离散型随机变量，二项分布，泊松分布，几何分布（概统2.知识）

离散型随机变量，二项分布，泊松分布，指数分布，几何分布（概统2.知识）

1.0-1分布 。例如抛硬币，正面朝上设为1，反面朝上设为0
分布律为

结果随机变量X	1	0
概率 P	p	1-p

---

2.二项分布
例如n次射击，每次只有射中与射不中两种结果，求n次射击恰好射中k次的概率。
设射中次数为随机数X，

二项分布就是独立事件n重伯努利试验，每次试验只有A发生与不发生两种结果，求n次试验中恰好发生k次的概率。

伯努利概型在前面博文已经写过，请参看前面博文：独立性，重复独立事件，伯努利概型（概统1）

P{X=k} = $C_{n}^{k}p{k}q^{n-k}, $k=0,1,2,…n
q=1-p;
记为 X~B(n,p)

二项分布的最大k值问题，请看博文：计算二项分布最大值，二项分布推导泊松分布，几何分布（概统2.证明）

---

3.泊松分布
由前面二项分布，当n趋于无穷大，p又趋于0时，可以由二项分布推导出泊松分布。

3.1)泊松分布第一种：单位时间内发生的次数是常数，事件按固定的时间频率发生
为什么具有单位时间内平均发生次数特点的事件可以看做泊松分布？ 、
理解方式：可以将”单位时间“无限分割，这样n等分就无限多，每个等分就无限小，无限小的时间事件发生的概率趋向于0，于是这就是一个{ $n\to \infty ,p\to 0$}
的问题，同时，n*p=单位时间平均发生次数=$\lambda$

例如， 某医院平均每小时出生3个婴儿，接下来1小时，至少出生2个婴儿的概率是多少？

设随机变量为X
P {X=k} =$\frac{(\lambda t{)}^k}{k!}{e}^{-\lambda t}$, k=0,1,2,…
其中$\lambda$表示单位时间内，发生结果的平均次数。
X为随机变量，k表示t时间内发生结果的次数。

所以上面公式的意思就是：已知单位时间内，
发生结果的平均次数为$\lambda$（如每小时出生3个婴儿），
求t时间内（t小时内），发生k次结果的概率（出生k个婴儿的概率）。

随机变量X代表出生婴儿的个数，P {X=k} 代表出生k个婴儿的概率，
$\lambda$为已知数，代表平均单位时间出生婴儿的个数。
求t时间内出生k个婴儿的概率：P {X=k} ，
直观理解，当然是单位时间出生$\lambda$个婴儿的概率最大。

t是单位时间的倍数，如果t取1，公式就变成：
P {X=k} =$\frac{(\lambda {)}^k}{k!}{e}^{-\lambda }$, k=0,1,2,…

称X为服从参数为$\lambda$的泊松分布，记为 X~$\pi (\lambda ) $ ，或者 X~$P(\lambda ) $

[例题3.1] - 某医院平均每小时出生3个婴儿，
1)) 接下来2小时，一个婴儿都不出生的概率是多少？
2)) 接下来1小时，至少出生2个婴儿的概率是多少？
3)) 接下来的15到30分钟，会有婴儿出生的概率是多少？
解：
1)) 满足事件按固定时间频率发生的条件。
P {X=k} =$\frac{(\lambda t{)}^k}{k!}{e}^{-\lambda t}$, k=0,1,2,…
接下来2小时：t=2
$\lambda$=发生频率=3,
一个婴儿都不出生：k=0,
P {X=0,t=2} =$\frac{(3\ast 2{)}^0}{0!}{e}^{-3\ast 2}$ = $e^{-6}\approx$ 0.0025 = 0.25% ;
所以说，接下来2小时，一个婴儿都不出生的概率不到1%；

2)) 接下来1小时：t=1
$\lambda$=发生频率=3,
P{X>=2,t=1}=1-P{X=0,t=1}-P{X=1,t=1};

P{X=0,t=1} =$\frac{(3\ast 1{)}^0}{0!}{e}^{-3\ast 1}$ = $e^{-3}$;
P{X=1,t=1} = ( 3 ∗ 1 ) 1 1 ! e − 3 ∗ 1 \frac{(3* 1)^{1} }{1!} e^{-3* 1}