常见分布的期望、方差、估计

最新推荐文章于 2025-08-12 13:33:46 发布

原创最新推荐文章于 2025-08-12 13:33:46 发布 · 2.3k 阅读

6 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#概率论 #机器学习

收录于

概率论与数理统计专栏收录该内容

23 篇文章

订阅专栏

本文概述了统计学中的核心概念，包括正态分布、期望、方差和矩估计，如极大似然估计。详细介绍了正态分布、伯努利分布、二项分布、泊松分布和几何分布等常见概率模型，以及参数估计的方法。此外，还涉及均匀分布和区间估计的实例。

                    
分布期望方差矩估计极大似然估计
正态分布N(μ,σ2)N(\mu, \sigma^2)N(μ,σ2)μ\muμσ2\sigma^2σ2X‾\overline XX，Sn∗2S_n^{*2}Sn∗2​X‾\overline XX，Sn2S_n^{2}Sn2​
伯努利分布B(1,p)B(1, p)B(1,p)pppp(1−p)p(1-p)p(1−p)X‾\overline XXX‾\overline XX
二项分布B(k;n,p)B(k; n, p)B(k;n,p)npnpnpnp(1−p)np(1-p)np(1−p)X‾/n\overline X/nX/nX‾/n\overline X/nX/n
泊松分布P(λ)P(\lambda)P(λ)λ\lambdaλλ\lambdaλX‾\overline XX，Sn∗2S_n^{*2}Sn∗2​（本着优先选用低阶矩的思想，可选用X‾\overline XX）X‾\overline XX
几何分布g(k,p)g(k, p)g(k,p)1p\frac{1}{p}p1​(1−p)/p2(1-p)/p^2(1−p)/p21/X‾1/\overline X1/X1/X‾1/\overline X1/X
均匀分布U(a,b)U(a, b)U(a,b)a+b2\frac{a+b}{2}2a+b​(b−a)2/12(b-a)^2/12(b−a)2/12a^=X‾−3Sn∗2\hat{a}=\overline X-\sqrt{3S_n^{*2}}a^=X−3Sn∗2​​, b^=X‾+3Sn∗2\hat{b}=\overline X+\sqrt{3S_n^{*2}}b^=X+3Sn∗2​​

分布	期望	方差	矩估计	极大似然估计
正态分布 $N(μ,σ2)N(\mu, \sigma^2)$	$μ\mu$	$σ2\sigma^2$	$X‾\overline X$ ， $S_n^{*2}$	$X‾\overline X$ ， $S_n^{2}$
伯努利分布 $B (1, p)$	$p$	$p (1 - p)$	$X‾\overline X$	$X‾\overline X$
二项分布 $B (k; n, p)$	$n p$	$n p (1 - p)$	$X‾/n\overline X/n$	$X‾/n\overline X/n$
泊松分布 $P(λ)P(\lambda)$	$λ\lambda$	$λ\lambda$	$X‾\overline X$ ， $S_n^{*2}$ （本着优先选用低阶矩的思想，可选用 $X‾\overline X$ ）	$X‾\overline X$
几何分布 $g (k, p)$	$1p\frac{1}{p}$	$1-p)/p^2$	$1/X‾1/\overline X$	$1/X‾1/\overline X$
均匀分布 $U (a, b)$	$a+b2\frac{a+b}{2}$	$b-a)^2/12$	$a^=X‾−3Sn∗2\hat{a}=\overline X-\sqrt{3S_n^{2}}$ , $b^=X‾+3Sn∗2\hat{b}=\overline X+\sqrt{3S_n^{2}}$