超几何分布与二项分布及其期望
惊奇的发现选修2-3上有期望的介绍,不过我没有课本啊qwq。只能去网上找资料了。。
这两节我感觉比较有意思,就记一下吧
超几何分布
名字真高大上
定义
超几何分布(Hypergeometric distribution)是统计学上一种离散概率分布。它描述了由有限个物件中抽出$n$个物件,成功抽出指定种类的物件的个数(不归还 (without replacement))。
举个例子:
$N$个物品中有$M$个是不合格的,超几何分布描述了在这$N$个样本中选$n$个,其中有$k$个是不合格的概率
$$P(x = k) = \frac{C_M^k C_{N - M}^{n - k}}{C_N^n}$$
若随机变量$X$服从参数为$n, M, N$的超几何分布,则记为$$x \sim H(n, M, N)$$
期望
$E(x) = \frac{nM}{N}$
证明(前方高能):
前置定理:
1. $k * C_M^k = M * C_{M - 1}^{k - 1}$
2. $\sum_{k = 0}^m C_M^k C_{N - M}^{n - k} = C_N^n$
推导过程
\begin{aligned}
E(x) &= \sum_{k = 0}^m k * \frac{C_M^k * C_{N - M}^{n - k}}{C_N^n} \\
&=\frac{1}{C_N^n} \sum_{k = 0}^m k C_M^K * C_{N - M}^{n - k}\\
&=\frac{1}{C_N^n} \sum_{k = 1}^m M C_{M - 1}^{k - 1} C_{N - M}^{n - k}\\
&=\frac{M}{C_N^n} \sum_{k = 1}^m C_{M - 1}^{k - 1}C_{N - M}^{n - k}\\
&=\frac{M}{C_N^n} C_{N - 1}^{n - 1} \\
&=\frac{nM}{N}
\end{aligned}
方差
$$D(x) = {n(\frac{M}{N})(1-\frac{M}{N})(N-n) \over (N-1)}$$
二项分布
定义
在概率论和统计学中,二项分布(Binomial distribution)是$n$个独立的是/非试验中成功的次数的离散概率分布,其中每次试验的成功概率为$p$。这样的单次成功/失败试验又称为伯努利试验。
实际上,当$n = 1$时,二项分布就是伯努利分布。
一般地,如果随机变量$X$服从参数$n$和$p$的二项分布,我们记$x \sim b(n, p)$或$X \sim B(n, p)$.$n$次试验中正好得到$k$次成功的概率为
$f(x;n,p) = P(x = k) C_n^k \ p^k \ (1-p)^{n- k}$
期望
$E(x) = np$
证明
这不是很显然的么qwq。
$n$次试验均为独立的,每次试验的成功率为$p$
根据期望的线性性$E(x) = E(x_1) + E(x_2) + \dots E(x_n) = np$
如果你想找刺激的话可以继续往下看
$$P(X=k) = {n\choose k}p^kq^{n-k}, k = 0,1,2,..,n,q = 1-p\\$$
\begin{aligned}
EX &= \sum_{k=0}^n k {n\choose k}p^kq^{n-k} \\
&= \sum_{k=1}^n k {n\choose k}p^kq^{n-k} \\
&= \sum_{k=1}^n k {\frac{n!}{k!(n-k)!}}p^kq^{n-k} \\
&= np\sum_{k=1}^n {\frac{(n-1)!}{(k-1)!(n-k)!}}p^{k-1}q^{(n-1)-(k-1)} \\
&= np\sum_{k=1}^n{n-1\choose k-1}p^{k-1}q^{(n-1)-(k-1)}\\
&= np[{n-1\choose 0}p^0q^{n-1}+{n-1\choose 1}p^1q^{n-2}+...+{n-1\choose n-1}p^{n-1}q^0] \\
&= np
\end{aligned}
最后一步可以由二项式定理推得
方差
$$D(x) = np(1 - p)$$
参考资料
维基百科—超几何分布
维基百科—二项分布
二项分布的期望方差证明
超几何分布与二项分布及其期望相关推荐
- 二项分布的期望方差证明
二项分布的期望方差证明 P(X=k)=(nk)pkqn−k,k=0,1,2,..,n,q=1−pEX=∑k=0nk(nk)pkqn−k=∑k=1nk(nk)pkqn−k=∑k=1nkn!k!(n−k) ...
- 二项分布的期望和方差
二项分布的期望和方差 .
- 几何分布的期望_超几何分布与二项分布的数学期望
引入 故事要从这周数学课上的一次考试说起: ❝ 口袋中有黑球.白球共7个.从中任取两个球,若抽到白球的数学期望为,则白球有____个. ❞ 我遇到了这样一道题,题目很简单,所以我很快就想出解法,算出答 ...
- 二项分布的期望方差证明_关于二项分布
2007-01-07 二项分布和正态分布的期望与方差EX=n 我介绍一个较繁但易懂的方法. 先证kC(n,k)*p^k*q^(n-k)=np*[C(n-1,k-1)*p^(k-1)q^(n-k)] 过 ...
- 超几何分布_概率小题——分布列专题
本期将介绍概率小题中的最后一个考点分布列,其中包括分布列的定义.求法和性质,以及如何通过分布列求解期望和方差,以及期望和方差的性质:除此之外还涉及到部分典型分布分布列的求法已经对应期望和方差的求解公式 ...
- 概率论 —— 相关分布以及期望方差的求法汇总
离散型 1. 两点分布(伯努利分布) 在一次试验中,事bai件A出现的概du率为P,事件A不出现的概率为q=l -p,若以X记一次试zhi验中A出现的次数,则X仅取0.I两个值. 两点分布是试验次数为 ...
- 【程序员眼中的统计学(6)】几何分布、二项分布及泊松分布:坚持离散
几何分布.二项分布及泊松分布:坚持离散 作者 白宁超 2015年8月4日13:08:28 摘要:程序员眼中的统计学系列是作者和团队共同学习笔记的整理.首先提到统计学,很多人认为是经济学或者数学的专利, ...
- 期望、方差的线性关系证明
尝试模仿gbl的笔法(bushi 注:若事件有无穷种结果,这种方法可能不严谨. 假设有两个相互独立事件: 事件1:P(A=ai)=xi(i=1,2,...,n)P(A=a_i)=x_i (i=1,2, ...
- 概率论由相关性求数学期望和方差的公式_概率论与数理统计(马涛)第4章——数学期望与方差.ppt...
§3. 协方差及相关系数 一 定义 设 X,Y 是两个随机变量, 称 为随机变量 X,Y 的协方差. 并称 注 1. 为随机变量 X,Y 的相关系数. 2. 是一个无量纲的量: 3. 若 , 则称 X ...
最新文章
- Disruptor是一个高性能的异步处理框架
- 页面排序(上下元素对换)
- 模拟飞行 android,RFS模拟飞行pro安卓版
- Android Layout XML属性
- Vue:返回上一个路由
- 阿里云Kubernetes Service Mesh实践进行时(7): 可观测性分析服务Kiali
- zooInspector下载
- HTML+CSS导航栏及下拉菜单的实现
- 栅格数据灰度化并前端转换展示
- 帕累托最优和纳什均衡例子
- 为知笔记导入html,为知笔记导入印象笔记
- python怎么用圆周率_用python程序求圆周率到任意位
- 台式计算机打印机共享,电脑不能共享打印机怎么办 电脑设置共享打印机详细教程...
- android-5.0新功能介绍(Lollipop)
- 相控阵天气雷达工作原理
- Parallels Desktop 安装 Windows10 提示“安全启动功能防止操作系统启动”怎么解决?
- 单细胞分析:质控实操(五)
- 学习区块链(一)--我为什么要学习区块链?
- Docker迁移存储目录
- CSGO(KZ模式)服务器搭建常见问题答疑