伯努力分布、二项分布和泊松分布

大家玩过抓娃娃的游戏就会知道，每次抓娃娃只会有两种可能：一种可能是成功抓到娃娃，另一种可能是抓不到娃娃。如果将“成功抓到娃娃”的概率设为P，那么“抓不到娃娃”的概率就是1-P。我们刚才进行的这种只有两种可能结果的游戏试验可以称作“伯努利试验”，试验的结果则满足“伯努利分布”。

 

一、伯努利分布

 

那么，如果我重复抓娃娃100次（n重伯努利分布试验），在这100次游戏中，我一次都没有抓到的概率是多大？只抓到1次的概率是多大？抓到2次，3次，4次，……，n次的概率是多大呢？

我将每种成功次数可能出现的概率都计算出来，得到的概率密度图服从“二项分布”。

 

二、二项分布

 

 二项分布的性质：

①当n和p值固定时，b（k；n，p）先随k增加而增大，达到某一极大值后又逐渐下降。

二项分布的这一性质其实很容易理解，以我抓娃娃为例，我抓了100次娃娃，一次没抓到或次次都能抓到的可能性都是极小的，但会有一次最大可能成功次数，也就是二项分布的极大值。

②若将m称为最有可能的成功次数，通常m=【（n+1）p】，若(n + 1)p为整数时，则m− 1也为最可能成功次数。

假设我抓娃娃成功的概率是0.1，在上述进行的100次抓娃娃试验中，m = (100+1)*0.1 = 10.1 ≈ 10。即，我玩100次抓娃娃游戏，最大可能的成功次数是10次。

③固定n时，p越与1/2接近时，分布越接近对称。

从下图模拟实验得到的二项分布图进一步印证了这一性质：

 

上图中，在固定n时(n=20)，当p=0.1，二项分布呈右偏；当p=0.5，二项分布呈正态分布趋势；当p=0.9，二项分布呈左偏。

  案例：

在抓娃娃游戏中，我们已经知道了成功抓到娃娃的概率p为0.1，试验次数n为100，最可能抓取成功的次数m是10，那么，根据二项分布计算公式，我们可以知道成功抓取10次娃娃的相应概率：

 

三、泊松分布

 泊松分布的定义：

泊松分布是二项分布的极限分布，当n比较大，p比较小（p≤ 0.1）时，二项分布就可近似地看成是参数λ = np的泊松分布：

 

若随机变量x可取一切非负整数值，且相应的概率分布为:

 

其中λ > 0，则称x服从泊松分布，简记作x∼p(λ)。若把在每次试验中出现概率很小的事件称作稀有事件，泊松分布可用来描述一定时间内稀有事件出现的次数。参数λ含义：一定时间内稀有事件发生的平均次数。

假如商家为了赚取更大的利润，而对娃娃机做了手脚，导致抓到娃娃成为稀有事件，成功抓到娃娃的可能性概率仅为0.0001。

如果我重复抓10000次娃娃，那么λ=np=0.0001*10000=1，抓到娃娃的最大成功次数m = (n + 1)p = np+p≈1。即，我玩10000次抓娃娃游戏，最大可能的结果是：仅抓到1次娃娃。

在概率p值不变的情况下，不断增加试验次数，可以以此增加稀有事件发生的次数（λ）。下图展示的就是λ取值不同时，泊松分布的概率密度和累计概率。

 

泊松分布能够用来分析生活中很多的随机现象。比如：

• 单位时间内洪水等事故发生的次数；
• 矿井在某段时间发生事故的次数；
• 单位时间内市级医院急诊病人数；
• 一本书中每页印刷错误的个数。

 

  案例：

波特凯维茨(Bortkiewicz) 在《小数法则》一书里举了这么一个例子：从1875到1894年的20年间，德军的十四个军团有士兵被马踢伤致死的人数纪录，每年每个军团记录一次，总计有20×14=280条记录，按照每条记录中的死亡人数进行统计，得到了如下的表格。

 

这280个记录中，共有196人死亡，死亡率是 0.7，根据这一数据，波特凯维茨用泊松分布计算得出结果，可以看到泊松分布得出的结果和现实出奇地吻合。

这也再一次向大家印证了，统计学是一门理论联系实际，客观反映世界，非常具有实践性的学科。