《A First Course in Probability》-chaper4-离散型随机变量-二项分布

二项分布:

基于最基础的一个离散型随机变量——伯努利随机变量X,我们进行n次重复的实验,其概率分布结果就是所谓的二项分布。

具体点来说,就是某个实验成功的概率是p,现在我们进行n此时杨,设随机变量X表示n次实验后成功的次数,那么有如下分布列成立。

关于其期望,推导过程和几何分布、超几何分布中期望的推导是同质的,先退出X^k的表达式,然后根据二项式恒等关系,寻求自相似性建立递推关系,然后得到最终的期望值,由于之前已经给出了详细的推导过程,这里就不再赘述感兴趣的读者可以手动推导一下。

最后会得到这样一个式子:

不难看出当k=1时,E[X]=np.

关于二项分布概率值的单调性这里有这样一个命题:对于满足参数为(n,p)的二项随机变量,k取得[0,n]时,P{X=k}先递增,后递减,当k = (n+1)p时取得最大值。

时间: 2024-10-12 06:39:04

《A First Course in Probability》-chaper4-离散型随机变量-二项分布的相关文章

【概率论与数理统计】小结3 - 一维离散型随机变量及其Python实现

注:上一小节对随机变量做了一个概述,这一节主要记录一维离散型随机变量以及关于它们的一些性质.对于概率论与数理统计方面的计算及可视化,主要的Python包有scipy, numpy和matplotlib等. 以下所有Python代码示例,均默认已经导入上面的这几个包,导入代码如下: import numpy as np from scipy import stats import matplotlib.pyplot as plt 0.  Python中调用一个分布函数的步骤 scipy是Pytho

离散型随机变量及其分布列

本节主要有下列内容: (1)离散型随机变量 如果随机试验的结果可以用一个变量来表示,那么这样的变量叫做随机变量.所有取值可以一一列出的随机变量叫做离散型随机变量. (2)离散型随机变量的分布列 一般地,若离散型随机变量$X$可能取的不同值为$x_1$,$x_2$,…,$x_i$,…,$x_n$,$X$取每一个值$x_i$ ($i=1$,$2$,…,$n$)的概率$P(X=x_i)=p_i$,以表格的形式表示如下: $X$ $x_1$ $x_2$  … $x_i$ … $x_n$ $P$  $p_

浅谈对离散型随机变量期望的理解

在看<程序员的数学2--概率统计>关于离散型随机变量的大数定律解释时,有两个概念一定需要弄明白: 随机变量的期望: 随机变量结果的平均值. 在<Probability and Statistics>这本国外的经典教材第四章第一小节中,强调了随机变量的期望只与随机变量的分布有关系: Note: The Expectation of X Depends Only on the Distribution of X. Although E(X) is called the expectat

概率:离散型随机变量 与 概率函数

原文地址:https://www.cnblogs.com/wbyixx/p/12236357.html

概率:离散型随机变量的分布可加性

原文地址:https://www.cnblogs.com/wbyixx/p/12236408.html

概率:离散型随机变量函数的分布

一维 二维 原文地址:https://www.cnblogs.com/wbyixx/p/12236399.html

概率:二维离散型随机变量及其分布

二维随机变量 边缘概率 原文地址:https://www.cnblogs.com/wbyixx/p/12236375.html

离散型随机变量及其分布

原文地址:https://www.cnblogs.com/YC-L/p/12262325.html

二维离散型随机变量概率分布、边缘分布和条件分布

原文地址:https://www.cnblogs.com/YC-L/p/12268932.html

Introduction to Probability (5) Continus random variable

CONTINUOUS RANDOM VARIABLES AND PDFS  连续的随机变量,顾名思义.就是随机变量的取值范围是连续的值,比如汽车的速度.气温.假设我们要利用这些參数来建模.那么就须要引入连续随机变量. 假设随机变量X是连续的,那么它的概率分布函数能够用一个连续的非负函数来表示,这个非负函数称作连续随机变量的概率密度函数(probability density function).并且满足: 假设B是一个连续的区间,那么: watermark/2/text/aHR0cDovL2Js