样本分布函数

怎样理解分布函数

怎样理解分布函数 概率论中一个非常重要的函数就是分布函数,知道了随机变量的 分布函数,就知道了它的概率分布,也就可以计算概率了。 一、理解好分布函数的定义: F(x)=P(X≤x), 所以分布函数在任意一点x的值,表示随机变量落在x点左边(X≤x)的概率。它的定义域是(-∞,+∞),值域是[0,1]. 二、掌握好分布函数的性质: (1)0≤F(x)≤1; (2)F(+∞)=1,F(-∞)=0; 可以利用这条性质确定分布函数中的参数,例如: 设随机变量X的分布函数为:F(x)=A+Barctanx,求常数A与B. 就应利用本性质计算出A=1/2,B=1/π. (3)单调不减; (4)右连续性。 三、会利用分布函数求概率 在利用分布函数求概率时,以下公式经常利用。

(1)P(a

《概率论与数理统计》习题随机变量及其分布

第二章 随机变量及其分布 一. 填空题 1. 设随机变量X ～B(2, p), Y ～B(3, p), 若P(X ≥ 1) =9 5 , 则P(Y ≥ 1) = _________. 解. 9 4951)1(1)0(=-=≥-==X P X P 94)1(2 = -p , 3 1=p 2. 已知随机变量X 只能取－1, 0, 1, 2四个数值, 其相应的概率依次为c c c c 162 , 85,43,21, 则c = ______. 解. 2,16321628543211==+++= c c c c c c 3. 用随机变量X 的分布函数F(x)表示下述概率: P(X ≤ a) = ________. P(X = a) = ________. P(X > a) = ________. P(x 1 < X ≤ x 2) = ________. 解. P(X ≤ a) = F(a) P(X = a) = P(X ≤ a)－P(X < a) = F(a)－F(a －0) P(X > a) = 1－F(a) P(x 1 < X ≤ x 2) = F(x 2)－F(x 1) 4. 设k 在(0, 5)上服从均匀分布, 则02442 =+++k kx x 有实根的概率为_____. 解. k 的分布密度为??? ??=0 51 )(k f 其它50≤≤k P{02442 =+++k kx x 有实根} = P{03216162 ≥--k k } = P{k ≤－1或k ≥ 2} =5 3 515 2=?dk 5. 已知2}{,}{k b k Y P k a k X P =-== =(k = 1, 2, 3), X 与Y 独立, 则a = ____, b = ____, 联合概率分布_____, Z = X + Y 的概率分布为_____. 解. 116,132==++ a a a a . 49 36 ,194= =++b b b b (X, Y)

统计学常用分布及其分位数

§1、4 常用得分布及其分位数 1、 卡平方分布 卡平方分布、t 分布及F 分布都就是由正态分布所导出得分布,它们与正态分布一起,就是试验统计中常用得分布。 当X 1、X 2、… 、Xn 相互独立且都服从N(0,1)时,Z=∑i i X 2 得分布称为自由度等于n 得2χ分布,记作Z ～2χ(n),它得分布 密度 p(z )=??? ????>??? ??Γ--,,00,2212122其他z e x n z n n 式中得??? ??Γ2n =u d e u u n ?∞+--012,称为Gamma 函数,且()1Γ=1, ?? ? ??Γ21=π。2χ分布就是非对称分布,具有可加性,即当Y 与Z 相互独立,且Y ～2χ(n ),Z ～2χ(m ),则Y+Z ～2χ(n+m )。 证明: 先令X 1、X 2、…、X n 、X n+1、X n+2、…、 X n+m 相互独立且都服从N(0,1),再根据2χ分布得定义以及上述随机变量得相互独立性,令 Y=X 21+X 22+…+X 2n ,Z=X 21+n +X 22+n +…+X 2m n +, Y+Z= X 21+X 22+…+X 2n + X 21+n +X 22+n +…+X 2m n +, 即可得到Y+Z ～2χ(n +m )。 2、 t 分布 若X 与Y 相互独立,且 X ～N(0,1),Y ～2χ(n ),则Z =n Y X 得分布称为自由度等于n 得t 分布,记作Z ～ t (n ),它得分布密度 P(z)=)()(221n n n ΓΓ+2121+-???? ??+n n z 。 请注意:t 分布得分布密度也就是偶函数,且当n>30时,t

二维随机变量及其分布题目

一、单项选择题 1．设随机变量21,X X 独立，且2 1 }1{}0{= ===i i X P X P （2,1=i ），那么下列结论正确的是 （ ） A .21X X = B .1}{21==X X P C .2 1 }{21= =X X P D .以上都不正确 2设X 与Y 相互独立，X 服从参数为12的0—1分布，Y 服从参数为1 3 的0—1分布，则方程 220t Xt Y ++=中t 有相同实根的概率为 （A ） 13 （B ）12 （C ）16 （D ）2 3 [] 3．设二维随机变量（X ，Y ）的概率密度为 ()22 ,02,14, (,)0, .k x y x y f x y ?+<<<

概率论中几种常用重要分布

概率论中几种常用的重要的分布 摘要：本文主要探讨了概率论中的几种常用分布，的来源和他们中间的关系。其在实际中的应用。 关键词 1 一维随机变量分布 随机变量的分布是概率论的主要内容之一，一维随机变量部分要介绍六中常 用分布，即( 0 －1) 分布、二项分布、泊松分布、均匀分布、指数分布和正态分布． 下面我们将对这六种分布逐一地进行讨论． 随机事件是按试验结果而定出现与否的事件。它是一种“定性”类型的概念。为了进一步研究有关随机试验的问题，还需引进一种“定量”类型的概念，即，根据试验结果而定取什么值（实值或向量值）的变数。称这种变数为随机变数。本章内将讨论取实值的这种变数—— 一维随机变数。 定义1.1 设X 为一个随机变数，令 ()([(,)])([]),()F x P X x P X x x =∈-∞=-∞ +∞. 这样规定的函数()F x 的定义域是整个实轴、函数值在区间[0,1]上。它是一个普通的函数。成这个函数为随机函数X 的分布函数。 有的随机函数X 可能取的值只有有限多个或可数多个。更确切地说：存在着有限多个值或可数多个值12,,...,a a 使得 12([{,,...}])1P X a a ∈= 称这样的随机变数为离散型随机变数。称它的分布为离散型分布。 【例1】下列诸随机变数都是离散型随机变数。 （1）X 可能取的值只有一个，确切地说，存在着一个常数a ,使([])1P X a ==。称这种随机变数的分布为退化分布。一个退化分布可以用一个常数a 来确定。 （2）X 可能取的值只有两个。确切地说，存在着两个常数a ，b ，使 ([{,}])1P X a b ∈=.称这种随机变数的分布为两点分布。如果([])P X b p ==，那 么，([])1P X a p ===-。因此，一个两点分布可以用两个不同的常数,a b 及一个在区间（0,1）内的值p 来确定。 特殊地，当,a b 依次为0,1时，称这两点分布为零-壹分布。从而，一个零-壹分布可以用一个在区间（0，1）内的值p 来确定。 （3）X 可能取的值只有n 个：12,...,a a （这些值互不相同），且，取每个i a 值

第二章__随机变量及其概率分布_考试模拟题答案

第二章 随机变量及其概率分布 考试模拟题 (共90分) 一．选择题(每题2分共20分) 1．F(X)是随机变量X 的分布函数，则下列结论不正确的是（ B ） A.≤0F(x )1≤ B.F(x )=P{X=x } C.F(x )=P{X x ≤} D.F(∞+)=1, F(∞-)=0 解析： A,C,D 都是对于分布函数的正确结论，请记住正确结论！B 是错误的。 2．设随机变量X 的分布函数律为如下表格：F(x)为其分布函数，则F(5)=( C ) A.0.3 B.0.5 C.0.6 D.0.4 解析：由分布函数定义F(5)=P{X ≤5}=P{X=0}+P{X=2}+P{X=4}=0.1+0.2+0.3=0.6 3．下列函数可以作为随机变量分布函数的是（ D ） 4x 01≤≤x 2x 10<≤x A.F(x)= B.F(x)= 1 其它 2 其它 -1 x<0 0 x<0 C.F(x)= 2x 10<≤x D.F(x)= 2x 5.00<≤x 1 其它 1 x ≥0.5 解析：由分布函数F(x)性质：01)(≤≤x F ，A,B,C 都不满足这个性质，选D 4 x 31<<-x 4．设X 的密度函数为f(x)= 则P{-2

A. 0 B.83 C. 43 D. 85 解析：P{-2

利用Excel的NORMSDIST计算正态分布函数表

利用Excel的NORMSDIST函数建立正态 分布表 董大钧，乔莉 理工大学应用技术学院、信息与控制分院，113122 摘要：利用Excel办公软件特有的NORMSDIST函数可以很准确方便的建立正态分布表、查找某分位数点的正态分布概率值,极大的提高了数理统计的效率。该函数可返回指定平均值和标准偏差的正态分布函数，将其引入到统计及数据分析处理过程中，代替原有的手工查找正态分布表，除具有直观、形象、易用等特点外,更增加了动态功能,极大提高了工作效率及准确性。 关键词：Excel；正态分布；函数；统计 引言 正态分布是应用最广泛的连续概率分布，生产与科学实验中很多随机变量的概率分布都可以近似地用正态分布来描述。例如，在生产条件不变的情况下，某种产品的力、抗压强度、口径、长度等指标；同一种生物体的身长、体重等指标；同一种种子的重量；测量同一物体的误差；弹着点沿某一方向的偏差；某个地区的年降水量；以及理想气体分子的速度分量等等。一般来说，如果一个量是由许多微小的独立随机因素影响的结果，那么就可以认为这个量具有正态分布。从理论上看，正态分布具有很多良好的性质，许多概率分布可以用它来近似；还有一些常用的概率分布是由它直接导出的，例如对数正态分布、t分布、F分布等。在科学研究及数理统计计算过程中，人们往往要通过某本概率统计教材附录中的正态分布表去查找，非常麻烦。若手头有计算机，并安装有Excel软件，就可以利用Excel的NORMSDIST( x )函数进行计算某分位数点的正态分布概率值，或建立一个正态分布表，准确又方便。 1 正态分布及其应用 正态分布（normal distribution）又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为N(μ，σ2 )。则其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟

16种常见概率分布概率密度函数、意义及其应用

目录 1. 均匀分布 (1) 2. 正态分布（高斯分布） (2) 3. 指数分布 (2) 4. Beta分布（：分布） (2) 5. Gamm 分布 (3) 6. 倒Gamm分布 (4) 7. 威布尔分布（Weibull分布、韦伯分布、韦布尔分布） (5) 8. Pareto 分布 (6) 9. Cauchy分布（柯西分布、柯西-洛伦兹分布） (7) 2 10. 分布（卡方分布） (7) 8 11. t分布................................................ 9 12. F分布 ............................................... 10 13. 二项分布............................................ 10 14. 泊松分布（Poisson 分布）............................. 11 15. 对数正态分布........................................

1. 均匀分布 均匀分布X ~U（a,b）是无信息的，可作为无信息变量的先验分布。

2. 正态分布（高斯分布） 当影响一个变量的因素众多，且影响微弱、都不占据主导地位时，这个变量 很可能服从正态分布，记作 X~N （」f 2）。正态分布为方差已知的正态分布 N （*2）的参数」的共轭先验分布。 1 空 f （x ）： —— e 2- J2 兀 o' E(X)， Var(X) _ c 2 3. 指数分布 指数分布X ~Exp （ ）是指要等到一个随机事件发生，需要经历多久时间。其 中，.0为尺度参数。指数分布的无记忆性： Plx s t|X = P{X t}。 f （X ）二 y o i E(X) 一 4. Beta 分布（一：分布） f （X ）二 E(X) Var(X)= (b-a)2 12 Var(X)二 1 ~2

第二章随机变量与分布函数习题

第二章：随机变量与分布函数习题 一、“离散型随机变量与分布函数”习题： 1. 射手对靶子进行射击，用X 表示击中的环数，已知击中一环的概率为0.2，击中两环的概率为0.8；求：（1）X 的分布列及分布函数；（2）()()10,1≤<≥X P X P . 2. 射手对靶子进行射击，一次射击的命中率为0.8，现在连续射击三枪，用X 表示三枪中命中的次数，求：（1）X 的分布列及分布函数；（2）A “至少命中两枪”的概率. 3. 设随机变量X 的分布函数为 ()()???? ???≥<≤<≤--<=≤=31 318.0114.010 x x x x x X P x F 求：X 的分布列. 4. 设随机变量X 的分布函数为 ()??? ? ????? >≤≤<=2120sin 00ππx x x A x x F 求：（1）A =？ （2）??? ??<6πx P . 5. 设随机变量X 的分布列为??? ? ??--22121101q q ； 求： （1）q=？ （2）X 的分布函数. 6. 某设备由三个独立工作的元件构成，该设备在一次试验中每个元件发生故障的概率为 0.1，求该设备在一次试验在中发生故障的元件数的分布列. 7. 将一颗骰子投掷两次，以X 表示两次所得点数之和、Y 表示两次中所得的小的点数；分别求X 与Y 的分布列. 8. 设随机变量X ~()p B ,2， 随机变量Y ~()p B ,3； 已知()9 5 1=≥X P ， 求：()1≥Y P . 二、“连续型随机变量与分布函数”习题： 1. 设()()??? ??<>≥=-00 0,0212 x a x e a x x f a x ； ()?????<<=其他0 0cos 21 2 πx x x f ； ()????? <<-=其他0 22cos 3ππx x x f ； （1） 以上()()()x f x f x f 321,,是否是某随机变量X 的分布密度函数？

分布函数

分布函数 分布函数（Cumulative Distribution Function, CDF）是概率统计中重要的函数，正是通过它，可用数学分析的方法来研究随机变量。 1.伯努利分布 伯努利分布(Bernoulli distribution)又叫做两点分布或者0-1分布，是一个离散型概率分布，若伯努利实验成功，则伯努利随机变量取值为1，如果失败，则伯努利随机变量取值为0。并记成功的概率为p，那么失败的概率就是1p -，则数学期望为p，方差为(1) p p -，概率密度函数为 2.二项分布 二项分布即重复n次独立的伯努利试验。在每次试验中只有两种可能的结果，而且两种结果发生与否互相对立，并且相互独立，与其它各次试验结果无关，事件发生与否的概率在每一次独立试验中都保持不变，则这一系列试验总称为n重伯努利实验，当试验次数为1时，二项分布服从0-1分布。假设每次试验的成功概率为p，则二项分布的密度函数为： 二项分布函数的数学期望为np，方差为(1) np p -，记为~(,) X B n p。概率密度分布图如下所示。 3.正态分布 正态分布（Normal distribution）又名高斯分布（Gaussian distribution），若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为：X~N(μ,σ2),则其概率密度函数为 正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。通常所说的标准正态分布是μ = 0,σ = 1的正态分布。 分布曲线特征： 图形特征 集中性：正态曲线的高峰位于正中央，即均数所在的位置。 对称性：正态曲线以均数为中心，左右对称，曲线两端永远不与横轴相交。 均匀变动性：正态曲线由均数所在处开始，分别向左右两侧逐渐均匀下降。 曲线与横轴间的面积总等于1，相当于概率密度函数的函数从正无穷到负无穷积分的概率为1。即频率的总和为100%。

统计学常用分布及其分位数

§1.4 常用的分布及其分位数 1. 卡平方分布 卡平方分布、t 分布及F 分布都是由正态分布所导出的分布，它们与正态分布一起，是试验统计中常用的分布。 当X 1、X 2、…、Xn 相互独立且都服从N(0,1)时，Z=∑i i X 2 的 分布称为自由度等于n 的2χ分布，记作Z ～2χ(n)，它的分 布密度 p(z )=???????>??? ??Γ--,,00,2212122其他z e x n z n n 式中的??? ??Γ2n =u d e u u n ?∞+--012，称为Gamma 函数，且()1Γ=1， ?? ? ??Γ21=π。2χ分布是非对称分布，具有可加性，即当Y 与Z 相互独立，且Y ～2χ(n )，Z ～2χ(m )，则Y+Z ～2χ(n+m )。 证明: 先令X 1、X 2、…、X n 、X n+1、X n+2、…、 X n+m 相互独立且都服从N(0,1)，再根据2χ分布的定义以及上述随机变量的相互独立性，令 Y=X 21+X 22+…+X 2n ，Z=X 21+n +X 22+n +…+X 2m n +， Y+Z= X 21+X 22+…+X 2n + X 21+n +X 22+n +…+X 2m n +， 即可得到Y+Z ～2χ(n +m )。 2. t 分布 若X 与Y 相互独立，且 X ～N(0,1)，Y ～2χ(n )，则Z =n Y X 的分布称为自由度等于n 的t 分布，记作Z ～ t (n )，它的分布密度 P(z)=)()(221n n n ΓΓ+2121+-???? ??+n n z 。 请注意：t 分布的分布密度也是偶函数，且当n>30时，t

标准正态分布函数表

函数: 函数的定义通常分为传统定义和近代定义，函数的两个定义本质是相同的，只是叙述概念的出发点不同，传统定义是从运动变化的观点出发，而近代定义是从集合、映射的观点出发。 标准正态分布： 标准正态分布，是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。期望值μ=0，即曲线图象对称轴为Y轴，标准差σ=1条件下的正态分布，记为N(0，1)。 定义： 标准正态分布又称为u分布，是以0为均数、以1为标准差的正态分布，记为N（0，1）。 标准正态分布曲线下面积分布规律是：在-1.96～+1.96范围内曲线下的面积等于0.9500，在-2.58～+2.58范围内曲线下面积为0.9900。统计学家还制定了一张统计用表（自由度为∞时），借助该表就可以估计出某些特殊u1和u2值范围内的曲线下面积。 正态分布的概率密度函数曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是位置参数均数为0, 尺度参数：标准差为1的正态分布（见下图中绿色曲线）。 特点： 密度函数关于平均值对称 平均值与它的众数（statistical mode）以及中位数（median）

同一数值。 函数曲线下68.268949%的面积在平均数左右的一个标准差范围内。 95.449974%的面积在平均数左右两个标准差的范围内。 99.730020%的面积在平均数左右三个标准差的范围内。 99.993666%的面积在平均数左右四个标准差的范围内。 函数曲线的反曲点（inflection point）为离平均数一个标准差距离的位置。 标准偏差： 深蓝色区域是距平均值小于一个标准差之内的数值范围。在正态分布中，此范围所占比率为全部数值之68%，根据正态分布，两个标准差之内的比率合起来为95%；三个标准差之内的比率合起来为99%。 在实际应用上，常考虑一组数据具有近似于正态分布的概率分布。若其假设正确，则约68.3%数值分布在距离平均值有1个标准差之内的范围，约95.4%数值分布在距离平均值有2个标准差之内的范围，以及约99.7%数值分布在距离平均值有3个标准差之内的范围。称为“68-95-99.7法则”或“经验法则”。

连续型随机变量的分布与例题讲解

连续型随机变量的分布 （一）连续型随机变量及其概率密度函数 1.定义：对于随机变量X 的分布函数 F(X) ，若存在非负函数f(x), 使对于 任意的实数 x，有F ( x)x f(x) 称为 X f (t)dt ，则称X为连续性随机变量， 的概率密度函数，简称概率密度。 注： F(x)表示曲线下x 左边的面积，曲线下的整个面积为1。 2 .密度函数f(x) 的性质：注： f( x)不是概率。 1) f( x)≥ 0 + f ( x) dx = 1 2) ò-x 2 3)P{x 1 < X ? x 2 }òx1 f (x) dx = F (x 2 ) - F (x 1 ) 特别地，连续型随机变量在某一点的概率为零，即 P{ X = x} = 0. （但 { X=x} 并不一定是不可能事件） 因此P(a≤X ≤ b)= P(a< X

标准正态分布函数表

函数: 函数（function）的定义通常分为传统定义和近代定义，函数的两个定义本质是相同的，只是叙述概念的出发点不同，传统定义是从运动变化的观点出发，而近代定义是从集合、映射的观点出发。函数的近代定义是给定一个数集A，假设其中的元素为x，对A中的元素x施加对应法则f，记作f（x），得到另一数集B，假设B中的元素为y，则y与x之间的等量关系可以用y=f（x）表示，函数概念含有三个要素：定义域A、值域B和对应法则f。其中核心是对应法则f，它是函数关系的本质特征。 标准正态分布： 标准正态分布，是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。期望值μ=0，即曲线图象对称轴为Y轴，标准差σ=1条件下的正态分布，记为N(0，1)。 定义： 标准正态分布又称为u分布，是以0为均数、以1为标准差的正态分布，记为N（0，1）。 标准正态分布曲线下面积分布规律是：在-1.96～+1.96范围内曲线下的面积等于0.9500，在-2.58～+2.58范围内曲线下面积为0.9900。统计学家还制定了一张统计用表（自由度为∞时），借助该表就可以估计出某些特殊u1和u2值范围内的曲线下面积。 正态分布的概率密度函数曲线呈钟形，因此人们又经常称之为钟

形曲线。我们通常所说的标准正态分布是位置参数均数为0, 尺度参数：标准差为1的正态分布（见下图中绿色曲线）。 特点： 密度函数关于平均值对称 平均值与它的众数（statistical mode）以及中位数（median）同一数值。 函数曲线下68.268949%的面积在平均数左右的一个标准差范围内。 95.449974%的面积在平均数左右两个标准差的范围内。 99.730020%的面积在平均数左右三个标准差的范围内。 99.993666%的面积在平均数左右四个标准差的范围内。 函数曲线的反曲点（inflection point）为离平均数一个标准差距离的位置。 标准偏差： 深蓝色区域是距平均值小于一个标准差之内的数值范围。在正态分布中，此范围所占比率为全部数值之68%，根据正态分布，两个标准差之内的比率合起来为95%；三个标准差之内的比率合起来为99%。 在实际应用上，常考虑一组数据具有近似于正态分布的概率分布。若其假设正确，则约68.3%数值分布在距离平均值有1个标准差之内的范围，约95.4%数值分布在距离平均值有2个标准差之内的范围，以及约99.7%数值分布在距离平均值有3个标准差之内的

第二章 随机变量及其分布习题

第二章 随机变量及其分布习题 一 、填空题 1. 设随机变量ξ的分布律为N a K P = =)(ξ（K=1,2, N ）,则常数=a 。 2. 盒内有5个零件，其中2件次品，从中任取3件，用ξ表示取出的次品数，则ξ的概率 分布为 。 3.设)(x F 是离散型随机变量的分布函数，若______)(==b P ξ，则 )()()(a F b F b a P -=<<ξ成立。 4.设离散型随机变量ξ的分布函数为 ? ?≥+<≤-<≤--<=2 2132 1110)(x b a x a x a x x F ，且2 1)2(= =ξP ，则___________________,______, 的分布律为ξ==b a 5. 设连续型随机变量ξ的概率密度为??? ??≤>=-0 0)(2x x ke x f x 则 ____)2(____,)2(____,)21(___,=<===≤<=ξξξP P P k 6. 设5个晶体管中有2个次品，3个正品，如果每次从中任取1个进行测试，测试后的产品不放回，直到把2个次品都找到为止，则需要进行的测试次数ξ是一个随机变量，则 ________)2(______,)5(=≤==ξξP P 7. 设随机变量ξ的概率密度为8 )1(2)(--=x ke x f （+∞<<∞-x ），则=k 。 8. 两个随机变量ηξ，相互独立的充要条件是______ 9. 设连续型随机变量ξ的概率密度为?? ?<≥=-0 )(x x e x f x ，则ξ的函数ξη=的概率密度________)(=y η? 10. 设随机变量ξ的概率密度为

?? ?>><<=其他 ) 0,0(,10)(k b x kx x f b ， 且________________,,75.0)2 1 (===> b k P 则ξ 二 、选择题 1 .k k p x P 2 )(= =ξ)2,1( =k 为一随机变量ξ的分布律的必要条件是（ ） （A ）k x 非负 （B ）k x 为整数 （C ）20≤≤k p （D ）2≥k p 2 . 若函数)(x f y =是一随机变量ξ的概率密度，则（ ）一定成立 （A ）)(x f 的定义域为[0，1] （B ）)(x f 的值域为[0，1] (C) )(x f 非负 (D) )(x f 在） ，（∞∞-内连续 3.如果)(x F 是（ ），则)(x F 一定不可以是连续型随机变量的分布函数（ ） （A ）非负函数 （B ）连续函数 （C ）有界函数 （D ）单调减少函数 4.下列函数中，（ ）可以作为连续型随机变量的分布函数 (A))(x F = ?? ?≥<0 1 0x x e x （B ）G(x)= ?? ?≥<-0 1 0x x e x (C)=Φ)(x ???≥-<010 x e x x (D) H(x)= ???≥+<-0 100 x e x x 5 . 设）（ηξ, 的联合概率密度为??? ??≤+=其他 11 ),(22y x y x f π 则ηξ与为（ ）的随机变量 （A ）独立同分布 （B ）独立不同分布 （C ）不独立同分布 （D ）不独立也不同分布 三、计算题

标准正态分布函数数值表

标准正态分布函数数值表 ( )()22 d 0x u u e x u Φ? ?∞ = ∫ r u 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 0.5000 0.5398 0.5793 0.6179 0.6554 0.6915 0.7257 0.7580 0.7881 0.8159 0.8413 0.8643 0.8849 0.9032 0.9192 0.9332 0.9452 0.9554 0.9641 0.9713 0.9772 0.9821 0.9861 0.9893 0.9918 0.9938 0.9953 0.9965 0.9974 0.9981 0.5040 0.5438 0.5832 0.6217 0.6591 0.6950 0.7291 0.7611 0.7910 0.8186 0.8438 0.8665 0.8869 0.9049 0.9207 0.9345 0.9463 0.9564 0.9648 0.9719 0.9778 0.9826 0.9864 0.9896 0.9920 0.9940 0.9955 0.9966 0.9975 0.9982 0.5080 0.5478 0.5871 0.6255 0.6628 0.6985 0.7324 0.7642 0.7939 0.8212 0.8461 0.8686 0.8888 0.9066 0.9222 0.9357 0.9474 0.9573 0.9656 0.9726 0.9783 0.9830 0.9868 0.9898 0.9922 0.9941 0.9956 0.9967 0.9976 0.9982 0.5120 0.5517 0.5910 0.6293 0.6664 0.7019 0.7357 0.7673 0.7967 0.8238 0.8485 0.8708 0.8907 0.9082 0.9236 0.9370 0.9484 0.9582 0.9664 0.9732 0.9788 0.9834 0.9871 0.9901 0.9925 0.9943 0.9957 0.9968 0.9977 0.9983 0.5160 0.5557 0.5948 0.6331 0.6700 0.7054 0.7389 0.7703 0.7995 0.8264 0.8508 0.8729 0.8925 0.9099 0.9251 0.9382 0.9495 0.9591 0.9671 0.9738 0.9793 0.9838 0.9874 0.9904 0.9927 0.9945 0.9959 0.9969 0.9977 0.9984 0.5199 0.5596 0.5987 0.6368 0.6736 0.7088 0.7422 0.7734 0.8023 0.8289 0.8531 0.8749 0.8944 0.9115 0.9265 0.9394 0.9505 0.9599 0.9678 0.9744 0.9798 0.9842 0.9878 0.9906 0.9929 0.9946 0.9960 0.9970 0.9978 0.9984 0.5239 0.5636 0.6026 0.6406 0.6772 0.7123 0.7454 0.7764 0.8051 0.8315 0.8554 0.8770 0.8962 0.9131 0.9278 0.9406 0.9515 0.9608 0.9686 0.9750 0.9803 0.9846 0.9881 0.9909 0.9931 0.9948 0.9961 0.9971 0.9979 0.9985 0.5279 0.5675 0.6064 0.6443 0.6808 0.7157 0.7486 0.7794 0.8078 0.8340 0.8577 0.8790 0.8980 0.9147 0.9292 0.9418 0.9525 0.9616 0.9693 0.9756 0.9808 0.9850 0.9884 0.9911 0.9932 0.9949 0.9962 0.9972 0.9979 0.9985 0.5379 0.5714 0.6103 0.6480 0.6844 0.7190 0.7517 0.7823 0.8106 0.8365 0.8599 0.8810 0.8997 0.9162 0.9306 0.9430 0.9535 0.9625 0.9700 0.9762 0.9812 0.9854 0.9887 0.9913 0.9934 0.9951 0.9963 0.9973 0.9980 0.9986 0.5359 0.5753 0.6141 0.6517 0.6879 0.7224 0.7549 0.7852 0.8133 0.8389 0.8621 0.8830 0.9015 0.9177 0.9319 0.9441 0.9545 0.9633 0.9706 0.9767 0.9817 0.9857 0.9890 0.9916 0.9936 0.9952 0.9964 0.9974 0.9981 0.9986 3.0 0.9987 0.9990 0.9993 0.9995 0.9997 0.9998 0.9998 0.9999 0.9999 1.0000 注：本表最后一行自左至右依次是Φ(3.0)、…、Φ(3.9)的值

常用分布概率计算的Excel应用

上机实习常用分布概率计算的Excel应用利用Excel中的统计函数工具，可以计算二项分布、泊松分布、正态分布等常用概率分布的概率值、累积（分布）概率等。这里我们主要介绍如何用Excel来计算二项分布的概率值与累积概率，其他常用分布的概率计算等处理与此类似。 §3.1 二项分布的概率计算 一、二项分布的（累积）概率值计算 用Excel来计算二项分布的概率值P n(k)、累积概率F n(k)，需要用BINOMDIST函数，其格式为： BINOMDIST (number_s，trials, probability_s, cumulative) 其中 number_s：试验成功的次数k； trials：独立试验的总次数n； probability_s：一次试验中成功的概率p； cumulative：为一逻辑值，若取0或FALSE时，计算概率值P n(k)；若取1 或TRUE时，则计算累积概率F n(k)，。 即对二项分布B(n,p)的概率值P n(k)和累积概率F n(k)，有 P n(k)=BINOMDIST(k,n,p,0)；F n(k)= BINOMDIST(k,n,p,1) 现结合下列机床维修问题的概率计算来稀疏现象（小概率事件）发生次数说明计算二项分布概率的具体步骤。 例3.1某车间有各自独立运行的机床若干台，设每台机床发生故障的概率为0.01，每台机床的故障需要一名维修工来排除，试求在下列两种情形下机床发生故障而得不到及时维修的概率： （1）一人负责15台机床的维修； （2）3人共同负责80台机床的维修。 原解：（1）依题意，维修人员是否能及时维修机床，取决于同一时刻发生故障的机床数。 设X表示15台机床中同一时刻发生故障的台数，则X服从n=15,p=0.01的二项分布： X～B(15,0.01)， 而 P(X= k)= C15k(0.01)k(0.99)15-k，k = 0, 1, …, 15 故所求概率为 P(X≥2)=1-P(X≤1)=1-P(X=0)-P(X=1) =1-(0.99)15-15×0.01×(0.99)14 =1-0.8600-0.1303=0.0097 （2）当3人共同负责80台机床的维修时，设Y表示80台机床中同一时刻发生故障的台数，则Y服从n=80、p=0.01的二项分布，即 Y～B(80,0.01) 此时因为 n=80≥30, p=0.01≤0.2 所以可以利用泊松近似公式：当n很大，p较小时（一般只要n≥30,p≤0.2时），对任一确定的k,有（其中 =np）

概率分布函数各种类型

Diagram of distribution relationships Probability distributions have a surprising number inter-connections. A dashed line in the chart below indicates an approximate (limit) relationship between two distribution families. A solid line indicates an exact relationship: special case, sum, or transformation. Click on a distribution for the parameterization of that distribution. Click on an arrow for details on the relationship represented by the arrow. Other diagrams on this site:

The chart above is adapted from the chart originally published by Lawrence Leemis in 1986 (Relationships Among Common Univariate Distributions, American Statistician 40:143-146.) Leemis published a larger chart in 2008 which is available online.

16种常见概率分布概率密度函数、意义及其应用

目录 1.均匀分布 (1) 2.正态分布（高斯分布） (2) 3.指数分布 (2) 4.Beta分布（β分布） (2) 5.Gamma分布 (3) 6.倒Gamma分布 (4) 7.威布尔分布(Weibull分布、韦伯分布、韦布尔分布) (5) 8.Pareto分布 (6) 9.Cauchy分布（柯西分布、柯西-洛伦兹分布） (7) χ分布（卡方分布） (7) 10.2 11.t分布 (8) 12.F分布 (9) 13.二项分布 (10) 14.泊松分布（Poisson分布） (10) 15.对数正态分布 (11) 1.均匀分布 均匀分布~(,) X U a b是无信息的，可作为无信息变量的先验分布。

1()f x b a = - ()2 a b E X += 2 ()()12 b a Var X -= 2. 正态分布（高斯分布） 当影响一个变量的因素众多，且影响微弱、都不占据主导地位时，这个变量很可能服从正态分布，记作2~(,)X N μσ。正态分布为方差已知的正态分布 2(,)N μσ的参数μ的共轭先验分布。 22 ()2()x f x μσ-- = ()E X μ= 2()Var X σ= 3. 指数分布 指数分布~()X Exp λ是指要等到一个随机事件发生，需要经历多久时间。其中0λ>为尺度参数。指数分布的无记忆性：{}|{}P X s t X s P X t >+>=>。 (),0 x f x e x λλ-=> 1 ()E X λ = 2 1 ()Var X λ = 4. Beta 分布（β分布）

Beta 分布记为~(,)X Be a b ，其中Beta(1,1)等于均匀分布，其概率密度函数可凸也可凹。如果二项分布(,)B n p 中的参数p 的先验分布取(,)Beta a b ，实验数据（事件A 发生y 次，非事件A 发生n-y 次），则p 的后验分布(,)Beta a y b n y ++-，即Beta 分布为二项分布(,)B n p 的参数p 的共轭先验分布。 10 ()x t x t e dt ∞--Γ=? 1 1()()(1)()() a b a b f x x x a b --Γ+= -ΓΓ ()a E X a b = + 2 ()()(1) ab Var X a b a b = +++ 5. Gamma 分布 Gamma 分布即为多个独立且相同分布的指数分布变量的和的分布，解决的