泊松分布 二项分布 正态分布之间的联系,与绘制高斯分布图
**2018博客之星评选,如果喜欢我的文章,请投我一票,编号:No.009** [支持连接](https://blog.csdn.net/HHTNAN/article/details/85330758) ,万分感谢!!!
基础知识
二项分布有两个参数,一个 n 表示试验次数,一个 p 表示一次试验成功概率。现在考虑一列二项分布,其中试验次数 n 无限增加,而 p 是 n 的函数。
1.如果 np 存在有限极限 λ,则这列二项分布就趋于参数为 λ 的 泊松分布。反之,如果 np 趋于无限大(如 p 是一个定值),则根据德莫佛-拉普拉斯(De'Moivre-Laplace)中心极限定理,这列二项分布将趋近于正态分布。
2.实际运用中当 n 很大时一般都用正态分布来近似计算二项分布,但是如果同时 np 又比较小(比起 n来说很小),那么用泊松分布近似计算更简单些,毕竟泊松分布跟二项分布一样都是离散型分布。
一、泊松分布
日常生活中,大量事件是有固定频率的。
- 某医院平均每小时出生3个婴儿
- 某公司平均每10分钟接到1个电话
- 某超市平均每天销售4包xx牌奶粉
- 某网站平均每分钟有2次访问
它们的特点就是,我们可以预估这些事件的总数,但是没法知道具体的发生时间。已知平均每小时出生3个婴儿,请问下一个小时,会出生几个?
有可能一下子出生6个,也有可能一个都不出生。这是我们没法知道的。
泊松分布就是描述某段时间内,事件具体的发生概率。
上面就是泊松分布的公式。等号的左边,P 表示概率,N表示某种函数关系,t 表示时间,n 表示数量,1小时内出生3个婴儿的概率,就表示为 P(N(1) = 3) 。等号的右边,λ 表示事件的频率。接下来两个小时,一个婴儿都不出生的概率是0.25%,基本不可能发生。
接下来一个小时,至少出生两个婴儿的概率是80%。
泊松分布的图形大概是下面的样子。
可以看到,在频率附近,事件的发生概率最高,然后向两边对称下降,即变得越大和越小都不太可能。每小时出生3个婴儿,这是最可能的结果,出生得越多或越少,就越不可能。
二、二项分布
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利实验。
三、正太分布
正态分布(Normal distribution),也称"常态分布",又名高斯分布(Gaussian distribution),最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。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。
正态曲线呈钟型,两头低,中间高,左右对称因其曲线呈钟形,因此人们又经常称之为钟形曲线。
假设随机变量X服从一个位置参数为μ、尺度参数为σ的正态分布,则可以记为:
而概率密度函数为
当μ = 0,σ = 1时的正态分布是标准正态分布。
在python中画正态分布直方图
通过numpy构造正太分布数据,之后画图,可以通过size大小来调节数据的正太分布效果
import numpy as np
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt
mu ,sigma = 0, 1
sampleNo = 1000000
np.random.seed(0)
s = np.random.normal(mu, sigma, size=sampleNo)plt.hist(s, bins=100, normed=True)
plt.title('Normal: $\mu$=%.1f, $\sigma^2$=%.1f' % (mu,sigma))
plt.show()
画直方图与概率分布曲线
mu, sigma , num_bins = 0, 1, 50
x = mu + sigma * np.random.randn(1000000)
# 正态分布的数据
n, bins, patches = plt.hist(x, num_bins, normed=True, facecolor = 'blue', alpha = 0.5)
# 拟合曲线
y = mlab.normpdf(bins, mu, sigma)
plt.plot(bins, y, 'r--')
plt.xlabel('Expectation')
plt.ylabel('Probability')
plt.title('histogram of normal distribution: $\mu = 0$, $\sigma=1$')plt.subplots_adjust(left = 0.15)
plt.show()
泊松分布 二项分布 正态分布之间的联系,与绘制高斯分布图相关推荐
- 统计学(1)二项分布 几何分布 泊松分布 指数分布 正态分布 gamma分布 beta分布
分布与分布关系 1.二项分布 2.几何分布 3.泊松分布 4.二项分布转化泊松分布,泊松转化正态分布 5.指数分布 6.gamma分布 7.泊松.指数.gamma三者关系 8.Beta分布 1.二项分 ...
- 复杂正态分布运用——独立正态分布组合概率、二项分布、泊松分布近似正态分布的运用
上一篇讲了正态分布的基本概念和概率求解的计算方法(正态分布及其概率计算https://blog.csdn.net/weixin_41140174/article/details/99696028),这 ...
- R语言rms包生存分析之限制性立方样条(RCS, Restricted cubic spline)分析:拟合连续性自变量和事件风险之间的关系并绘制直方图、平滑曲线、双Y轴于同一个图像中
R语言rms包生存分析之限制性立方样条(RCS, Restricted cubic spline)分析:拟合连续性自变量和事件风险之间的关系并绘制直方图.平滑曲线.双Y轴于同一个图像中 目录
- R可视化绘制正太分布图(Normal Distribution)
R可视化绘制正太分布图(Normal Distribution) 目录 R可视化绘制正太分布图(Normal Distribution) 使用原生R绘制正态分布图
- 在pycharm中绘制正太分布图
文章目录 1.目标 2.代码 3.结果 1.目标 在pycharm中绘制正太分布图 2.代码 # @Project: zc # @Author: zc # @File name: distributi ...
- 【ArcGIS学习记录01】--利用CRU TS数据集绘制降雨量分布图
[ArcGIS学习记录01]–利用CRU TS数据集绘制降雨量分布图 注:仅作为本人的学习记录方便以后复习查阅. 一.介绍 CRU TS 是目前使用最广泛的气候数据集之一,由英国国家大气科学中心 (N ...
- Python学习笔记-用matplotlib绘制随机分布图
用matplotlib绘制随机分布图 1.创建RandomWalk()类 我们先创建一个随机漫步的类,它可以随机选择前进方向.这个类需要三个属性,其中一个是储存随机漫步次数的变量,其他两个是列表,分别 ...
- 二项分布、泊松分布,正态分布(高斯分布)之间的联系与区别
基础知识 二项分布有两个参数,一个 n 表示试验次数,一个 p 表示一次试验成功概率.现在考虑一列二项分布,其中试验次数 n 无限增加,而 p 是 n 的函数. 1.如果 np 存在有限极限 λ,则这 ...
- 正态分布高斯分布泊松分布_正态分布:将数据转换为高斯分布
正态分布高斯分布泊松分布 For detailed implementation in python check my GitHub repository. 有关在python中的详细实现,请查看我的 ...
- 正态分布的概率密度函数python_python绘制正态分布及三大抽样分布的概率密度图像...
目录 1.scipy库中各分布对应的方法 2.stats中各分布的常用方法及其功能 3.正态分布的概率密度函数及其图象 1)正态分布的概率密度函数及其图象 2)python绘制正态分布的概率密度函数图 ...
最新文章
- unix awk手册读书笔记
- 翟树卿:如何让数据挖掘助力精准化营销
- 乘客公交车上被盗 司机该不该停车闭门等警察
- 安卓进阶系列-02搜索框(PersistentSearch)的使用
- mysql动静分离_haproxy的web服务负载均衡、动静分离、 MySQL服务负载均衡、状态监控...
- laravel中的多对多关系详解
- 计算机主机红灯不闪硬盘工作,电脑主机红灯一直闪正常吗
- 为什么你会觉得微服务架构很别扭
- 基础教程——python函数
- Django 学习笔记(五) --- Ajax 传输数据
- Atitit web httphandler的实现 java python node.js c# net php 目录 1.1. Java 过滤器 servelet	1 1.2. Python的
- C++如何生成随机数
- batch script learn
- 宏杉科技中标中国移动存储集采喜获50%份额
- mmap之内存映射文件与常规文件操作比较
- m73p黑苹果_Hackintosh 黑苹果长期维护机型 EFI 及安装教程整理
- 旋转向量解法(罗德里格公式推导及理解)
- win7电脑无法设置默认打开方式
- 如果有智慧公交可视化平台,《开端》还能无限重启吗?
- 微信小程序发布时需要校验违法违规内容、图片,Java后端接口