大数定律
抛一枚硬币,抛6次,不一定能得到3正3负。
但抛
n
=
∞
n=\infty
n=∞次,那就一定有
n
2
\frac{n}{2}
2n正
n
2
\frac{n}{2}
2n反。
二项分布
抛一枚硬币,抛n次,其中k次为正的概率为
P
(
X
=
k
)
=
C
n
k
p
k
(
1
−
p
)
n
−
k
P(X=k)=C^k_np^k(1-p)^{n-k}
P(X=k)=Cnkpk(1−p)n−k
泊松分布
假设一家店铺,一周里卖了
λ
λ
λ块手表。
我将一周的时间切割为
n
=
∞
n=\infty
n=∞份,那么每份时间里卖出
1
1
1块手表的概率是
p
=
λ
n
p=\frac{λ}{n}
p=nλ。这里应用到到大数定律:因为我对卖出
1
{1}
1块手表这件事做了
n
=
∞
n=\infty
n=∞次,所以这段时间里,事件卖出1块手表必然会发生
n
p
=
n
∗
λ
n
=
λ
np=n*\frac{λ}{n}=λ
np=n∗nλ=λ次,也就是总共
λ
\lambda
λ块手表。
既然我已经反推出了每段时间里卖出1块手表的概率,而这个事件只有发生和不发生这二项,所以我们可以把这件事当作二项分布处理。
所以将事件的概率
p
=
λ
n
p=\frac{\lambda}{n}
p=nλ带入上述的二项分布公式,就可以得到
n
=
∞
n=\infty
n=∞时事件发生k次的概率分布了。
具体计算查看这篇文章,涉及极限计算。