有没有人给我解释一下加权平均值。正态分布，指数分布，泊松分布。和中心极限定理啊。 求概率论里的几种分布公式,正态分布,指数分布,泊松分布,二项...
\u4f8b5\u3002\u670d\u4ece\u67cf\u677e\u5206\u5e03\uff0cE\uff08X\uff09\u4e0d\u662f\u7b49\u4e8eD\uff08X\uff09\u5417\uff1f\u8fd9\u4e2a\u4e2d\u5fc3\u6781\u9650\u5b9a\u7406\u600e\u4e48\u56de\u4e8b\uff1f\u6cca\u677e\u5206\u5e03\u662f\u6982\u7387\u8bba\u4e2d\u5e38\u7528\u7684\u4e00\u79cd\u79bb\u6563\u578b\u6982\u7387\u5206\u5e03.\u82e5\u968f\u673a\u53d8\u91cfX \u53ea\u53d6\u975e\u8d1f\u6574\u6570\u503c0,1,2,...,\u4e14\u5176\u6982\u7387\u5206\u5e03\u670d\u4ece
P(X=i)=(e^(-\u03bb)\u03bb^i)/(i!)
\u5219\u968f\u673a\u53d8\u91cfX \u7684\u5206\u5e03\u79f0\u4e3a\u6cca\u677e\u5206\u5e03,\u8bb0\u4f5cP(\u03bb).\u8fd9\u4e2a\u5206\u5e03\u662fS.-D.\u6cca\u677e\u7814\u7a76\u4e8c\u9879\u5206\u5e03\u7684\u6e10\u8fd1\u516c\u5f0f\u65f6\u63d0\u51fa\u6765\u7684.\u6cca\u677e\u5206\u5e03P (\u03bb)\u4e2d\u53ea\u6709\u4e00\u4e2a\u53c2\u6570\u03bb ,\u5b83\u65e2\u662f\u6cca\u677e\u5206\u5e03\u7684\u5747\u503c,\u4e5f\u662f\u6cca\u677e\u5206\u5e03\u7684\u65b9\u5dee.\u5728\u5b9e\u9645\u4e8b\u4f8b\u4e2d,\u5f53\u4e00\u4e2a\u968f\u673a\u4e8b\u4ef6,\u4f8b\u5982\u67d0\u7535\u8bdd\u4ea4\u6362\u53f0\u6536\u5230\u7684\u547c\u53eb\u3001\u6765\u5230\u67d0\u516c\u5171\u6c7d\u8f66\u7ad9\u7684\u4e58\u5ba2\u3001\u67d0\u653e\u5c04\u6027\u7269\u8d28\u53d1\u5c04\u51fa\u7684\u7c92\u5b50\u3001\u663e\u5fae\u955c\u4e0b\u67d0\u533a\u57df\u4e2d\u7684\u767d\u8840\u7403\u7b49\u7b49,\u4ee5\u56fa\u5b9a\u7684\u5e73\u5747\u77ac\u65f6\u901f\u7387\u03bb(\u6216\u79f0\u5bc6\u5ea6)\u968f\u673a\u4e14\u72ec\u7acb\u5730\u51fa\u73b0\u65f6,\u90a3\u4e48\u8fd9\u4e2a\u4e8b\u4ef6\u5728\u5355\u4f4d\u65f6\u95f4\uff08\u9762\u79ef\u6216\u4f53\u79ef\uff09\u5185\u51fa\u73b0\u7684\u6b21\u6570\u6216\u4e2a\u6570\u5c31\u8fd1\u4f3c\u5730\u670d\u4ece\u6cca\u677e\u5206\u5e03.\u56e0\u6b64\u6cca\u677e\u5206\u5e03\u5728\u7ba1\u7406\u79d1\u5b66,\u8fd0\u7b79\u5b66\u4ee5\u53ca\u81ea\u7136\u79d1\u5b66\u7684\u67d0\u4e9b\u95ee\u9898\u4e2d\u90fd\u5360\u6709\u91cd\u8981\u7684\u5730\u4f4d.
\u6b63\u6001\u5206\u5e03\uff1a
\u6307\u6570\u5206\u5e03\uff1a
\u6cca\u677e\u5206\u5e03
\u4e8c\u9879\u5206\u5e03\uff1a
举例说明，下面是一个同学的某一科的考试成绩：
平时测验 80， 期中 90， 期末 95
学校规定的科目成绩的计算方式是：
平时测验占 20%；
期中成绩占 30%；
期末成绩占 50%；
这里，每个成绩所占的比重叫做权数或权重。那么，
加权平均值 = 80*20% + 90*30% + 95*50% = 90.5
算数平均值 = (80 + 90 + 95)/3 = 88.3
上面的例子是已知权重的情况。下面的例子是未知权重的情况：
股票A，1000股，价格10；
股票B，2000股，价格15；
算数平均 = (10 + 15) / 2 = 12.5；
加权平均 = (10 x 1000 + 15 x 2000) / (1000 + 2000) = 13.33
其实，在每一个数的权数相同的情况下，加权平均值就等于算数平均值。
提示：道琼斯工业指数就是算数平均值，标准普尔500指数是权重平均值。
正态分布一种概率分布。正态分布是具有两个参数μ和σ2的连续
型随机变量的分布，第一参数μ是遵从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2 )。 遵从正态分布的随机变量的概率规律为取 μ邻近的值的概率大 ，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。正态分布的密度函数的特点是：关于μ对称，在μ处达到最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点。它的形状是中间高两边低 ，图像是一条位于x轴上方的钟形曲线。当μ＝0，σ2 ＝1时，称为标准正态分布，记为N（0，1）。μ维随机向量具有类似的概率规律时，称此随机向量遵从多维正态分布。多元正态分布有很好的性质，例如，多元正态分布的边缘分布仍为正态分布，它经任何线性变换得到的随机向量仍为多维正态分布，特别它的线性组合为一元正态分布。
http://baike.baidu.com/view/45379.htm
以1/θ为参数的指数分布，期望是θ，方差是θ的平方
这是同济大学4版概率论的说法。当然，一般参考书说成：以λ为参数的指数分布，期望是1/λ，方差是（1/λ）的平方
，其实是一回事！！！！http://zhidao.baidu.com/question/26843994.html
泊松分布
泊松分布（Poisson distribution），台译卜瓦松分布，是一种统计与概率学里常见到的离散机率分布（discrete probability distribution），由法国数学家西莫恩·德尼·泊松（Siméon-Denis Poisson）在1838年时发表。 泊松分布的概率密度函数为： P(X=k)=\frac{e^{-\lambda}\lambda^k}{k!} 泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生率。
http://baike.baidu.com/view/79815.htm
中心极限定理
central limit theorem
概率论中讨论随机变量序列部分和的分布渐近于正态分布的一类定理。概率论中最重要的一类定理，有广泛的实际应用背景。在自然界与生产中，一些现象受到许多相互独立的随机因素的影响，如果每个因素所产生的影响都很微小时，总的影响可以看作是服从正态分布的。中心极限定理就是从数学上证明了这一现象 。最早 的中心极限定理是讨论n重伯努利试验中，事件A出现的次数渐近于正态分布的问题。1716年前后，A.棣莫弗对n重伯努利试验中每次试验事件A出现的概率为1／2的情况进行了讨论，随后，P.-S.拉普拉斯和A.M.李亚普诺夫等进行了推广和改进。自P.莱维在1919～1925年系统地建立了特征函数理论起，中心极限定理的研究得到了很快的发展，先后产生了普遍极限定理和局部极限定理等。极限定理是概率论的重要内容，也是数理统计学的基石之一，其理论成果也比较完美。长期以来，对于极限定理的研究所形成的概率论分析方法，影响着概率论的发展。同时新的极限理论问题也在实际中不断产生。
绛旓細鍔犳潈鍚庣殑锛岄偅涔堝姞鏉冨鐞嗗悗灏辨槸(84*30%+92*50%+91*20%)=89.4锛岃繖鏄湪宸茬煡鏉冮噸鐨勬儏鍐典笅;閭ｄ箞鏈煡鏉冮噸鐨勬儏鍐典笅鍛?鎯崇煡閬撲袱涓彮鐨勫寲瀛鍔犳潈骞冲潎鍊锛屼竴鐝50浜猴紝骞冲潎80锛屼簩鐝60浜猴紝骞冲潎82锛岀畻鏁板钩鍧囨槸(80+82)/2=81锛屽姞鏉冨悗鏄(50*80+60*82)/(50+60)=81.09.杩樻湁涓绉嶆儏鍐电被浼肩涓绉嶄篃鏄汉涓...
绛旓細涓句釜渚嬪瓙璇存槑姣旇緝娓呮 濡侫銆丅锛堜袱涓暟锛夌殑绠楁湳骞冲潎鍊间负 (A+B)/2 锛屽嚑浣曞钩鍧囧 鈭(AB) 锛鍔犳潈骞冲潎鍊 (k1A+k2B)/(k1+k2) --- k涓烘潈閲嶇郴鏁 A銆丅銆丆锛堜袱涓暟锛夌殑绠楁湳骞冲潎鍊间负 (A+B+C)/3 锛屽嚑浣曞钩鍧囧 ³鈭(ABC) --- 寮3娆℃柟锛屽姞鏉冨钩鍧囧 (k1A+k2B+k3C)/(k1+k2+k3)...
绛旓細涓嶅彲浠ワ紝鍔犳潈骞冲潎鍊鏄鐜囩殑鎰忔濓紝鍒嗘瘝鍥犺鏄痑+b+c...+鍔犳潈骞冲潎鍊兼剰鎬濇槸姣忎釜鏁颁箻浠ユ瘡涓暟鍑虹幇鐨勬鐜囧啀鐩稿姞锛屽氨鏄湡鏈
绛旓細1)骞冲潎鏁版槸鎸囧湪涓缁勬暟鎹腑鎵鏈夋暟鎹箣鍜屽啀闄や互鏁版嵁鐨勪釜鏁.瀹冩槸鍙嶆槧鏁版嵁闆嗕腑瓒嬪娍鐨勪竴椤规寚鏍.鍏紡涓猴細鎬绘暟閲忓拰梅鎬讳唤鏁=骞冲潎鏁 骞冲潎鏁懊楁讳唤鏁=鎬绘暟閲忓拰 鎬绘暟閲忓拰梅骞冲潎鏁=鎬讳唤鏁 2)鍔犳潈骞冲潎鏁鏄笉鍚屾瘮閲嶆暟鎹殑骞冲潎鏁,鍔犳潈骞冲潎鏁板氨鏄妸鍘熷鏁版嵁鎸夌収鍚堢悊鐨勬瘮渚嬫潵璁＄畻,鑻 n涓暟涓,x1鍑虹幇f1娆,x2...
绛旓細鍔犳潈骞冲潎鏁鍜屽钩鍧囨暟鐨勫尯鍒細鎰忎箟涓嶅悓锛涚畻娉曚笉鍚岋紱浼樼偣涓嶅悓銆1銆佹剰涔変笉鍚岋細骞冲潎鏁帮細鏄〃绀轰竴缁勬暟鎹泦涓秼鍔跨殑閲忔暟锛屾槸鎸囧湪涓缁勬暟鎹腑鎵鏈夋暟鎹箣鍜屽啀闄や互杩欑粍鏁版嵁鐨勪釜鏁般傛槸鍙嶆槧鏁版嵁闆嗕腑瓒嬪娍鐨勪竴椤规寚鏍囥傚姞鏉冨钩鍧囨暟锛氬ぇ灏忎笉浠呭彇鍐充簬鎬讳綋涓悇鍗曚綅鐨勬暟鍊硷紙鍙橀噺鍊硷級鐨勫ぇ灏忥紝鑰屼笖鍙栧喅浜庡悇鏁板煎嚭鐜扮殑娆℃暟锛...
绛旓細闂涓夛細Excel鎬庝箞绠鍔犳潈骞冲潎鏁 鍔犳潈骞冲潎鏁扮殑鍏紡涓猴細=SUMPRODUCT(B2:B4,C2:C4)/SUM(B2:B4)鎴栬呰緭鍏ュ叕寮忥細=SUM(B2:B4*C2:C4)/SUM(B2:B4)鐒跺悗鎸変笅Ctrl+Shift+Enter涓夐敭缁撴潫鏁扮粍鍏紡鐨勮緭鍏ャ傚笇鏈涘浣犳湁甯姪銆傞棶棰樺洓锛氬姞鏉冨钩鍧囨硶璁＄畻鍏紡 x鎷=锛坸1f1 + x2f2+ ... xkfk锛/n锛屽叾涓璮1 + ...
绛旓細绉诲姩鍔犳潈骞冲潎娉曪紙Weighted Moving Average锛夋槸涓绉嶇敤浜庡钩婊戞暟鎹簭鍒楃殑鏂规硶锛屽畠缁欎簣涓嶅悓鏃堕棿鐐圭殑鏁版嵁鐐逛笉鍚岀殑鏉冮噸锛岃绠楀嚭绉诲姩骞冲潎鍊笺備互涓嬫槸绉诲姩鍔犳潈骞冲潎娉曠殑璁＄畻鍏紡锛氱Щ鍔鍔犳潈骞冲潎鍊 = (w1 * x1 + w2 * x2 + ... + wn * xn) / (w1 + w2 + ... + wn)鍏朵腑锛1. 绉诲姩鍔犳潈骞冲潎鍊兼槸...
绛旓細鍔犳潈骞冲潎鏁鏄竴绉嶆暟瀛﹁绠楁柟寮忥紝鏄寚鏍规嵁鍚勬暟鍊煎嚭鐜扮殑娆℃暟鎴栨潈閲嶈绠楀嚭鐨勫钩鍧囨暟銆傚姞鏉冨钩鍧囨暟鏄竴绉嶇壒娈婄殑骞冲潎鏁拌绠楁柟寮忥紝涓嶅悓浜庣畝鍗曠殑绠楁暟骞冲潎鏁般傚湪璁＄畻鍔犳潈骞冲潎鏁版椂锛屾瘡涓涓暟鍊奸兘鏈夊叾瀵瑰簲鐨勬潈閲嶃備笅闈㈣繘琛岃缁瑙ｉ噴锛氬姞鏉冨钩鍧囨暟鐨勬蹇靛強璁＄畻鏂规硶 鍔犳潈骞冲潎鏁颁富瑕佺敤浜庡鐞嗕竴缁勬暟鍊硷紝鍏朵腑姣忎釜鏁板肩殑閲嶈鎬...
绛旓細鍔犳潈骞冲潎鎴愮哗鏄繖鏍风殑 涓闂ㄨ鐨勬垚缁╀箻浠ヤ竴闂ㄨ鐨勫鍒 鐒跺悗绗簩闂ㄨ鐨勬垚缁╀箻浠ョ浜岄棬璇剧殑瀛﹀垎 灏辫繖鏍蜂竴鐩村姞涓嬪幓 鏈鍚庢妸鎬诲拰闄や互鎬诲鍒 杩欏氨鏄姞鏉冨钩鍧囨垚缁
绛旓細(3脳蠂 + 2脳y + 1脳z)梅(蠂 + y + z) 杩欓噷x銆亂銆亃鍒嗗埆灏辨槸鏉冩暟鍊硷紝鈥鍔犳潈鈥濆氨鏄冭檻鍒颁笉鍚屽彉閲忓湪鎬讳綋涓殑姣斾緥浠介銆 === 褰撲竴缁勬暟鎹腑鐨勬煇浜涙暟閲嶅鍑虹幇鍑犳鏃讹紝閭ｄ箞瀹冧滑鐨骞冲潎鏁鐨勮〃绀哄舰寮忓彂鐢熶簡涓瀹氱殑鍙樺寲.渚嬪锛屾煇浜哄皠鍑诲崄娆★紝鍏朵腑浜屾灏勪腑10鐜紝涓夋灏勪腑8鐜紝鍥涙灏勪腑...
