概率论基本概念二

一.伯努利分布(两点分布)

进行一次伯努利实验,A是随机事件。假设:P(A)=p,P(\overline{A})=1-p

设X表示这次伯努利实验中事件A发生的次数.或者设

$$X =\begin{cases} 1 \\ 0 \end{cases}$$

1表示事件发生,0表示事件不发生。则  X~B(1, P)

 

二.二项分布

如果随机变量X的分布率为P$\lbrace X=k \rbrace$ =\textrm{C}_{n}^{k}\{P}{k}P$\lbrace X=k\rbrace$=\textrm{C}_{n}^{k}P^k(1-P)^{n-k}   (k=0,1....n),则称随机变量X服从参数为(n, p)的二项分布。记作X~B(n, p)  (其中n为自然数即样本空间数,0\leqslant p\leqslant 1为参数)

    二项分布的分布形态

    若X~B(n, p),则

    \frac{P\lbrace{X=k}\rbrace}{P\lbrace{X=k-1}\rbrace}=1+\frac{(n+1)p-k)}{kq} (q=1-p)

    由此可知,二项分布的分布律P{X=k}先是随k的增大而增大,达到最大值后再随着k的增大而减小。这使得P{X=k}达到最大值的k_0      成为该二项分布的最可能次数。

    可以证明:

            1.如果(n+1)p不是整数,则k_0=[(n+1)p]

扫描二维码关注公众号,回复: 4128932 查看本文章

            2.如果(n+1)p是整数,则k_0=(n+1)pk_0=(n+1)p-1

 

三.Poisson(泊松)分布

如果随机变量X的分布律为

P\lbrace X=k\rbrace = \frac{\lambda ^k}{k!}.\frac{1}{e^\lambda }

(其中\lambda>0为常数)则称随机变量X服从参数为\lambda的Poisson(泊松)分布。

 

四.几何分布

若随机变量X的分布律为

P\lbrace X=k\rbrace=q^{k+1}p (k=1,2......)

其中p\geqslant 0,q\geqslant 0,p+q=1,

则称随机变量X服从参数为p的几何分布。

 

五.超几何分布

若随机变量X的分布律为

P\lbrace X=k\rbrace=\frac{\textrm{C}_{M}^{k}\textrm{C}_{N-M}^{n-k}}{\textrm{C}_{N}^{n}}(k=0,1....,min(M, n))

其中N,M,n均为自然数,则称随机变量X服从参数为(N, M, n)的超几何分布。

以上分布一般情况下为离散型随机变量的分布。

所谓离散型随机变量是其取值为有限个或可列无穷个。

离散型随机变量分布律的性质有:

    1.对任意自然数n,有P_n\geqslant 0

    2.\sum_{n}P_n=1

猜你喜欢

转载自blog.csdn.net/yangjiajia123456/article/details/84196236
今日推荐