前言
1 二项分布
伯努利试验:只有两种可能结果的单次随机试验。
二项式实验是具有以下属性的实验:(也叫伯努利实验)
- 该实验由n次重复试验组成。
- 每个试验只有两种可能的结果。
- 每次试验的成功概率(表示为p )是相同的。
- 每个测试都是独立的。
二项式分布描述了在n次二项式实验中获得k次成功的概率。
- 其中代表实验次数;代表成功次数;代表给定实验的成功率;代表次实验成功次
- n次实验的平均值是np,方差是np(1-p)
假设我们抛硬币3次,用以上公式计算0次和1次正面向上的概率。
2 正态分布
又称高斯分布,是常见的连续概率分布。
- ,表明服从均值为,方差为的正态分布。
- 其概率密度函数为。
概率密度是某一点的概率,但实际用时候必须计算区间,如处于[0,1]上的概率,如下:
- 概率密度实际是分布的导数。
- 对于这个积分,没有明确的公式,可以查表得到。
特殊值(对于标准正态分布):
- 处于的概率约为68%;
- 处于的概率约为95%;
- 处于的概率约为99.7%;
3 泊松分布
泊松分布适合描述单位时间内时间发生次数的概率分布。
概率函数为:
- 其中表示单位时间时间发生的期望次数。方差也是。
- 随着单位时间内随机事件发生次数的增加,泊松分布会逐渐近似于均值和方差都等于λ的正态分布。因此,只要单位时间内,随机时间的平均发生次数足够大,就可以将泊松分布看作是均值和方差都等于的正态分布。
- 在许多统计学教材中可以看到这样一个规则,当λ大于或等于5时,可以使用泊松分布的正态近似,这个规则更严格的要求是λ必须大于或等于10。
代表t时间内事件发生n次的概率。上面的默认时间是1,这个是时间为t,λ一样,还是单位时间的事件发生次数。
- 在排队论中是t时间内顾客的到达数量n的概率。
4 负指数分布
负指数分布和泊松分布说的其实是一个意思。
- 如果下一个顾客要间隔时间 t ,就等同于 t 之内没有任何顾客来。由泊松分布,t时间段内没有顾客来的概率为,则t时间段内有顾客来的概率是 。
- 这个概率就是顾客的到达时间T的分布。
- 该负指数分布的均值,方差。(根据负指数分布计算得到)
- 左边是负指数分布的概率密度函数,右边是分布函数。
可以说,若时间段内事件发生的数量符合泊松分布,那么两件事情之间的时间间隔符合负指数分布,泊松更关注的是单位时间到达的数量,负指数更关注两个事件之间的间隔时间。因此顾客的到达一般说是泊松流到达,服务时间一般说是负指数分布。
这里有一个非常重要的元素, 。其在泊松分布的到达顾客分布中,代表单位时间内到达的顾客数量。
还有一个重要的元素,。在服务时间的分布中,设参数,其实就是,只不过是区分了到达规律和服务规律,也就是说单位时间服务个顾客。其均值是,代表平均服务时间。