 |
|
|
||
|
的符号来表示. 函数如 Mean，给我们提供了统计分布的性质，并把分布的符号表达式作为参数. "连续分布" 描述了许多连续统计分布.| BernoulliDistribution[p] | 均值为 p 的贝努利分布 |
BetaBinomialDistribution[ , ,n] | 成功概率是服从 BetaDistribution 的随机变量的二项分布 |
| BetaNegativeBinomialDistribution[,,n] | |
成功概率是服从 BetaDistribution 的随机变量的负二项分布 | |
| BinomialDistribution[n,p] | n 次试验，每次试验成功概率为 p 的二项分布 |
| DiscreteUniformDistribution[{imin,imax}] | |
在范围从  到  的整数区间里的离散均匀分布 | |
| GeometricDistribution[p] | 每次试验成功概率为 p ，在达到第一次成功之前的试验数目所服从的几何分布 |
| HypergeometricDistribution[n,nsucc,ntot] | |
在大小为  的总体中，n 次试验有  次成功的超几何分布 | |
LogSeriesDistribution[ ] | 参数为 的对数级数分布 |
| NegativeBinomialDistribution[n,p] | 具有参数 n 和 p 的负二项分布 |
PoissonDistribution[ ] | 均值为 的泊松分布 |
ZipfDistribution[ ] | 参数为 的齐夫分布 |
给出在试验序列中 
次成功出现之前失败次数的分布，其中每次试验成功的概率是 
. 该分布是针对任何正值 
定义的，这里我们把 
解释为成功的次数，并且如果 
不是整数的话，
作为成功的概率也将不再成立. 
是二项分布和贝塔分布的合成. 一个 BetaBinomialDistribution
随机变量服从 BinomialDistribution
分布，其中成功概率 
本身服从贝塔分布 BetaDistribution
. 贝塔负二项分布 BetaNegativeBinomialDistribution
表示了类似的贝塔分布和负二项分布的合成. | PDF[dist,x] | 自变量为 x 的概率密度函数 |
| CDF[dist,x] | 自变量为 x 的累积分布函数 |
| InverseCDF[dist,q] | 使 CDF 的最大值为 q 的最大整数 x |
| Quantile[dist,q] | q 次分位数 |
| Mean[dist] | 均值 |
| Variance[dist] | 方差 |
| StandardDeviation[dist] | 标准差 |
| Skewness[dist] | 偏度系数 |
| Kurtosis[dist] | 峰度系数 |
| CharacteristicFunction[dist,t] | 特征函数  |
Expectation[f[x],x dist] | 当 x 服从分布 dist 时， 的期望值 |
| Median[dist] | 中位数 |
| Quartiles[dist] | dist 的第  、 、  四分位数的列表 |
| InterquartileRange[dist] | 第一和第三四分位数之间的差距 |
| QuartileDeviation[dist] | 四分位间距的一半 |
| QuartileSkewness[dist] | 四分偏度系数的测量 |
| RandomVariate[dist] | 指定分布的伪随机数 |
| RandomVariate[dist,dims] | 维度为 dims，并且元素服从指定分布的伪随机数组 |
提供了在 x 点的密度函数，否则的话，只要有可能我们就保留函数的符号表达式形式. 相同地，CDF
给出累积分布函数而 Mean[dist] 给出指定分布的均值. 为了更全面地描述统计分布的不同函数，请参见 "连续分布" 里类似的关于连续分布的介绍.| In[1]:= |
| Out[1]= |  |
| In[2]:= |
| Out[2]= |  |
| In[3]:= |
| Out[3]= |  |
| In[4]:= |
| Out[4]= |  |
| In[5]:= |
| Out[5]= |  |
| In[6]:= |
| Out[6]= |  |
|
选择语言
  |
