结果概率_概率分布基础和模拟试验（一）

---

在全国身高抽样调查中，身高可以有1.85米，1.851米，或者1.8501米。这类变量，取值能精确到无限小数位的，称之为连续随机变量(continuous random variable).

中学抽样调查中，班级人数的结果可以有23, 34， 但绝不可能出现23.5，这类随机变量称为离散随机变量(discrete random variable).

概率分布( probability distribution) 直白点，就是把所有可能的结果列出，并标出对应概率。

掷骰子的概率分布如下

零、伯努利随机变量(Bernoulli random variable)

国足之光小明，一次射门，70%几率能破门得分，30%几率丢球。我们把得分的结果记为1，没进球的结果标记为0. 设小明射门结果为随机变量X，X的概率分布如下：

X这类变量，只有2种可能结果，称为伯努利随机变量(Bernoulli random variable)。

壹、二项分布(Binomial distribution)

用于描述发生次数和概率

在和南葛足球队的比赛中，小明作为替补在下半场登场。根据预言，小明有5次射门机会，可惜，预言关于进球数的部分已损毁。假设进球数为X，X的期望为

方差为

根据公式

，得到如下概率分布

概率分布用柱状图展示如下：

上面的例子，由若干个概率相同且互相独立的伯努利试验组成，其结果的概率分布，就是二项分布。

(1) 二项分布的条件

1. 实验次数固定
2. 每一次事件为伯努利试验
3. 每次事件独立
4. 每次事件的发生概率p相同

(2) R模拟

知道变量符合二项分布后，我们能用计算机做模拟实验。下面以R为例。

• 小明一个赛季射门的次数符合均值123、方差20的正太分布，请问赛季进球数小等于70的概率是多少？

[1]
#模拟一次
set.seed(5)
num.shoot<-floor(rnorm(1,123,20))
rbinom(1,num.shoot,0.7)

[1] 63

小明共进了63球。然而一次模拟的结果有很强的随机性。根据大数定理，模拟的次数越多，就越接近真实概率，下面我们就模拟1000,000次, 并用直方图展示。

hist(replicate(1000000,rbinom(1,floor(rnorm(1,123,20)),0.7)))

从直方图看来, 进球数小于等于70的次数不小。我们统计结果中小于等于70的数量，并计算占比

[2]
mean(replicate(1000000,rbinom(1,floor(rnorm(1,123,20)),0.7))<=70)

[2] 0.152833

（3）和二项分布相关R公式

5次伯努利试验，每次成功概率为0.7，进球数为n

[3]#求n=2的概率
dbinom(2,5,0.7)

[4]#求n<=2的概率
pbinom(2,5,0.7)

[5]模拟二项分布7次，列出每次n
rbinom(7,5,0.7)

[3]0.1323

[4]0.1631

[5] 5 2 4 4 4 5 5

贰、几何分布（Geometric distribution)

描述目标第一发生所需要的次数和概率

一场足球赛，小明需要几次射门，才能进球？

我们用R模拟小明10次射门的情况，1代表进球，0代表不进。

#模拟一场比赛，10次射门的进球情况
set.seed(5)
rbinom(10,1,0.7)

[1] 1 1 0 1 1 0 1 0 0 1

#找到第一次进球的射门次数
which(rbinom(10,1,0.7)==1)[1]

[2] 1

基于大数定理, 我们把模拟次数提高到500000场，结果如下：

set.seed(5)
a<-table(replicate(500000,which(rbinom(10,1,0.7)==1)[1]))
data.frame(a) %>%
  rename(num=Var1) %>%
  mutate(prob=Freq/500000) %>% 
  ggplot(aes(x=factor(num),y=prob))+
  geom_bar(stat="identity")+
  labs(x="num")+
  geom_text(aes(label=round(prob,4)),vjust=-0.3,size=3)

小明进球所需要的射门次数，可以用下面公式，直接精确计算

下面是前10次的概率分布（保留4位小数）

可以看到，50万次模拟得到的结果已经非常接近真实概率，这样的概率分布就是几何分布。

次数的期望、方差、标准差由计算公式可得1.4286, 0.6122, 0.7825.

即便不知道计算公式，我们也能通过模拟数据得到相似结果。

set.seed(5)
a<-replicate(500000,which(rbinom(10,1,0.7)==1)[1])

mean(a,na.rm=T)
var(a,na.rm = T)
sd(a,na.rm=T)

[1] 1.429405
[2] 0.6135877
[3] 0.7833184

(1) 在R中的精确计算和模拟

用dgeom()计算小明射门1次就进球的概率

dgeom(0,0.7)
[1]0.7

第2次射门才进球的概率

dgeom(1,0.7)
[1]0.21

前2次射门就进球的概率

pgeom(1,0.7)

[1]0.91

模拟小明20场比赛，第一次进球的射门次数

set.seed(5)
rgeom(10,0.7)+1

[1] 2 1 1 1 1 1 2 1 1 1 3 1 3 1 1 1 1 1 1 1

叁、泊松分布(Poisson distribution)

已知平均发生次数，描述发生次数及其概率

常见于小概率事件

举个例子，根据历史数据统计，小明每周平均发1次神经，问小明下周的发病情况？（小明随时可能发病）

我们先以天为单位，假设小明的发病情况由7个伯努利试验组成，计算结果如下

set.seed(5)
data.frame(num=0:8,freq=dbinom(0:8,7,1/7)) %>%
  ggplot(aes(x=num,y=freq))+
  geom_bar(stat="identity")+
  geom_text(aes(label=round(freq,4)),vjust=-0.3,size=3)

为了更接近随时发病的情况，把时间细分到小时，发病情况由168个伯努利试验组成，每个试验发病概率为

, 结果如下

进一步细分到分钟，结果较前次变化不大，似乎趋向某个结果。

最后细分到秒，结果几乎没变化。

如果将时间细分至无穷小，就能描述随时发病的情况，这时结果的概率分布符合泊松分布，可以用下面公式计算：

ℷ: 一段时间内, 发生的平均次数.

概率分布的柱状图如下：

data.frame(num=0:8,freq=dpois(0:8,1)) %>%
  ggplot(aes(x=num,y=freq))+
  geom_bar(stat="identity")+
  geom_text(aes(label=round(freq,4)),vjust=-0.3,size=3)

与时间细分到秒的二项分布（保留4位小数）十分接近。

因此，泊松分布可以看作二项分布的一个特例：

概率p趋向0 （小概率），n趋向

（每个时刻都发生目标事件） , 目标发生的平均次数为

, 且

为常数。

泊松分布条件：

1. 目标事件在a时段平均发生
   次, 概率为
   ，那么在
   时段, 目标发生的概率为
2. 每个极小的区间是一个伯努利试验
3. 每次事件独立发生, 概率相同；比如五十年一遇的天才今天出生了，明天这样的天才诞生的概率还是五十年一遇, 而不是0.

---

这是第4篇《Statistics with R》学习记录, 结合了过去的库存笔记. 题图来自unsplash.