比浏览器更快的访问！
16 关系: 动差生成函数，对数，二項分佈，伯努利分布，形式幂级数，累積量生成函數，统计学，特征函数 (概率论)，随机变量，负二项分布，John Wiley & Sons，概率论，泊松分佈，泰勒级数，期望值，方差。
动差生成函数
#重定向 矩生成函數.
新！!: 累积量和动差生成函数 · 查看更多 »
对数
在数学中，真数 x（对于底数 ）的对数是 y 的指数 y，使得 。底数 的值一定不能是1或0（在扩展到复数的复对数情况下不能是1的方根），典型的是、 10或2。数x（对于底数β）的对数通常写为 稱作為以β為底x的對數。 当x和β进一步限制为正实数的时候，对数是1个唯一的实数。 例如，因为 我们可以得出 用日常语言说，以3为底81的对数是4。.
二項分佈
在概率论和统计学中，二项分布（Binomial Distribution）是n个独立的是/非试验中成功的次数的离散概率分布，其中每次试验的成功概率为p。这样的单次成功/失败试验又称为伯努利试验。实际上，当n.
伯努利分布
伯努利分布（Bernoulli distribution，又名两点分布或者0-1分布，是一個離散型概率分布，為紀念瑞士科學家雅各布·伯努利而命名。)若伯努利試驗成功，則伯努利隨机變-zh-hans:量; zh-hant:數;-取值為1。若伯努利試驗失敗，則伯努利隨机變-zh-hans:量; zh-hant:數;-取值為0。記其成功概率為p (0p1)，失敗-zh-hans:概;zh-hk:機;zh-tw:機;-率為q.
形式幂级数
形式幂级数是一个数学中的抽象概念，是从幂级数中抽离出来的代数对象。形式幂级数和从多项式中剥离出来的多项式环类似，不过允许（可数）无穷多项因子相加，但不像幂级数一般要求研究是否收敛和是否有确定的取值。形式幂级数在代数和组合理论中有广泛应用。.
累積量生成函數
機變數的累積量生成函數κnX是定義為：對動差生成函數（動差母函數）取自然對數的函數，如果符合定義，將如下所示： 將累積量生成函數g(t)對t等於零之處微分 累積量生成函數與機率分佈的動差值有很強的關聯性。假如隨機變數X存在期望值μ.
新！!: 累积量和累積量生成函數 · 查看更多 »
统计学
统计学是在資料分析的基础上，研究测定、收集、整理、归纳和分析反映數據資料，以便给出正确訊息的科學。這一门学科自17世纪中叶产生并逐步发展起来，它廣泛地應用在各門學科，從自然科学、社會科學到人文學科，甚至被用於工商業及政府的情報決策。隨著大数据(Big Data)時代來臨，統計的面貌也逐漸改變，與資訊、計算等領域密切結合，是資料科學(Data Science)中的重要主軸之一。 譬如自一組數據中，可以摘要並且描述這份數據的集中和離散情形，這個用法稱作為描述統計學。另外，觀察者以數據的形態，建立出一個用以解釋其隨機性和不確定性的數學模型，以之來推論研究中的步驟及母體，這種用法被稱做推論統計學。這兩種用法都可以被稱作為應用統計學。數理統計學则是討論背後的理論基礎的學科。.
特征函数 (概率论)
在概率论中，任何随机变量的特征函数（缩写：ch.f，复数形式：ch.f's）完全定义了它的概率分布。在实直线上，它由以下公式给出，其中X是任何具有该分布的随机变量： 其中t是一个实数，i是虚数单位，E表示期望值。 用矩母函数MX（t）来表示（如果它存在），特征函数就是iX的矩母函数，或X在虚数轴上求得的矩母函数。 与矩母函数不同，特征函数总是存在。 如果FX是累积分布函数，那么特征函数由黎曼-斯蒂尔切斯积分给出： 在概率密度函数fX存在的情况下，该公式就变为： 如果X是一个向量值随机变量，我们便取自变量t为向量，tX为数量积。 R或Rn上的每一个概率分布都有特征函数，因为我们是在有限测度的空间上对一个有界函数进行积分，且对于每一个特征函数都正好有一个概率分布。 一个对称概率密度函数的特征函数（也就是满足fX(x).
新！!: 累积量和特征函数 (概率论) · 查看更多 »
随机变量
給定樣本空间(S, \mathbb)，如果其上的實值函數 X:S \to \mathbb是\mathbb (實值)可測函數，则稱X為（實值）随机变量。初等概率論中通常不涉及到可測性的概念，而直接把任何X:S \to \mathbb的函數稱為随机变量。 如果X指定给概率空间S中每一个事件e有一个实数X(e)，同时针对每一个实数r都有一个事件集合A_r与其相对应，其中A_r.
负二项分布
負二項分布是統計學上一種離散概率分布。“负二项分布”与“二项分布”的区别在于：“二项分布”是固定试验总次数N的独立试验中，成功次数k的分布；而“负二项分布”是所有到成功r次时即终止的独立试验中，失败次数k的分布。.
John Wiley & Sons
#重定向 約翰威立.
新！!: 累积量和John Wiley & Sons · 查看更多 »
概率论
概率论（Probability theory）是集中研究概率及随机现象的数学分支，是研究隨機性或不確定性等現象的數學。概率论主要研究对象为随机事件、随机变量以及随机过程。对于随机事件是不可能准确预测其结果的，然而对于一系列的独立随机事件——例如掷骰子、扔硬币、抽扑克牌以及輪盤等，会呈现出一定的、可以被用于研究及预测的规律，两个用来描述这些规律的最具代表性的数学结论分别是大数定律和中心极限定理。 作为统计学的数学基础，概率论对诸多涉及大量数据定量分析的人类活动极为重要，概率论的方法同样适用于其他方面，例如是对只知道系统部分状态的复杂系统的描述——统计力学，而二十世纪物理学的重大发现是以量子力学所描述的原子尺度上物理现象的概率本质。 數學家和精算師認為概率是在0至1閉區間内的數字，指定給一發生與失敗是隨機的「事件」。概率P(A)根據概率公理來指定給事件A。 一事件A在一事件B確定發生後會發生的概率稱為B給之A的條件概率；其數值為。若B給之A的條件概率和A的概率相同時，則稱A和B為獨立事件。且A和B的此一關係為對稱的，這可以由一同價敘述：「當A和B為獨立事件時，P(A \cap B).
泊松分佈
Poisson分布（法語：loi de Poisson，英語：Poisson distribution），译名有--分布、--分布、--分佈、--分佈、--分佈、--分佈、卜氏分配等，又稱帕松小數法則（Poisson law of small numbers），是一種統計與概率學裡常見到的離散機率分佈，由法國數學家西莫恩·德尼·泊松（Siméon-Denis Poisson）在1838年時發表。 泊松分布适合于描述单位时间内随机事件发生的次数的概率分布。如某一服务设施在一定时间内受到的服务请求的次数，电话交换机接到呼叫的次数、汽车站台的候客人数、机器出现的故障数、自然灾害发生的次数、DNA序列的变异数、放射性原子核的衰变数、雷射的光子數分布等等。 泊松分布的概率質量函数为： 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。 根据泰勒展开式可得:e^.
泰勒级数
在数学中，泰勒级数（Taylor series）用无限项连加式——级数来表示一个函数，这些相加的项由函数在某一点的导数求得。泰勒级数是以于1715年发表了泰勒公式的英國数学家布魯克·泰勒（Sir Brook Taylor）来命名的。通过函数在自变量零点的导数求得的泰勒级数又叫做麦克劳林级数，以苏格兰数学家科林·麦克劳林的名字命名。 拉格朗日在1797年之前，最先提出帶有餘項的現在形式的泰勒定理。实际应用中，泰勒级数需要截断，只取有限项，可以用泰勒定理估算这种近似的误差。一个函数的有限项的泰勒级数叫做泰勒多项式。一个函数的泰勒级数是其泰勒多项式的极限（如果存在极限）。即使泰勒级数在每点都收敛，函数与其泰勒级数也可能不相等。开区间（或复平面开片）上，与自身泰勒级数相等的函数称为解析函数。.
期望值
在概率论和统计学中，一个离散性随机变量的期望值（或数学期望、或均值，亦简称期望，物理学中称为期待值）是试验中每次可能的结果乘以其结果概率的总和。换句话说，期望值像是随机试验在同样的机会下重复多次，所有那些可能狀態平均的结果，便基本上等同“期望值”所期望的數。需要注意的是，期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。（换句话说，期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合裡。） 例如，掷一枚公平的六面骰子，其每次「點數」的期望值是3.5，计算如下： \operatorname(X)&.
方差
方差（Variance），應用數學裡的專有名詞。在概率论和统计学中，一个随机变量的方差描述的是它的离散程度，也就是该变量离其期望值的距离。一个实随机变量的方差也称为它的二阶矩或二階中心動差，恰巧也是它的二阶累积量。這裡把複雜說白了，就是將各個誤差將之平方（而非取絕對值，使之肯定為正數），相加之後再除以總數，透過這樣的方式來算出各個數據分佈、零散（相對中心點）的程度。繼續延伸的話，方差的算术平方根称为该随机变量的标准差（此為相對各個數據點間）。.
重定向到这里：
累積量。
