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

基于对概率问题的工具化表征如随机变量、分布列等概念,我们可以开始讨论各种各样的分布列了。(这一章节在书中叫做“随机变量”,但是为了和第五章“连续随机变量”区分开,这里标题写成“离散型随机变量”)

从二项分布结合级数推导而来的泊松分布:

对于二项分布我们很熟悉,在生活当中我们也很常用,但是其计算公式不免显得有点繁琐,我们现进行如下的简化推导:

设某个二项分布的参数是(n,p),设置参数λ=np.随机变量为X.

同时结合几种极限求法,我们能够看到,当n趋近于无穷的时候,有:

因此我们得到:

这便是泊松分布列。容易看到,n趋近于无穷的二项分布可以与泊松分布等价,如果基于n趋近于无穷,我们可以验证泊松分布的作为分布列的一个性质:

Ps:推导过程用到了泰勒级数的展开式,具体的内容笔者在《托马斯大学微积分》的专栏中会给出。

时间: 2024-10-26 03:43:04

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

【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