伯努利概型的一些分布

文章写于2020.8.31晚7点，复习《概率论》第二章。

伯努利概型

伯努利概型的引入来源于伯努利试验，伯努利试验是一种重复独立试验，具体的定义如下：

伯努利试验：只有两个可能结果的试验。关于试验，可以理解为一个三元组$(\Omega ,\mathcal{F},P)$，如果是有限离散情形，每次试验按照概率$P$蹦出一个样本点$\omega$,伯努利试验就可以简单理解为扔一个（可能不均匀的）硬币。给定的$\Omega$里只有2个点，理解为“正面”or“反面”， F = { Ω , ∅ , A , A c } \mathcal F = \{\Omega,\varnothing,A,A^c\} F={Ω,∅,A,Ac}，再给定投得“正面”的概率$P$，这个伯努利试验就被确定了。

伯努利试验被认为是一直重复无限次做下去的（无限次投币），还有概念**$\mathbf{n}$重伯努利试验**，样本空间共有$2^n$个点，事件域自然是样本点的任意子集。根据独立性也可以得到概率$P$。注意可列重伯努利试验的样本点无穷多个，甚至不可列，而可和$[0,1]$区间一一对应。

伯努利试验的应用范围比较广，当代遗传学、工业产品检验，机票超售问题（每个旅客当做一个试验）等等。

伯努利分布

没啥好谈的，就扔一次硬币的分布。只需要一个参数$p$代表事件$A$出现的概率就行。也可以叫做两点分布。

二项分布

有关n重伯努利试验的分布。给参数$n,p$分别代表伯努利试验的次数和出现正面的概率。可以任意计算$b(k;n,p)$表示投正面的次数为$k$的概率。计算公式为
$$b(k;n,p)=C_n^k{p}^k(1-p{)}^{n-k}$$

几何分布

讨论伯努利试验首次成功出现在第$k$次试验的概率。
$$g(k;p)=(1-p{)}^{k-1}p$$
注：计算出这些分布的概率利用的是n重伯努利试验、试验的独立性。

帕斯卡分布

与著名的分赌注问题有关。先胜利$t$局的人拿走奖金，甲赢了r局，乙赢了s局，问奖金的分配方法。

建立模型，假设甲每局赢的概率为定值$p$，视为投硬币投到正面，那么考虑伯努利试验扔硬币正好扔到第$t$次正面出现在第$k$次试验的概率。
$$f(k;t,p)=C_{k-1}^{t-1}{p}^t(1-p{)}^{k-t},k=t,t+1,\cdots$$
则只需考虑扔到$t-r$次正面出现在第1次~第2t-s-r-1次即可。

利用牛顿二项式、组合数公式，可以证明帕斯卡分布的概率和为1：
$$\sum _{k=t}^{\infty }f(k;t,p)=\sum _{l=0}^{\infty }{C}_{l+t-1}^{t-1}{p}^t(1-p{)}^l=\sum _{l=0}^{\infty }(-1{)}^l{C}_{-t}^l{p}^t(1-p{)}^l=p^t\sum _{l=0}^{\infty }{C}_{-t}^l(p-1{)}^l=p^t{p}^{-t}=1$$

负二项分布

等待第r次成功前失败次数为k的概率。与帕斯卡分布为同一个模型。
$$nb(k;r,p)=C_{r+k-1}^r(1-p{)}^k{p}^r,k=0,1,2,\cdots$$
后续再补充特征函数、母函数等