【学习笔记】第四章概率论与数理统计

2022-01-24 23:05:35 阅读：229 来源： 互联网

标签：4.1 数理统计第四章 import alpha 概率论随机变量 norm 位数

4.1 随机变量的概率计算和数字特征

4.1.1 随机变量的概率计算

例4.1 设 $X\sim N(3,5^2)$ (1）求P{2<X<6}；（2）确定c，使P{-3c<X<2c}=0.6

from scipy.stats import norm
from scipy.optimize import fsolve
print("p=",norm.cdf(6,3,5)-norm.cdf(2,3,5))#做差，后减前
f=lambda c: norm.cdf(2*c,3,5)-norm.cdf(-3*c,3,5)-0.6
print("c=",fsolve(f,0))

定义4.1 α分位数

若连续型随机变量X的分布函数为 $F(x)$ ,对于0<α<1,若 $x_\alpha$ 使得 $P\left \{ X\leq x_\alpha \right \}=\alpha$ ,则称 $x_\alpha$ 为这个分布的α分位数。若 $F(x)$ 的反函数 $F^{-1}(x)$ 存在,则有 $x_\alpha =F^{-1}(1-\alpha )$

定义4.2 上α分位数

若连续型随机变量X的分布函数为 $F(x)$ ，对于 $0<\alpha <1$ ,若 $\tilde{x}_\alpha$ 使得 $P\left \{ X>\tilde{x}_\alpha \right \}=\alpha$ ，则称 $\tilde{x}_\alpha$ 为这个分布的上α分位数。 若 $F(x)$ 的反函数 $F^{-1}(x)$ 存在,则有 $\tilde{x}_\alpha =F^{-1}(1-\alpha )$

例4.2 设 $X\sim N(0,1)$ ,若 $z_\alpha$ 满足条件 $P\left \{X > z_\alpha \right \}= \alpha ,0<\alpha <1$ ，则称 $z_\alpha$ 为标准正态分布的上α分位数。试计算几个常用的 $z_\alpha$ 的值,并画出 $z_{0.1}$ 的示意图.
计算得到几个常用的 $z_\alpha$ 的值见下表， $z_{0.1}$ 的示意图见下图：

from scipy.stats import norm
from pylab import plot,fill_between,show,text,savefig,rc 
from numpy import array, linspace, zeros
alpha=array([0.001, 0.005, 0.01, 0.025, 0.05, 0.10])#表中给的alpha的值
za=norm.ppf(1-alpha,0,1)  #求上alpha分位数  #定义4.2
print("上alpha分位数分别为", za)
x=linspace(-4, 4, 100); y=norm.pdf(x, 0, 1)
rc('font',size=16); rc('text',usetex=True)
plot(x,y)  #画标准正态分布密度曲线
x2=linspace(za[-1],4,100)#在0.1对应的上alpha分位数和4之间取100个点
y2=norm.pdf(x2);
y1=[0]*len(x2)
fill_between(x2, y1, y2, color='r')  #y1,y2对应的点之间填充
plot([-4,4],[0,0])  #画水平线    # [-4,0]|[4,0]
text(1.9, 0.07, "$\\leftarrow\\alpha$=0.1")  #标注
savefig("figure4_2.png", dpi=500); show()

4.1.2 随机变量数字特征简介

定义4.3：设随机变量X的分布律为： $P\left \{ X=x_k \right \}=p_k,k=1,2,\cdots ,$

若级数 $\sum_{k=1}^{\infty }x_kp_k$ 绝对收敛，则称级数 $\sum_{k=1}^{\infty }x_kp_k$ 的和为随机变量X的数学期望，记为 $E(X)$ ,即 $E(X)=\sum_{k=1}^{\infty }x_kp_k$

定义4.4：设X是一个随机变量，若 $E\left \{ [X-E(X)]^2 \right \}$ 存在，则称 $E\left \{ [X-E(X)]^2 \right \}$ 为X的方差，记为D(X)或Var(X)，即：

$D(X)=Var(X)=E\left \{ [X-E(X)]^2 \right \}$

$\sigma (x)=\sqrt{D(X)}$ 称为标准差或均方差。

方差其实就是随机变量X的函数 $g(X)= [X-E(X)]^2$ 的数学期望

标签：4.1,数理统计,第四章,import,alpha,概率论,随机变量,norm,位数
来源： https://blog.csdn.net/weixin_54581900/article/details/122675334

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

【学习笔记】第四章 概率论与数理统计

4.1 随机变量的概率计算和数字特征

4.1.1 随机变量的概率计算

4.1.2 随机变量数字特征简介

【学习笔记】第四章概率论与数理统计