L2-离散变量分布:Bernoulli分布、二项分布、泊松分布等

简介: L2-离散变量分布:Bernoulli分布、二项分布、泊松分布等

1. 定义


随机试验的每一个结果都对应变量X 的一个确定的取值,因此变量X 是样本空间S 上的函数:


image.png


离散型随机变量:如果随机变量X 的取值是有限个或可列无穷个,则称X为离散型随机变量。


设离散型随机变量X XX的所有可能取值为X1 x2 , … , x n离散型随机变量X的分布律如下:

image.png

image.png


对于任意自然数n image.png


2. 常见离散变量分布


(1)Bernoulli分布


Bernoulli分布又称两点分布0-1分布

伯努利试验(Bernoulli trial)是只有两种可能结果的单次随机试验,即对于一个随机变量X而言:

image.png

如果随机变量X 的分布律为


image.png

则称随机变量X XX服从参数为p 的Bernoulli分布,记作X ∼ B ( 1 , p )


(2)二项分布


如果随机变量X 的分布律为

image.png

则称随机变量X XX服从参数为( n , p ) (n,p)(n,p)的二项分布,记作X ∼ B ( n , p ) X \sim B(n,p)X∼B(n,p)。


二项分布(Binomial distribution)是n 重伯努利试验成功次数的离散概率分布。显然,当n = 1时,X ∼ B ( 1 , p ) ,此时X XX服从Bernoulli分布,因此Bernoulli分布是二项分布的一个特例。


(3) 多项分布


多项式分布(Multinomial Distribution)是二项式分布的推广。n次伯努利实验,每次试验的结果可以有多m 个,且m个结果发生的概率互斥且和为1,则发生其中一个结果X次的概率就是多项式分布。


image.png


(4) Poisson分布


如果随机变量X的分布律为


image.png


其中,λ > 0为常数

则称随机变量X XX服从参数$\lambda $的Poisson分布。


可以证明,电话总机在某一时间间隔内收到的呼叫次数,放射物在某一时间间隔内发射的粒子数,容器在某一时间间隔内产生的细菌数,在一定条件下,都服从Poisson分布。


Poisson定理


设在Bernoulli试验中,以P n 代表事件A 在试验中发生的概率,它与试验总数n 有关。如果


image.png


由Poisson定理可知,若随机变量X ∼ B ( n , p ) ,则当n nn比较大,p比较小时,令λ = n p ,则有

image.png

(5) 几何分布


随机变量X 的分布律为

image.png

其中p ≥ 0 , q ≥ 0


(6) 超几何分布


随机变量X 的分布律为

image.png

相关文章
|
机器学习/深度学习 数据采集 人工智能
Machine Learning机器学习之贝叶斯网络(BayesianNetwork)
Machine Learning机器学习之贝叶斯网络(BayesianNetwork)
|
存储 关系型数据库 MySQL
如何在MySQL现有表中添加自增ID?
如何在MySQL现有表中添加自增ID?
803 5
如何在MySQL现有表中添加自增ID?
|
数据采集
PCA与主成分回归(PCR)有何区别?
PCA是降维工具,转化相关变量为线性无关的主成分,保留数据变异。PCR是回归分析方法,利用PCA的主成分预测因变量,应对自变量间的多重共线性,提升模型稳定性。两者协同工作,优化高维数据的建模。
768 0
|
人工智能 安全 API
如何在数字世界复刻一个高还原、高拟真的“你”
通过阿里云智能媒体服务IMS完成数字人形象训练、人声克隆定制,并使用Timeline实现视频合成及创作,打造一个“声形俱佳”的数字分身。
477 0
|
5月前
|
人工智能 运维 Kubernetes
这家公司使用 MCP,已向企业交付 1000 名数字员工
君润人力是一家科技驱动的人力资源服务公司,专注于为服务业提供一站式人力资源解决方案。通过AI与数字员工技术,公司在招聘、社保等领域实现自动化服务,提升效率并降低成本。同时,君润积极探索MCP协议和Higress网关技术,构建“数字灵工”平台,推动人服行业的智能化转型。
|
5月前
|
数据采集 Web App开发 JavaScript
Python爬虫解析动态网页:从渲染到数据提取
Python爬虫解析动态网页:从渲染到数据提取
|
机器学习/深度学习 PyTorch 算法框架/工具
【从零开始学习深度学习】30. 神经网络中批量归一化层(batch normalization)的作用及其Pytorch实现
【从零开始学习深度学习】30. 神经网络中批量归一化层(batch normalization)的作用及其Pytorch实现
|
数据可视化 数据挖掘
SmartPLS 4.0
SmartPLS 4.0
1704 3
|
数据安全/隐私保护
|
机器学习/深度学习 算法 计算机视觉
【多标签文本分类】层次多标签文本分类方法
【多标签文本分类】层次多标签文本分类方法
1097 0
【多标签文本分类】层次多标签文本分类方法