了解经典分布的意义
一些特殊的概率分布有着十分固定的模式。通过判断模式,我们就能很快地计算出概率、期望、方差。
伯努利实验
在同样的条件下重复地、相互独立地进行的一种随机试验,其特点是该随机试验只有两种可能结果:发生或者不发生。
在概率学与统计学中,一个伯努利过程就是有限或无限的一连串二进制随机变量,也就是说实验的结果只有两种情况,0或1.每个伯努利变量都有相同分布和独立性。例如,经典的抛硬币问题就是伯努利实验。
几何分布
- 定义:在n次伯努利实验中,试验k次才得到第一次成功的机率。
P(X=r)= qr−1p q r − 1 p - 几何分布为什么叫几何分布?根据公式我们可以知道这是一个等比数列,等比数列的每项是前后项的几何平均数,几何平均数可以用来使长方形变为面积相等的正方形。
- 使用场景:进行多次相互独立的实验时可使用几何分布,每一次实验都有成功或失败的可能,而我们感兴趣的是取得第一次成功的概率
- 实验r次以上才成功一次的概率:P(X>r)= qr q r
- 实验r次或r次以下即可成功一次的概率:P(X<=r)= 1−qr 1 − q r
- 期望与方差:E(X)= 1p 1 p ,Var(X)= qp2 q p 2
二项分布
- 定义:在n次伯努利实验中,试验k次才得到成功或失败的次数。
- 为何叫二项分布?因为其公式与二项展开式很一样。
- 使用场景:在进行固定次数的独立实验时可使用二项分布,每次实验都有成功或失败的可能,而我们感兴趣的是成功或失败的次数。
- 公式:P(X=r)= nCrprqn−r n C r p r q n − r
- 期望与公式:E(X)=np,Var(X)=npq
泊松分布
- 定义:在给定的区间内,已知该事件发生的概率求该事件发生r次的概率。
- 为何叫泊松分布?由法国数学家西莫恩·德尼·泊松(Siméon-Denis Poisson)在1838年时发表。
- 使用场景:在遇到独立事件时(例如机器在给定区间内发生故障),若我们已知 λ λ (即给定区间内事件平均发生的次数)且我们感兴趣的是在某一区间内事件发生的次数,此时我们就可以用泊松分布。
- 公式: P(X=r)=e−λλrr! P ( X = r ) = e − λ λ r r !
- 期望与方差:E(X)= λ λ ,Var(X)= λ λ
- 泊松分布与二项分布的关系:当二项分布的次数较小且成功的概率较大时,二项分布可以近似为泊松分布。