舉個例子，下面是壹個同學某科的考試成績:
平時考80，期中90，期末95
學校規定的科目成績計算方法是:
平時考試占20%；
中期業績占30%；
期末成績占50%；
在這裏，每壹項成就所占的比重稱為權重或權重。所以，
加權平均= 80*20%+90*30%+95*50% = 90.5。
算術平均值= (80+90+95)/3 = 88.3
上面的例子是權重已知的情況。下面的例子是未知重量的情況:
股票a，1000股，價格10；
股票B，2000股，價格15；
算術平均值=(10+15)/2 = 12.5；
加權平均值=(10x 1000+15x 2000)/(1000+2000)= 13.33
實際上，當每個數字的權重相同時，加權平均等於算術平均。
提示:道瓊斯工業平均指數是算術平均，標準普爾500指數是加權平均。
概率分布。正態分布是連續的，有兩個參數μ和σ2。
第壹個參數μ是壹個服從正態分布的隨機變量的均值，第二個參數σ2是這個隨機變量的方差，所以正態分布記為N(μ，σ2)。服從正態分布的隨機變量的概率規律是，取μ附近的值的概率大，取離μ較遠的值的概率小；σ越小，分布越集中在μ附近，σ越大，分布越分散。正態分布的密度函數的特征是:關於μ對稱性，在μ處達到最大值，在正(負)無窮處取值為0，在μ σ處有拐點。其形狀為中間高兩邊低，圖像為X軸上方的鐘形曲線。當μ = 0，σ 2 = 1時，稱為標準正態分布，記為n (0，1)。當壹個μ維隨機向量具有相似的概率規律時，就說這個隨機向量遵循壹個多維正態分布。多元正態分布有很好的性質，比如多元正態分布的邊緣分布仍然是正態分布，任意線性變換得到的隨機向量仍然是多維正態分布，特別是它的線性組合是壹元正態分布。
/view/45379.htm
以1/θ為參數的指數分布期望為θ，方差為θ的平方。
這是同濟大學第四版概率論的表述。當然，壹般參考書上說，以λ為參數的指數分布，期望是1/λ，方差是(1/λ)的平方。
，實際上是壹回事！！！！/問題/26843994.html
泊松分布
泊松分布，譯作Siméon-Denis Poisson，是統計與概率中常見的壹種離散概率分布，由法國數學家Siméon-Denis於1838年發表。泊松分布的概率密度函數為:p(x = k)= \ frac { e {-\λ} \λk } { k！泊松分布的參數λ是單位時間(或單位面積)內隨機事件的平均發生率。
/view/79815.htm
中心極限定理
中心極限定理
在概率論中，討論了隨機變量序列部分和的分布是漸近正態分布的壹類定理。概率論中最重要的定理有著廣泛的實際應用背景。在自然界和生產中，有些現象受到許多獨立隨機因素的影響。如果各因素影響較小，則總影響可視為服從正態分布。中心極限定理從數學上證明了這壹現象。最早的中心極限定理是討論N重伯努利檢驗中事件A的發生次數漸近正態的問題。在1716左右，A. de moivre討論了N重伯努利檢驗中每個檢驗事件A的概率為1/2的情況。隨後，拉普拉斯和李亞普諾夫對其進行了擴展和改進。自從P. Levy在1919 ~ 1925中系統地建立了特征函數理論以來，中心極限定理的研究發展很快，先後產生了泛極限定理和局部極限定理。極限定理是概率論的重要內容，是數理統計的基石之壹，其理論成果較為完善。長期以來，極限定理研究形成的概率論分析方法影響了概率論的發展。與此同時，新的極限理論問題也在實踐中不斷出現。