(1)两者区别
计算方式不同
- 离散随机变量:概率函数f(x)给出了随机变量x取某个特定值的概率
- 连续随机变量:给定区间上曲线f(x)下的面积,给出在该区间取值的概率/取某一特定值的概率为0
(2)3大类型
- 均匀概率分布
- 正态概率分布
- 指数概率分布
(3)均匀概率分布
特征:随机变量x在任意两个子区间的概率是相同的.我们假定眼前有个扑克牌,去掉大小王后剩下数字为1~13,很显然是离散型均匀分布,这里每个抽取的概率是1/13,每个抽取的概率是相等的,如果把这些离散型随机变量的取值换成连续型随机变量的取值区域(0《x《13),这时候随机变量在取值区域内可以任意选值且概率为1/13,是连续型均匀概率分布.
(4)正态概率分布
正态概率分布在实际中有的广泛的应用,比如,人的身高和体重 考试成绩 降雨量以及其它类似问题,都近似服从正态概率分布.也是描述连续型随机变量最重要的概率分布.
- 正态分布是对称的且关于均值处对称,由于对称,从而它不是偏斜的,偏度为0.
- 正态概率分布曲线下的面积是1.其曲线均值左侧的面积为0.5,曲线下方均值右侧的面积也是0.5
经验法则
- 正态随机变量有68.3%的值在均值加减1个标准差的范围内
- 正态随机变量有95.4%的值在均值加减2个标准差的范围内
- 正态随机变量有99.7%的值在均值加减3个标准差的范围内
(5)指数概率分布
在离散型概率分布中介绍过泊松分布,其分布是观察一个一个事件在一特定时间区间或空间上发生的次数,是基于历史数据对于未来的同样特定时间区间或者空间的预测,而指数分布是在此基础上描述了一个事件出现两次之间的区间长度的描述.换言之,一个注重次数,一个注重相邻的长度
最后,头像是正态分布的推导者:“棣莫弗",法国数学家,兴趣的可以百度