1.1常见分布
| 分布 | 概率或概率密度 | 均值 E(X) | 方差D(X) |
|---|---|---|---|
| 二项分布 | P(X=x)=Cnxpxqn−x P(X=x) = C_n^x p^x q^{n-x} P(X=x)=Cnxpxqn−x | npnpnp | np(1−p)np(1-p)np(1−p) |
| 泊松分布 | P{ X=i}=e−λλii! P\lbrace X= i \rbrace = e^{-λ} \frac{λ^i}{i!} P{ X=i}=e−λi!λi | λλλ | λλλ |
| 正态分布X ~ N(μ, σ2σ^2σ2) | f(x)=12πσe−(x−u)22σ2 f(x)=\frac{1}{\sqrt{2π}\sigma}e^{\frac{-(x-u)^2}{2\sigma^2}} f(x)=2πσ1e2σ2−(x−u)2 | uuu | σ2\sigma^2σ2 |
| 均匀分布X~U[a,b] | f(x)={ 1b−a,a≤x≤b 0,others f(x)= \begin{cases} \frac {1} {b-a} , & a \leq x \leq b \ 0, & others \end{cases} f(x)={ b−a1,a≤x≤b 0,others | a+b2\frac {a+b} {2}2a+b | (a−b)212\frac {(a-b)^2} {12} |
数据挖掘基础:概率统计与假设检验详解

本文介绍了数据挖掘中的概率统计基础知识,包括常见分布如几何分布、负二项分布和超几何分布等,并探讨了Python实现概率密度函数、累积分布函数等。同时,详细阐述了假设检验的基本概念、步骤、统计量选择,如P值、两类错误,并举例说明了正态检验、卡方检验、T-test、ANOVA和Mann-Whitney U Test的Python实战应用。
最低0.47元/天 解锁文章
2467

被折叠的 条评论
为什么被折叠?



