二项分布最大值,泊松分布的推导,几何分布的推导 (概统2.应用)
1.二项分布
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。
P{X=k} = Cknpkqn−k, C n k p k q n − k , k=0,1,2,..n
q=1-p;
简记为 X~B(n,p)
[二项分布.问题1]:大家知道,二项分布中,当N趋于很大,p趋于0时,二项分布可以近似看作泊松分布,可以用泊松分布公式代替二项分布公式计算,泊松分布公式比二项分布公式简单。问,射击例子中,连续射n次,如果n很大,那么射中次数为k次的概率P{X=k}可以用泊松分布吗?
答:这主要看每次射中概率p,泊松分布的条件是n很大,p很小,n趋于无穷,p趋于0,n*p是一个常数 λ λ ,(这个常数是事件出现的频率或者总体平均值);如果射击手每次射击的射中概率p为零点几之类,是不可以用泊松公式计算的,因为泊松公式需要定义一个常数 λ λ ,这个常数它要么是单位时间内的发生次数,要么是一个集合个体总数N乘以每个个体发生的极小概率p, λ λ =N*p;在射击例子中,射中概率p并不是很小很小,无法定义单位时间内射中次数,也无法定义N,所以不能用泊松分布公式计算。必须用标准的二项公式计算。
所以说,射击n次,射中k次的概率,是典型的二项分布的实例。
[二项分布.问题2: k取多少时,二项分布P{X=k}达到最大值?]
二项分布的公式是
P{X=k} = Cknpkqn−k, C n k p k q n − k , k=0,1,2,..n, q=1-p;
记为 X~B(n,p)
k等于多少时,P{X=k}达到最大值?具有最大值?
可以采用比值法,因为二项分布的P(X)分布律的函数趋势与泊松分布,与正态分布类似,都是先逐渐向上,再逐渐向下,中间有一个最大值。
【二项分布,n很大,p趋于0时,演变成泊松分布;泊松分布,当随机变量取连续值时,演变成正态分布】
图形在最大值前单调增,最大值后单调减
可以采用比值法,但是有两个比值
k>=0 , P(X=(k+1))P(X=k) P ( X = ( k + 1 ) ) P ( X = k ) 由 大于1(单调增),转为小于1(单调减),等于1时,k最大
k>=1 , P(X=k)P(X=(k−1)) P ( X = k ) P ( X = ( k − 1 ) ) 由 大于1(单调增),转为小于1(单调减),等于1时,k最大
计算, P(X=(k+1))P(X=k) P ( X = ( k + 1 ) ) P ( X = k ) >=1 ;(1),k的值
再计算, P(X=k)P(X=(k−1)) P ( X = k ) P ( X = ( k − 1 ) ) >=1 ;(2),k的值
设 q=1-p;
展开计算(1)式
P(X=(k+1))P(X=k) P ( X = ( k + 1 ) ) P ( X = k ) = Ck+1npk+1qn−k−1Cknpkqn−k C n k + 1 p k + 1 q n − k − 1 C n k p k q n − k = Ck+1nCkn∗pq C n k + 1 C n k ∗ p q = n!(n−k−1)!(k+1)!n!(n−k)!k!p1−p n ! ( n − k − 1 ) ! ( k + 1 ) ! n ! ( n − k ) ! k ! p 1 − p
= (n−k)!k!(n−k−1)!(k+1)!∗p1−p ( n − k ) ! k ! ( n − k − 1 ) ! ( k + 1 ) ! ∗ p 1 − p = n−kk+1∗p1−p n − k k + 1 ∗ p 1 − p >=1
得到
(n-k)p >= (k+1)(1-p)
np-kp >= k+1 -kp -p
最后得到
k<=(n+1)p -1 ;(3)
展开计算(2)式
P(X=k)P(X=(k−1)) P ( X = k ) P ( X = ( k − 1 ) ) = Cknpkqn−kCk−1npk−1qn−k+1 C n k p k q n −