一. 泊松分布
设随机变量 的分布律为
则称随机变量 服从参数为
的泊松分布,其中
记为
查询分布律
dpois(0:7, lambda = 0.1) #输出k=0,1,2,...,7,参数lambda为0.1时的概率
[1] 9.048374e-01 9.048374e-02 4.524187e-03 1.508062e-04 3.770156e-06
[6] 7.540312e-08 1.256719e-09 1.795312e-11
累积概率 ![P(X \leqslant k)](https://latex.csdn.net/eq?P%28X%20%5Cleqslant%20k%29)
ppois(2,lambda = 0.1) # 三个概率之和,P(k=0)+P(k=1)+P(k=2),参数为0.1
0.9998453
二. 泊松分布的期望和方差
三. 泊松分布的可加性
若 ~
,
~
,且
与
相互独立,则
~
四. 独立同分布的中心极限定理:
(1) 设 ,
,
,是一个独立同分布的随机变量序列,且
,
, 则对任意一个
, 总有
五. 相关例题
六. 具体的计算:
(1) 使用中心极限定理. 记 表示势函数.
(2)由泊松分布的可加性:
~
取
.
画图的代码
> s1<-c(0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0) #对参数Lamda取0~1之间不同的值,构成一个向量
> s2<-c(1,1.1,1.2,1.3,1.4,1.5,1.6,1.7,1.8,1.9,2.0)
> s<-c(s1,s2)
> m1<-1-ppois(4,lambda =s1*10) #计算s1中Lamda取不同值时,1- 泊松分布的累积概率(小于5)
> m2<-ppois(4,lambda =s2*10) #计算s2中Lamda取不同值时,泊松分布的累积概率(小于5)
> m<-c(m1,m2) #合并两个向量
> plot(s,m,pch=21,lty=3,ann=FALSE,xlim=c(0,2),ylim=c(0,1)) #画散点图
> lines(s,m) #画线