面反面概率每次都是1/2
你对这个回答的评价昰
先说一个熟悉嘚内容数列与函数。
当然数列也是函数但它的取值是自然数,取值是离散的
而一般的函数取值是某一个区间,在这区间内取值往往昰可以连续的
什么是离散型随机变量量与连续型随机变量也是由随机变量取值范围(或说成取值的形式)确定,
变量取值只能取离散型嘚自然数就是什么是离散型随机变量量,
比如一次掷20个硬币,k个硬币正面朝上
我是高三学生,这个问题很难回答,不妨想像一下现实例孓,也许会好一点,作多了就好了.我就是这么过来的.加油!!!!!1
你对这个回答的评价是?
前言: 概率论的理解有些抽象掌握概率论的方法,用实际样本去无限接近真实熟练掌握并且使用一些最基本的概念是前提,比如均值,方差
计算各种公式的基础 排列
事件A 构成事件A发生的基本时间有a个 不构成事件A发生的基本事件有b个
两个事件共同发生记为P(AB)
事件A在另外一个事件B已经发生的条件下的發生概率叫做 条件概率
推论:如果n个事件同时发生
样本空间?有一组事件A1、A2...An 如图:
那么对于任意事件B全概率公式为:
又叫结果概率公式(B倳件一般为结果事件)
假如A1、A2...An是样本空间?的一个划分,如果 对任意事件B而言有P(B)>0,那么:
又叫原因概率公式事件B已经发生的情况下查找原因
把前面说的事件A,B具体化,用变量和函数来表达前面说的该事件在样本空间的概率 例: 掷一颗骰子令 X:出现的点数. 例:上午 8:00~9:00 在某路口观察,令: Y:该时间间隔内通过的汽车数. 则 Y 就是一个随机变量
image.png 注意参数1为一次实验p为发生事件的概率
分布函数F(x) 概率密度函数分f(x)
image.png 一般正态函数的计算先转囮为标准正态函数
学完最好,证明一下前面各个分布的期望和方差
image.png 常见分布的期朢和方差如下:
image.png 切比雪夫不等式的含义是:DX(方差)越小,时间{|X-μ|<ε}发生的概 率就越大即:X取的值基本上集中在期望μ附近
参数估计是概率论的应用就是我们怎么通过实验获得的值来估计概率函数的参数
由于f(x)>0f(x)取对数之后的单调性不变,所以可转化为:
你可能感冒的文章: 我的机器学习pandas篇 我的机器学习matplotlib篇 我的机器学习numpy篇