概念与公式
概率分布:描述随机变量取不同值的概率.
概率函数:给出随机变量取某种值的概率,记作f(x)
离散型概率函数的基本条件:
应用价值:决策者可以快速的确定某种感兴趣的事件量化范围,以对事件更好的认知.
例.某公司汽车销售量.销售数据显示,在过去300天的营业时间里,54天销售量为0辆,117天为1辆,72天为2辆,42天为3辆,12天为4辆,3天为5辆.
试验:某公司一天的经营情况
定义随机变量x为1天的销售汽车数根据题目得知,x是个随机变量,可以取0,1,2,3,4,或5.
f(0)=54/300=0.18, 表示300天中有54天销售为0辆的概率,同理其它如下,
f(1)=117/300=0.39,表示300天中有117天销售为1辆的概率
从上得知,可以得知某公司一天卖出1辆的概率为0.39,通过概率分布,可以更方便的掌握某公司的汽车销售情况.
离散型均匀概率分布:f(x)=1/n (n:随机变量取值的个数)
例:投掷骰子,n=6,,x=1,2,3,4,5,6 则f(x)=1/6
主要离散型概率分布
(1)二项分布
今天在微信群偶然看到网友在谈甜瓜好吃与不好吃,这种在生活中每次都会出现2个结果,要么"成功",要么"失败".这些行为(试验)可称为:伯努利试验,
假设该项试验独立重复进行n次,可以称之为n次伯努利试验,或伯努利概型.如总结归纳具有以下特点:
- 试验由一系列相同的n次试验组成.
- 每次试验有两种可能的结果.其中一个称:成功概率;另外一个称失败.
- 每次试验成功的概率是相同的,用p来表示;失败的概率用1-p表示.
- 试验是相互独立的.
(2)泊松概率分布
用于估计某事件在特地时间段或空间中发生的次数。如,如一小时内到达洗车房的汽车数 10英里长的高速公路上需要维修的路段数或者100英里长的水管上发生泄漏的个数.
具有以下2个性质:
- 在任意两个长度相等的区间上,事件发生的概率是相同的
- 事件在任意区间上是否发生与事件在其他区间上是否发生是独立的.
(3)超几何概率分布
在前边所述的二项分布和泊松概率分布中,每次发生的概率和事件都是独立,而超几何分布中的各次试验是独立的,同时每次试验成功的概率是不等的。
可以理解成:超几何概率分布每次取样都是有限总体无放回抽样(试验总体数量会发生变化),而二项分布是有限总体有放回抽样(保证试验总体数量不变)或无限总体无放回抽样(可以近似理解总体不变,因量级过大,无放回抽样影响总体几乎忽略不计)