2.2 离散型随机变量及其概率分布
文章目录
- 2.2 离散型随机变量及其概率分布
- 一:离散型随机变量的分布律
- 二:常见离散型随机变量的概率分布:
- 两点分布
- 二项分布
- 泊松分布
- 几何分布
- 超几何分布
一:离散型随机变量的分布律
特点:
这个我们并不陌生,高中的时候那道概率题就是这种用求分布律的。我们画一个表格并要保证所有概率之和为1.eg:
二:常见离散型随机变量的概率分布:
两点分布
两点分布是最简单的分布情况,他就两种情况,很好理解。
eg:
二项分布
这个高中的时候很常见,简单说就是:
<1>单次试验满足伯努利试验
<2>进行次伯努利试验后事件发生次的概率为:
例 1:
例 2:
泊松分布
这东西看着挺唬人,但是他其实是当趋近于无穷时二项分布的一个近似计算。二项分布如果平方数多的话会很不好算,所以我们引入这个。
- =
- 当 20 ,
eg:
几何分布
观察可知,和二项分布相比这个不用去乘组合数。也就是符合几何分布模型每种情况的组合数都是1.so:
超几何分布
适用于:
个元素,其中为一类,为第二类。不放回的取个元素。取出的个元素中属于的个数。
{ = } = , = 0,1,2,3……min(,)
例1:
一共有20名同学,其中男生15人,女生5人。现在任取4个人。:4人中女生的人数。
则 { = } = ,
当总样本很大,抽取的很小时:我们可以把这个不放回抽样近似为放回抽样,这样我们就可以用二项分布来算了。如果二项分布不容易算出具体值可以再用泊松分布来代替。如下:
例2:
现在有10000粒种子,发芽率为99%,从中取200粒种子,求至多1粒不发芽的概率。
{ } = { = } + { = } = +
这个显然不好算,因为 比较小即使不放回也对剩下种子的发芽率影响很小,所以我们可以把这个近似成 ~ (200,0.01)的二项分布。
此时 { } = +
这样也不好算,但我们可以再把它转化为泊松分布 ~ (2)
此时 { } = +
总结一下:
可见,二项分布是对两点分布的推广,泊松分布是对二项分布的近似运算。