离散概率分布解释.ppt

离散分布 二项分布 是最重要的离散概率分布之一，由瑞士数学家雅各布·伯努利（Jakob Bernoulli）所发展，一般用二项分布来计算概率的前提是，每次抽出样品后再放回去，并且只能有两种试验结果，比如黑球或红球，正品或次品等。 泊松分布 泊松近似是二项分布的一种极限形式。 其强调如下的试验前提：一次抽样的概率值 相对很小，而抽取次数 值又相对很大。 因此泊松分布又被称之为罕有事件分布。 泊松分布指出，如果随机一次试验出现的概率为 ，那么在 次试验中出现 次的概率按照泊松分布应该为： 在离散分布中如果试验次数 值非常大，而且单次试验的概率 值又不是很小的情况下，正态分布可以用来近似的代替二项分布。 Binomdist函数 概率密度函数：当试验次数无限增加，直方图趋近于光滑曲线，曲线下包围的面积表示概率。该曲线称为概率密度函数。 累计分布函数：能完整描述一个实数随机变量X的概率分布，是概率密度函数的积分 CRITBINOM 返回使累积二项式分布大于等于临界值的最小值。此函数可以用于质量检验。 例如，使用函数 CRITBINOM 来决定最多允许出现多少个有缺陷的部件，才可以保证当整个产品在离开装配线时检验合格。 语法 CRITBINOM(trials,probability_s,alpha) Trials 伯努利试验次数。 Probability_s 每次试验中成功的概率。 Alpha 临界值。 二项分布即重复n次的伯努利试验。 在每次试验中只有两种可能的结果，而且是互相对立的，是独立的，与其它各次试验结果无关，结果事件发生的概率在整个系列试验中保持不变，则这一系列试验称为伯努力试验。 随着出现次数的逐渐增加，累计概率值逐渐增加，对应概率分布函数图最后趋近1 泊松分布－根据均值和方差 泊松分布是以18－19 世纪的法国数学家西莫恩·德尼·泊松（Siméon-Denis Poisson）命名的，他在1838年时发表。 　泊松分布适合于描述单位时间内随机事件发生的次数。如某一服务设施在一定时间内到达的人数，电话交换机接到呼叫的次数，汽车站台的候客人数，机器出现的故障数，自然灾害发生的次数等等。 POISSON(x,mean,cumulative) X??? 事件数。 Mean??? 期望值。 Cumulative??? 为一逻辑值，确定所返回的概率分布形式。 如果 cumulative 为 TRUE，函数 POISSON 返回泊松累积分布概率，即，随机事件发生的次数在 0 到 x 之间（包含 0 和 1）； 如果为 FALSE，则返回泊松概率密度函数，即，随机事件发生的次数恰好为 x。 例4－5 某超市的顾客到位人数均值为18的泊松分布，计算顾客人数是10的概率和累计概率 例4－6 某超市的顾客到位人数服从均值为18的泊松分布，计算各种顾客人数条件下的概率。并绘制概率分布图。 正态分布 态分布（normal distribution）又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。 若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为：则其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。 例5.1 某超市日常人数服从均值为200，标准差为16的正态分布。根据该分布特征，超市需要确定其日常人数的各种概率。 标准差（Standard Deviation） 也称均方差（mean square error） 是各数据偏离平均数的距离的平均数，它是离均差平方和平均后的方根，用σ表示。 标准差是方差的算术平方根。 Nomdist 正态分布 已知数值，求概率 返回指定平均值和标准偏差的正态分布函数。 NORMDIST(x,mean,standard_dev,cumulative) X??? 为需要计算其分布的数值。 Mean??? 分布的算术平均值。 Standard_dev??? 分布的标准偏差。 Cumulative??? 为一逻辑值，指明函数的形式。如果 cumulative 为 TRUE，函数 NORMDIST 返回累积分布函数；如果为 FALSE，返回概率密度函数。 反正态分布 Norminv 已知某概率，求对应的值 返回指定平均值和标准偏差的正态累积分布函数的反函数。 语法 NORMINV(probability,mean,standard_dev) Probability??? 正态分布的概率值。 Mean??? 分布的算术平均值。 Stan