可汗学院统计学（二）

6. 泊松分布

考虑这样一个问题：一个小时内经过某路口的车辆数的概率。由于车辆经过一个路口是一瞬间的事，因此，可以把这个问题看成：在n个瞬时中，有k个瞬时有车经过路口的概率。设车经过路口的概率为p，则这个问题是一个n趋近于无穷大时的二项分布问题。

假设已知泊松分布的期望为$\lambda$。则$E(X)=\lambda =np,p=\frac{\lambda }{n}$
计算过程为：
$\begin{array}{rl}P(\mathrm{x}& =\mathrm{k})\\ & =\underset{n\to \infty }{\lim }\left(\begin{array}{c}n\\ k\end{array}\right)\cdot {\left(\frac{\lambda }{n}\right)}^k\cdot {\left(1-\frac{\lambda }{n}\right)}^{n-k}\\ & =\underset{n\to \infty }{\lim }\frac{n!}{k!(n-k)!}\cdot {\left(\frac{\lambda }{n}\right)}^k\cdot {\left(1-\frac{\lambda }{n}\right)}^{n-k}\\ & =\underset{n\to \infty }{\lim }\frac{n\cdot (n-1)\cdots \cdot (n-k+1)}{n^k}\cdot \frac{{\lambda }^k}{k!}\cdot {\left(1-\frac{\lambda }{n}\right)}^n\cdot {\left(1-\frac{\lambda }{n}\right)}^{-k}\\ & =\underset{n\to \infty }{\lim }1\cdot \frac{{\lambda }^k}{k!}\cdot e^{-\lambda }\cdot 1\\ & =\frac{{\lambda }^k}{k!}\cdot e^{-\lambda }\end{array}$

7. 正态分布

正态分布的概率密度函数：$p(x)=\frac{1}{\sigma \sqrt{2\pi }}{e}^{-\frac{1}{2}{\left(\frac{x-\mu }{\sigma }\right)}^2}$
Standard Z score：$\frac{x-\mu }{\sigma }$
表示数据离均值的距离是几个标准差。
正态分布可以通过二项分布近似很好地得到。
累计分布函数CDF：$CDF(x)={\int }_{-\infty }^{x}p(x)dx$

最佳打比赛，后续补充。