#数理工程#
之前已经介绍过,概率问题可以分为两大类:连续型事件和离散型事件。
连续型事件又有三种常见的情景,或者叫“连续型随机变量的三种重要的分布类型”:
1、均匀分布。比如往地上扔一个纸团,求纸团落在特定范围内的概率。
2、正态分布。比如身高这类符合“中央极限定理”的随机变量。
3、指数分布。比如财富这类具有“正反馈机制”的随机变量。
在离散型事件中,最重要的概念是:n重伯努利实验。最重要的两种模型是:二项分布和泊松分布。
一、n重伯努利实验
把某件事重复做n次,假如每次的结果只有两种可能,而且每次的结果互不影响,这就叫n重伯努利实验。
比如买彩票,结果只有中和不中两种可能,这次中不中不会影响下次中不中,一年有n期开奖,就可以近似看成一个n重伯努利实验。
二、二项分布
假设每次实验胜利的概率为p,那么失利的概率q=1-p,则在n重伯努利实验中,一共胜利了k次的概率为:
这就叫二项分布。
三、泊松分布
按照上面的公式,求二项分布概率的计算量很大。但是当n比较大(大于10),且p比较小(小于0.1),也就是说假如反复尝试一件胜利率不高的事,那么尝试n次之后,一共胜利了k次的概率为:
这就叫泊松分布。
泊松分布的计算量要轻微小一些,答案可以通过查“泊松分布表”或者用数学软件来获得。
我随便搜了一下,双色球的中奖率是6.71%(从头奖到尾奖),全年开奖156期。如果你每期都买一注,一年下来“应当”中几次奖?
这就是一个n=156,p=6.71%的n重伯努利实验,而且近似听从泊松分布。最可能出现的中奖次数就是泊松分布里的λ=n×p≈10.5,也就是10次或者11次。那么这种最可能的情景发生的概率有多大呢?通过数学软件可得:≈24%。
当泊松分布中的λ比较大时(大于5),泊松分布在进行“连续性修正”之后,可以看成是一个均值和方差都为λ的正态分布。由于前者是离散型分布后者是连续型分布,所以需要进行“连续性修正”。
比如,上述双色球的问题,也可以近似看成是在一个均值和方差均为10.5的正态分布中,看见值落在[9.5,11.5]之间的概率。
“n重伯努利实验”这个模型在保险精算、质检抽查等各个领域都有广泛的应用。至此我们对概率学中最重要的几种模型都已经有了基本的熟悉。接下来就要进入统计学的世界。
来源:雪球-半场零射门
评论前必须登录!
立即登录 注册