1. 伯努利分佈
伯努利分佈(Bernoulli distribution)又名兩點分佈或0-1分佈,介紹伯努利分佈前首先需要引入伯努利試驗(Bernoulli trial)。
- 伯努利試驗是隻有兩種可能結果的單次隨機試驗,即對於一個隨機變量X而言:
伯努利試驗都可以表達爲“是或否”的問題。例如,拋一次硬幣是正面向上嗎?剛出生的小孩是個女孩嗎?等等
- 如果試驗E是一個伯努利試驗,將E獨立重複地進行n次,則稱這一串重複的獨立試驗爲n重伯努利試驗。
- 進行一次伯努利試驗,成功(X=1)概率爲p(0<=p<=1),失敗(X=0)概率爲1-p,則稱隨機變量X服從伯努利分佈。伯努利分佈是離散型概率分佈,其概率質量函數爲:
2. 泊松分佈
泊松分佈是二項分佈的極限情況。
假設我們現在要估計某個路口一小時經過k輛車的概率,第一步我們需要先大量的觀察一段時間,獲得一個一小時內通過汽車數量的期望λ。
然後我們把一小時分爲60分鐘,同時假設每一分鐘要麼經過一輛車,要麼沒有車,那麼按照二項分佈的式子:
P(k)=Ck60(λ60)k(1−λ60)60−k
也就是說,期望除以60分鐘(把一小時分成60份)獲得每一分鐘有一輛車經過的概率。
但是很明顯我們不能確保每分鐘真的只過一輛,爲了更加精確,我們可以把一小時繼續分爲3600秒或72000個半秒,也就是說分的越多份,越精確。如果我們這麼一直分下去,我們就獲得了泊松分佈,也就是二項分佈的極限情況。
如果引入極限和e,泊松分佈可以表達爲:
P(X=k)=e−λλkk!
泊松分佈的概率密度和累計概率圖像如下: