《A First Course in Probability》-chaper4-离散型随机变量-负二项分布

基于我们最为熟悉的离散型分布——二项分布,我们能够衍生出很多别的分布列,对于之前介绍过的几何分布,我们赋予其的含义是:某个事件成功的概率是p,在n次独立重复实验中恰好成功一次的概率是多少。顺着这层含义,我们把1次编程r次,便得到了所谓的负二项分布。设负二项分布的随机变量是X,独立事件成功的概率是p,则在n次重复独立实验中恰好成功r次的概率是:

较之二项分布,我们能够看到,负二项分布更加强调n次重复实验中“恰好”成功r次,也就是要求第n次实验恰好是第r次成功的实验。

我们通过一个问题来进行举例——巴拿赫火柴问题。

Q:某个抽烟的数学家总是随身带着两盒火柴,一盒放在左边口袋一盒放在右边口袋。每次他需要火柴时,他就从任意的口袋中的火柴盒中取出一个火柴,现在两盒火柴中都各有N个火柴,那么请问他第一次发现其中一个盒子已经空了的时候,另一盒恰好有k根火柴的概率有多大?

分析:首先我们需要讨论的一个点是,这个火柴位于哪个口袋的火柴盒是空的,显然是左是右具有对称性,我们分析一种情况,进行平方即可。

假设左口袋为空,那么这个过程的最后一个步骤显然是在数学家第2N-k次取火柴的时候,必然取走了右口袋中的一根火柴,这是一位他拿走左口袋的最后一根火柴的时候,我们就可以默认理性的数学家不会再去拿左口袋的火柴盒,因此我们就可以将其与负二项分布联系起来:在2N-k次重复实验当中,恰好有N次从左口袋取出的概率。

当然,这个问题的最终结果应该将如上的概率平方。

时间: 2024-10-11 00:04:38

《A First Course in Probability》-chaper4-离散型随机变量-负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