zoukankan      html  css  js  c++  java
  • 伯努利分布与二项分布

    伯努利分布-Bernoulli distribution

      伯努利分布是一种离散分布,有两种可能的结果。1表示成功,出现的概率为p(其中0<p<1)。0表示失败,出现的概率为q=1-p。

      分布律:

      性质:均值:E(X)=p

                方差:var(X)=p(1-p)

    二项分布-Binomial Distribution

      二项分布是n个独立的是/非试验中成功的次数的离散概率分布,其中每次试验的成功概率为p。这样的单次成功/失败试验又称为伯努利试验。实际上,当n = 1时,二项分布就是伯努利分布

      概率质量函数:

      一般地,如果随机变量{displaystyle {mathit {X}}}{mathit {X}}服从参数为{displaystyle {mathit {n}}}{mathit {n}}{displaystyle {mathit {p}}}{mathit {p}}的二项分布,我们记{displaystyle Xsim b(n,p)}Xsim b(n,p){displaystyle Xsim B(n,p)}Xsim B(n,p).n次试验中正好得到k次成功的概率由概率质量函数给出:

    f(k;n,p)=Pr(K=k)={n choose k}p^{k}(1-p)^{n-k}

    对于k = 0, 1, 2, ..., n,其中{displaystyle {n choose k}={frac {n!}{k!(n-k)!}}}{n choose k}={frac {n!}{k!(n-k)!}}是二项式系数。

      期望和方差:

      如果X~B(n, p)(也就是说,X是服从二项分布的随机变量),那么X的

      期望值为:operatorname {E} [X]=np

      方差 为:operatorname {Var} [X]=np(1-p). 

      证明: 首先假设有一个伯努利试验。试验有两个可能的结果:1和0,前者发生的概率为 p ,后者的概率为1 −  p 。该试验的期望值等于μ = 1 · p + 0 · (1−p) = p 。该试验的方差也可以类似地计算: σ2 = (1−p)2·p + (0−p)2·(1−p) = p(1 − p) .    

      一般的二项分布是n次独立的伯努利试验的和。它的期望值和方差分别等于每次单独试验的期望值和方差的和:

    mu _{n}=sum _{k=1}^{n}mu =np,qquad sigma _{n}^{2}=sum _{k=1}^{n}sigma ^{2}=np(1-p).
  • 相关阅读:
    javascript创建对象的方法--基本模式
    javascript进阶课程--第二章--对象
    JavaScript中的global对象,window对象以及document对象的区别和联系
    onblur 对象失去焦点事件
    php排序
    php数组插入数据
    thinkphp多层volist实现多表查询
    数据转换
    循环赛日程安排问题
    JS中setTimeout()的使用方法具体解释
  • 原文地址:https://www.cnblogs.com/rainbow70626/p/13765482.html
Copyright © 2011-2022 走看看