跳到主要内容

概率分布

概率分布是描述随机变量取值规律的函数！理解常见的概率分布，是学习概率与统计的重要内容。

什么是概率分布？​

概率分布（Probability Distribution）是描述随机变量取值规律的函数。

简单理解​

概率分布就像"随机变量的取值规律"：

  • 描述随机变量取各个值的概率
  • 离散随机变量用概率质量函数
  • 连续随机变量用概率密度函数

离散概率分布​

1. 二项分布​

二项分布（Binomial Distribution）描述 nn 次独立重复试验中成功次数的分布。

参数：

  • nn：试验次数
  • pp：每次试验成功的概率

概率质量函数：

P(X=k)=Cnkpk(1−p)n−k=(nk)pk(1−p)n−kP(X = k) = C_n^k p^k (1-p)^{n-k} = \binom{n}{k} p^k (1-p)^{n-k}

其中 k=0,1,2,…,nk = 0, 1, 2, \ldots, n。

期望和方差：

E(X)=npE(X) = np

Var(X)=np(1−p)\text{Var}(X) = np(1-p)

例子：抛硬币 10 次，求正面出现 5 次的概率

  • n=10n = 10，p=0.5p = 0.5，k=5k = 5
  • P(X=5)=C105(0.5)5(0.5)5=252×0.03125=0.246P(X = 5) = C_{10}^5 (0.5)^5 (0.5)^5 = 252 \times 0.03125 = 0.246

2. 泊松分布​

泊松分布（Poisson Distribution）描述单位时间内事件发生次数的分布。

参数：

  • λ\lambda：平均发生次数

概率质量函数：

P(X=k)=λke−λk!P(X = k) = \frac{\lambda^k e^{-\lambda}}{k!}

其中 k=0,1,2,…k = 0, 1, 2, \ldots。

期望和方差：

E(X)=λE(X) = \lambda

Var(X)=λ\text{Var}(X) = \lambda

例子：某路口平均每小时发生 2 起事故，求 1 小时内发生 3 起事故的概率

  • λ=2\lambda = 2，k=3k = 3
  • P(X=3)=23e−23!=8e−26≈0.180P(X = 3) = \frac{2^3 e^{-2}}{3!} = \frac{8 e^{-2}}{6} \approx 0.180

3. 几何分布​

几何分布（Geometric Distribution）描述首次成功所需的试验次数。

参数：

  • pp：每次试验成功的概率

概率质量函数：

P(X=k)=(1−p)k−1pP(X = k) = (1-p)^{k-1} p

其中 k=1,2,3,…k = 1, 2, 3, \ldots。

期望和方差：

E(X)=1pE(X) = \frac{1}{p}

Var(X)=1−pp2\text{Var}(X) = \frac{1-p}{p^2}

例子：抛硬币，求首次出现正面所需的次数

  • p=0.5p = 0.5
  • P(X=3)=(0.5)2×0.5=0.125P(X = 3) = (0.5)^2 \times 0.5 = 0.125

连续概率分布​

1. 均匀分布​

均匀分布（Uniform Distribution）描述在区间 [a,b][a, b] 上均匀分布的随机变量。

概率密度函数：

f(x)={1b−a如果 a≤x≤b0其他f(x) = \begin{cases} \frac{1}{b-a} & \text{如果 } a \le x \le b \\ 0 & \text{其他} \end{cases}

期望和方差：

E(X)=a+b2E(X) = \frac{a + b}{2} Var(X)=(b−a)212\text{Var}(X) = \frac{(b-a)^2}{12}

例子：随机变量 XX 在 [0,10][0, 10] 上均匀分布

  • E(X)=0+102=5E(X) = \frac{0 + 10}{2} = 5
  • Var(X)=(10−0)212=10012=253\text{Var}(X) = \frac{(10-0)^2}{12} = \frac{100}{12} = \frac{25}{3}

2. 正态分布​

正态分布（Normal Distribution）是最重要的连续概率分布。

参数：

  • μ\mu：均值
  • σ2\sigma^2：方差

概率密度函数：

f(x)=1σ2πe−(x−μ)22σ2f(x) = \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}}

期望和方差：

E(X)=μE(X) = \mu Var(X)=σ2\text{Var}(X) = \sigma^2

标准正态分布：μ=0\mu = 0，σ=1\sigma = 1

f(x)=12πe−x22f(x) = \frac{1}{\sqrt{2\pi}} e^{-\frac{x^2}{2}}

性质：

  • 关于 x=μx = \mu 对称
  • 68%68\% 的数据在 [μ−σ,μ+σ][\mu - \sigma, \mu + \sigma] 内
  • 95%95\% 的数据在 [μ−2σ,μ+2σ][\mu - 2\sigma, \mu + 2\sigma] 内
  • 99.7%99.7\% 的数据在 [μ−3σ,μ+3σ][\mu - 3\sigma, \mu + 3\sigma] 内

3. 指数分布​

指数分布（Exponential Distribution）描述事件发生的时间间隔。

参数：

  • λ\lambda：速率参数

概率密度函数：

f(x)={λe−λx如果 x≥00如果 x<0f(x) = \begin{cases} \lambda e^{-\lambda x} & \text{如果 } x \ge 0 \\ 0 & \text{如果 } x < 0 \end{cases}

期望和方差：

E(X)=1λE(X) = \frac{1}{\lambda} Var(X)=1λ2\text{Var}(X) = \frac{1}{\lambda^2}

例子：某设备平均每 10 小时故障一次，求故障时间间隔的分布

  • λ=110=0.1\lambda = \frac{1}{10} = 0.1
  • E(X)=10E(X) = 10 小时

生活中的应用​

统计​

  • 📊 数据分析：用概率分布描述数据
  • 📈 统计推断：用概率分布进行统计推断

工程​

  • ⚙️ 质量控制：用概率分布控制质量
  • 🏗️ 可靠性分析：用概率分布分析可靠性

科学​

  • 🔬 实验分析：用概率分布分析实验结果
  • 📊 模型建立：用概率分布建立模型

常见错误​

错误 1：分布类型混淆​

要分清离散分布和连续分布。

错误 2：参数理解错误​

要正确理解分布的参数含义。

错误 3：公式使用错误​

要正确使用概率质量函数和概率密度函数。

小练习​

  1. 抛硬币 5 次，求正面出现 3 次的概率（用二项分布）
  2. 某路口平均每小时发生 3 起事故，求 1 小时内发生 2 起事故的概率（用泊松分布）
  3. 随机变量 XX 在 [2,8][2, 8] 上均匀分布，求 E(X)E(X) 和 Var(X)\text{Var}(X)
  4. 应用题：某产品的寿命服从指数分布，平均寿命是 1000 小时，求寿命超过 1500 小时的概率

💡 小贴士：概率分布是描述随机变量取值规律的函数。记住：二项分布描述成功次数，正态分布是最重要的连续分布。掌握常见的概率分布，你就能更好地分析和描述随机现象！