BinomialDistribution-回到首页.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
BinomialDistribution-回到首页.doc

Binomial Distribution 一、背景: 在一試驗中,若每次試行所出現的結果只有兩種情況(如:成功或失敗,稱之為Bernoulli 試行)。有一重覆n次的試驗,若每次試行的結果互為獨立,也就是每次試行發生之結果不受上次試行的影響,且每次試行成功之機率都不變,當我們想知道n次中成功的次數,就產生了二項分配(binomial distribution)。 Binomial分配之發生: 通常我們對連續的n個Bernoulli試行只注意它成功次數,並不注意成功的先後順序時,稱為Binomial分配。即 重複獨立進行某試行n次,設每次試行成功之機率均為p,失敗的機率為1-p=q。令A=試行成功之事件 B=試行失敗之事件 在n次試行中,若前y次是成功而後n-y次為失敗,則 因為y個A及n-y個B有個排法,故在n次試行中有y次成功之機率為 二、定義: A r.v. Y is said to be a binomial random variable, if and only if it’s pdf n,p為參數,記作Y~Bin(n,p) 例如:投擲一均勻銅幣6次,恰得2次正面之機率為 三、特性: (1)cdf 假設Y~Bin(n ,p),則其分佈函數為 (2)mgf (3)對不同的p值,二項隨機變數的對稱性如下: (a)當時,整數,故機率的最大值偏左,而整個分布向右傾斜。 例: (b)當時,整數,故機率的最大值偏右,而整個分佈向左傾斜。 例: (c)。當n為偶數時為對稱分佈,其機率之最大值恰好在中間這一項,即在x=n/2時有最大之機率。當n為奇數時,也是對稱分佈,此時中間兩項之機率相同。 例: (4)Bin(n,p)的眾數,即最可能發生之位置 (5)E(Y)=np V(Y)=npq Pf: 但 四、與其他分配的關係: (1)與常態分配間的關係 如果n相當大,p和q皆不接近於零,則將二項變數標準化,得到一變數趨近於常態分配,即 此時Y為二項分配隨機變數,p為成功機率。如果np和nq兩者皆不小於5,則近似情況良好。 我們知道當n很大時(如n≧10),二項分佈的計算是相當不方便的,下面的定理稱為DeMoivre-Laplace 極限定理,它告訴我們求二項分佈機率值的近似法。 定理: 設{Yn}為一隨機變數序列,其中對每一n,Yn~B(n,p);則當n→∞時, 其中ab為任意二常數。 Exp:設Y~Bin(200 ,1/2),求P{95≦Y≦105} Sol: (2)與Poisson分配間的關係 定理??? 設X~Bin(n ,p),且設λ=np(0)為一常數,則當n→∞時, 在n很大時,bin(k;n,p)的計算相當煩雜,由上述定理可知, (λk/k!)e-λ為bin(k;n,p)的一個很好的近似值,其中λ=np為一常數。通常p≦0.1時,就可以用上述定理來估計其機率。 註:到目前為止,對二項分佈我們有兩種可能的近似值,Poisson近似和常態近似。一般而言,當n很大,p很小(p≦0.1),且np適度時,Poisson近似可得很好的近似;而當n很大,且np(1-p)≧10時,常態機率的近似值是相當令人滿意的。 (3)與超幾何分配間的關係 二項分配與超幾何分配最大的差別在於試行方式不同,二項分配是以抽出放回方式,而超幾何分配是以採抽出不放回方式,但是當N很大時,超幾何分配會趨近於二項分配,也就是很大時,超幾何分配之機率發生值可以用二項分配近似求得,兩者差距極微,一般用於抽樣上面。 N中取n(不放回),Y為n個中R之個數 則 定理: 當N→∞時,h(x; N,n,p)→b(x; n,p)。 上述定理告訴我們,當袋中球的個數有無限多個的時候,二項分佈為超幾何分佈的極限情形。所以我們可以用b(x; n,p)來求得h(x; N,n,p)的近似值;一般而言,當N≧20n時,可得很好的近似值。 在統計上的應用: 若母體為無限且服從二項分配,p和q=1-p各為某事件發生與不發生的機率,由此母全體抽得大小為n之所有可能樣本,和每一個樣本決定了統計量,此時是為發生比例p。例如:n個人中,隨機抽出一人,其近視的機率為p,沒有近視的機率為1-p,即為Bernoulli試行,若抽出Y人有近視,則形成Binomial分配,用Y/n估計比例p,即E(Y/n)=p。 ex:1000人中,有550人近視,則近視比例為55 %。 比例p在信賴區間上的使用(大樣本n≧30時): 但是當樣本數很小的時候(一般為n30時),仍然用二項分配。 結語: 二項分配在機率與統計的理論基礎上,有很大的貢獻,二項分配會近似於Normal分配與Poisson分配,正因為有這種好的性質,所以當二項分配的機率值很難計算時,我們可以用Normal分配與Poisson分配求得近似值,使得

文档评论(0)

170****0532 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:8015033021000003

1亿VIP精品文档

相关文档