【读书笔记-＞统计学】07-01 离散型概率分布-几何分布概念简介

离散型概率分布

几何分布

一个情境：查德喜欢滑雪，但是技术并不好。从山顶滑至坡底，不出事故地概率是0.2（假设查德不会进步）。如果他打算不停尝试，直至大功告成。在取得第一次成功后，他将停止滑雪。

那么如果他试滑一次或两次就能成功滑至坡底的概率多大？

那如果他可以试无穷尽次，他会在第几次成功呢？我们可以推演一下（心中可以想像概率树，0.8是失败的情况）：

这里的r是推演的数值，而x是概率分布中的任何值，两者不要混淆。

可以看到，查德第r次成功的概率是：
$$P(X=r)=0.8^{r-1}\ast 0.2$$
我们总结一下。如果用p代表单次试滑的成功概率，则失败的概率为1-p，我们将此概率称为q，于是可以用下式计算任何具有这一性质的概率：
$$P(X=r)=q^{r-1}p$$
这个公式叫做概率的几何分布。

几何分布包含以下条件：

1. 进行一系列相互独立的试验。
2. 每一次试验都既有成功的可能，也有失败的可能，且单次试验的成功概率相同。
3. 你主要感兴趣的是，为了取得第一次成功需要进行多少次试验。

如果碰到求概率的情况满足以上条件，那么就可以用几何分布的公式帮助你速战速决。

提示：这里的“成功”表示的是我们感兴趣的事件成为事实。如果我们希望看到的事件含有负面含义，从统计学的角度看，这个负面事件仍然可算得是一个“成功”事件。

为了求出X取特定数值r的概率，可以用下式进行快速计算：
$$P(X=r)=p{q}^{r-1}$$
其中p为成功概率，q=1-p为失败概率。即，为了在第r次试验时取得成功，首先要失败(r-1)次。

当r=1时，P(X=r)达到最大值，随着r增大，P(X=r)逐渐下降。意思是成功的概率在第一次试验时最大。

几何分布在不等式的情况

试验次数大于r，意味着前r次必须失败。
$$P(X>r)=q^r$$
那么，为了取得一次成功而需要尝试r次或r次以下概率：
$$\begin{gathered} \because P(X\le r)+P(X>r)=1 \\ \therefore P(X\le r)=1-P(X>r)=1-q^r \end{gathered}$$
如果一个变量X的概率符合几何分布，且单次试验的成功概率为p，则可以写作：
$$X\sim Geo(p)$$

几何分布的期望模式

前面已经求出查德为了成功滑至坡底而需要试滑的次数，但期望和方差呢？在数学期望已知的情况下，就可以得出查德在成功之前试滑次数的期望值。

期望的公式是$E(X)=\sum xP(X=x)$，在这个例子有无穷多个概率。不过，我们可以先算算前面几个数值，看看是否存在某种固定模式。

下面是x的前几个数值，其中X~Geo(0.2)

第3列是中间值，数值表示$xP(X=x)$。但是在x=5的时候，数值最大。第4列是期望。当x大于5时，第3列-中间值开始越来越小。到后面几乎不能使期望发生变化。

下面是第4列（$xP(X\le x)=\sum xP(X=x)$ = 期望）的图形：

将xP(X=x)的累计总和（期望）画成图形后，可以看出，随着x变大，期望越来越接近一个特定数值：5（我的理解：随着x越来越多，纵坐标越来越接近5）。经过无穷多次试验（很多的x【不是很“大”的x】）后，xP(X=x)的累计总计（也就是期望）正是等于5，即$E(X)=5$。

上式的意义很直观：单次试验的成功概率为0.2，可以理解为5次尝试中有一次尝试趋向于成功，因此我们可以期望查德尝试5次即可获得成功。

以上情况可以推而广之至任意数值p。如果X~Geo§，则：
$$E(X)=\frac{1}{p}$$

几何分布的方差

前提：$方差=Var(X)=E(X^2)-E^2(X)$

看下表，第4列是$x^{2}P(X\le x)=E(X^2)=\sum x^{2}P(X=x)$，第3列就是$x^{2}P(X=x)$。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VhBVS1tn-1650331163542)(离散型概率分布.assets/image-20220415220708530.png)]

在x达到10前和后，$x^{2}P(X=x)$先增加后下降。

那么如果求方差，方差公式为：$Var(X)=E(X^2)-E^2(X)$，根据上一张图的第4列和再上一张图的期望再平方，相减，可以求出方差。这时候再画出一个由x逐渐变大的图像，

随着x变大，$x^{2}P(X\le x)-E^2(X)$越来越接近一个特定数值，这里是20。

和讨论数学期望的时候一样，方差的规律归结如下。如果X～Geo§，则
$$Var(X)=\frac{q}{p^2}$$

几何分布总结

问：为什么几何分布用到p和q？

答：p代表英文单词“probability”，即“概率”，在几何分布中，代表的是单次试验的成功概率。q在统计学中往往代表1-p，也就是p’。本章以及本书后文将会大量出现这些字母。

例题，“成功”的事件为“成功滑至坡底”。