概率论——几何随机变量

几何随机变量

1 定义

  对于独立的重复试验，每次试验成功的概率为$p,0\le p\le 1$，我们知道$n$次试验成功的次数符合参数为$(n,p)$的二项分布。现在考虑随机变量$X$，$X$表示重复试验直到试验首次成功为止需要的试验次数，则有：
P { X = n } = p ( 1 − p ) n − 1        n = 1 , 2 , ⋯ P\{X = n\} = p(1-p)^{n-1} \ \ \ \ \ \ n = 1,2,\cdots P{X=n}=p(1−p)n−1      n=1,2,⋯
上式的含义为，试验到$n$次才成功的充要条件是试验的前$n-1$次失败，第$n$次试验成功，因为考虑的是独立的试验，因此上式成立。我们来对其求和：
∑ n = 1 ∞ P { X = n } = p ∑ n = 1 ∞ ( 1 − p ) n − 1 = p 1 − ( 1 − p ) = 1 \sum_{n=1}^\infty P\{X = n\} =p \sum_{n=1}^\infty (1-p)^{n-1} = \cfrac{p}{1-(1-p)} = 1 n=1∑∞​P{X=n}=pn=1∑∞​(1−p)n−1=1−(1−p)p​=1
因此求和表明试验最终会成功的概率为1。如果随机变量的概率质量函数由上式给出，则称随机变量为几何随机变量。

2 几何随机变量的期望和方差

  根据期望的公式有：
$$\begin{array}{rl}E[X]& =\sum _{n=1}^{\infty }np(1-p{)}^{n-1}\\ & =\sum _{n=1}^{\infty }(n-1+1)p(1-p{)}^{n-1}\\ & =\sum _{n=1}^{\infty }(n-1)p(1-p{)}^{n-1}+\sum _{n=1}^{\infty }p(1-p{)}^{n-1}\end{array}$$
通过观察上式，我们发现加好右边就是上面的概率和，即为1，同时令$i=n-1$则有
$$\begin{array}{rl}E[X]& =\sum _{i=0}^{\infty }ip(1-p{)}^i+1\\ & =(1-p)\sum _{i=1}^{\infty }ip(1-p{)}^{i-1}+1\\ & =(1-p)E[X]+1\end{array}$$
因此：
$$E[X]=\frac{1}{p}$$
计算方差之前还是先来计算$E[X^2]$，推导的方法与期望类似：
$$\begin{array}{rl}E[X^2]& =\sum _{n=1}^{\infty }{n}^{2}p(1-p{)}^{n-1}\\ & =\sum _{n=1}^{\infty }(n-1+1{)}^{2}p(1-p{)}^{n-1}\\ & =\sum _{n=1}^{\infty }(n-1{)}^{2}p(1-p{)}^{n-1}+2\sum _{n=1}^{\infty }(n-1)p(1-p{)}^{n-1}+\sum _{n=1}^{\infty }p(1-p{)}^{n-1}\\ & =(1-p)E[X^2]+2(1-p)E[X]+1\end{array}$$
因此可得$E[X^2]$：
$$E[X^2]=\frac{2-p}{p^2}$$
方差$Var(X)$为：
$$Var(X)=E[X^2]-E[X{]}^2=\frac{1-p}{p^2}$$

参考资料：《概率论基础教程》Sheldon M.Ross