离散分布

    离散随机变量只能取有限个离散值，取每个值都对应着发生的概率，随机变量的取值以及取值的概率就构成了随机变量的分布，经典的离散随机变量分布包括伯努利分布，二项分布，泊松分布，几何分布，负二项分布，超几何分布，以下对这些经典的离散分布进行详细介绍。

    伯努利分布(Bernoulli distribution)是很简单的离散分布，服从伯努利分布的随机变量只有两个取值：1和0。随机变量取值为1的概率记为P，那么随机变量取值为0的概率就是1-P。伯努利分布可以表示成: 抛一次硬币的结果就服从伯努利分布。实验结果只有两种的实验就是伯努力实验，实验结果服从伯努利分布。

    二项分布(binomial distribution)是在伯努利分布的基础上发展而来。对于一次伯努利实验，如果我们认为随机变量取值为1的时候实验成功，否则实验失败。二项分布就是进行n次伯努利实验，其中有k次实验成功，实验成功的次数就是服从二项分布的随机变量。二项分布可以表示成:

买100次彩票中彩票的次数就符合二项分布。

    泊松分布(Poisson distribution)用于描述单位时间内随机事件发生的次数。泊松分布是二项分布的极限形式，当二项分布的n很大，p很小的时候，每次实验是否成功是独立的并且跟时间无关，此二项分布就是泊松分布。n>20,p<0.05就近似认为二项分布就是泊松分布。下面举例说明，假设某机关的某个电话在一个时间片Δt时间内接到一次电话的概率是p(由于时间片是极短的时间，所以最多只会接到一次电话，另外泊松分布要求事件发生的概率很小，所以最多接到一次电话)，P与Δt成正比，有p=α*Δt，其中α常量。然后，现在我们需要求的t时间段内，接到几次电话？将t分成n段，其中每个时间片是Δt，有Δt=t/n。问题就转化为求解一个二项分布的成功次数。令λ=α*t=α*n*Δt=n*p。其中λ是时间t内期望接到的电话次数。即泊松分布的参数λ是在一段时间内随机事件发生次数的期望值。

    几何分布(geometric distribution)

假设我们连续进行独立测试，直到测试成功。每次测试成功的概率为p。那么，到我们成功时，所进行的测试总数是一个随机变量，可以取值1到正无穷。这样一个随机变量符合几何分布(geometric distribution)。

随机变量取值为k时，意味前面的k-1次都失败了。因此，我们可以将几何分布表示成: