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}, $k=0,1,2,…n
q=1-p;
记为 X~B(n,p)
二项分布的最大k值问题,请看博文:计算二项分布最大值,二项分布推导泊松分布,几何分布(概统2.证明)
3.泊松分布
由前面二项分布,当n趋于无穷大,p又趋于0时,可以由二项分布推导出泊松分布。
3.1)泊松分布第一种:单位时间内发生的次数是常数,事件按固定的时间频率发生
为什么具有单位时间内平均发生次数特点的事件可以看做泊松分布? 、
理解方式:可以将”单位时间“无限分割,这样n等分就无限多,每个等分就无限小,无限小的时间事件发生的概率趋向于0,于是这就是一个{
n → ∞ , p → 0 n\to\infty, p\to0 n→∞,p→0}
的问题,同时,n*p=单位时间平均发生次数= λ \lambda λ
例如, 某医院平均每小时出生3个婴儿,接下来1小时,至少出生2个婴儿的概率是多少?
设随机变量为X
P {X=k} = ( λ t ) k k ! e − λ t \frac{(\lambda t)^{k} }{k!} e^{-\lambda t} k!(λt)ke−λt, k=0,1,2,…
其中 λ \lambda λ表示单位时间内,发生结果的平均次数。
X为随机变量,k表示t时间内发生结果的次数。
所以上面公式的意思就是:已知单位时间内,
发生结果的平均次数为 λ \lambda λ(如每小时出生3个婴儿),
求t时间内(t小时内),发生k次结果的概率(出生k个婴儿的概率)。
随机变量X代表出生婴儿的个数,P {X=k} 代表出生k个婴儿的概率,
λ \lambda λ为已知数,代表平均单位时间出生婴儿的个数。
求t时间内出生k个婴儿的概率:P {X=k} ,
直观理解,当然是单位时间出生 λ \lambda λ个婴儿的概率最大。
t是单位时间的倍数,如果t取1,公式就变成:
P {X=k} = ( λ ) k k ! e − λ \frac{(\lambda )^{k} }{k!} e^{-\lambda } k!(λ)ke−λ, k=0,1,2,…
称X为服从参数为 λ \lambda λ的泊松分布,记为 X~$\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} = ( λ t ) k k ! e − λ t \frac{(\lambda t)^{k} }{k!} e^{-\lambda t} k!(λt)ke−λt, k=0,1,2,…
接下来2小时:t=2
λ \lambda λ=发生频率=3,
一个婴儿都不出生:k=0,
P {X=0,t=2} = ( 3 ∗ 2 ) 0 0 ! e − 3 ∗ 2 \frac{(3*2 )^{0} }{0!} e^{-3*2} 0!(3∗2)0e−3∗2 = e − 6 ≈ e^{-6} \approx e−6≈ 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
λ \lambda λ=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} = ( 3 ∗ 1 ) 0 0 ! e − 3 ∗ 1 \frac{(3* 1)^{0} }{0!} e^{-3* 1} 0!(3∗1)0e−3∗1 = e − 3 e^{-3} e−3;
P{X=1,t=1} = ( 3 ∗ 1 ) 1 1 ! e − 3 ∗ 1 \frac{(3* 1)^{1} }{1!} e^{-3* 1}