几何分布GeometricDistribution
几何分布
几何分布用于描述这种分布:独立事件的结果只有2个:”1和0“ 或”成功和失败“等,成功的概率为ppp, 失败的概率为q=1−pq=1-pq=1−p; 第r次成功的概率为
P(X=r)=p⋅qr−1P(X=r)=p\cdot q^{r-1}P(X=r)=p⋅qr−1
即用来描述进行多次伯努利事件,第1次成功次数的概率;换句话说每一次事件都有成功和失败的可能,所关心的是第一次成功的概率或取得第一次成功需要试验的次数。
期望 :E(X)=1p\displaystyle E(X)=\frac {1}{p}E(X)=p1
方差:D(X)=E(X−E(X))=pq2\displaystyle D(X)=E(X-E(X)) = \frac {p}{q^2}D(X)=E(X−E(X))=q2p
由几何分布密度函数可以得出第1, 2, 3, … , k,k+1, …发生的概率为比例系数为q的等比数列,即:
p,pq,pq2,...,pqk−1,pqk,...p,\ pq, \ pq^2,\ ..., pq^{k-1}, \ pq^k, \ ...p, pq, pq2, ...,pqk−1, pqk, ...
P(X=k+1)P(X=k)=q\displaystyle \frac {P(X=k+1)}{P(X=k)}=qP(X=k)P(X=k+1)=q
一种说法是等比数列又被称为几何数列,故该分布称为几何分布。
性质
任何几何分布的众数为1, 看似违反直觉,但第1次成功的概率最大;
大于r次成功的概率,即前r次均失败,为 P(X>r)=qr\large P(X>r)=q^rP(X>r)=qr
小于等于r次成功的概率,即P(X)≤1−qr\large P(X)\le 1-q^rP(X)≤1−qr, 其实就是等比数列求和:
P(X≤r)=∑n=0rp⋅qn−1=p(1−qr)1−q=1−qr\large P(X\le r) = \sum_{n=0}^r{p\cdot q^{n-1}=\frac{p(1-q^r)}{1-q}} = 1-q^rP(X≤r)=n=0∑rp⋅qn−1=1−qp(1−qr)=1−qr
举例
掷色子,1-6点的概率均为1/6,掷出1点算赢,其它点算输,记 X为第一次掷出赢的次数,则:
P(X=r)=pqr−1\Large P(X=r)=pq^{r-1}P(X=r)=pqr−1
其中p为1/6, q为5/6。
scipy.stats 中有geom模块,可以方便的计算各种参数:
"""po = stats.poisson(mu) #用于构造均值与μ的泊松分布;
po.pmf(k, mu, loc=0) # Probability mass function. 概率质量函数;
po.cdf(k, mu, loc=0) #Cumulative distribution function.累积分布函数;
po.ppf(q, mu, loc=0) # Percent point function 百分点函数(cdf的倒数-百分位数)。
"""
p=1./6
N=20
x=np.arange(N+1)
po = stats.geom(p) #构造发生概率为p的几何分布
pm = po.pmf(x) #计算第1次发生次数的概率
# 图形
fig = plt.figure()
ax = plt.gca()
line1 = ax.stem(x,pm,basefmt='k',label='第1次掷出1点概率');
ax.set_xlabel('随机变量:掷出1点的次数');
ax.set_ylabel('发生概率');
ax.set_title('几何分布:p=1/6');ax2=plt.twinx()
y=po.cdf(x) #计算第1次时间发生的累积分布概率
line2 = ax2.plot(x,y,'r',label='累积概率')
ax2.set_ylabel('累积概率',color='r')
ax.legend(loc=(0.65,0.8));
ax2.legend(loc=(0.65,0.7))
# 打印累积发生概率大于等于50%的次数
po.ppf(0.5)
输出为:4.0 。
几何分布GeometricDistribution相关推荐
- 商汤联手华科:提出文字检测模型GNNets,新颖模块可解决几何分布难题
加入「公开课」交流群,获取更多学习资料.课程及热招岗位等信息 编辑 | Jane 出品 | AI科技大本营(ID:rgznai100) [导读]今年的ICCV,商汤科技及联合实验室共有57篇论文入选I ...
- Fireworks 期望,几何分布,概率,三分(2020.12.南京)
题意 : n分钟做一个烟花,每个烟花有p∗10−4p*10^{-4}p∗10−4的概率成功,每次做完一个烟花,可以选择继续做,或者花m分钟把之前做的所有剩下的都放掉,如果有至少一个成功,就去休息,求去 ...
- 离散分布概率:几何分布、二项分布和泊松分布
离散分布主要包括3个重要的分布:几何分布.二项分布和泊松分布,这里主要介绍下这三种分布解决的典型概率问题,区别和联系. 1. 几何分布: 问题:查德在任意一次滑雪中(假定每次滑雪都是独立事件)不出事故 ...
- 模板:min-max容斥离散随机变量的几何分布(洛谷P3175:[HAOI2015]按位或)
前言 见到一道神题,学会两个知识点- 都是数学. min-max容斥 给出式子: max(S)=∑T⊂S(−1)∣T∣min(T)\max(S)=\sum_{T\sub S}(-1)^{|T|}\ ...
- 泊松分布的期望和方差_表白不怕白努力,几何分布来帮忙
你跟女神表白一次成功的概率是0.2,那么你在第三次跟她表白成功的概率是多少呢?(毕竟表白一两次就成功也太没有挑战了,表白3次都不成功也疲惫了!) 以下三种离散分布看懂了就能找到正确答案! 1.二项分布 ...
- 几何分布的期望和方差公式推导_数学期望、方差、协方差
概论: 一维随机变量期望与方差 二维随机变量期望与方差 协方差 1.一维随机变量期望与方差: 公式: 离散型: E(X)=∑i=1->nXiPi Y=g(x) E(Y)=∑i=1->ng( ...
- 伯努利分布、二项分布、几何分布、超几何分布、泊松分布
导语 对于任何一个学习概率论的童鞋来说,各种分布都是很头痛的一件事情,本篇主要讨论的是离散型随机变量. 伯努利分布 伯努利分布就是我们常见的0-1分布,即它的随机变量只取0 ...
- 【期望】几何分布的期望
先给出一个几何分布的分布列: 其中, x表示第x次抽中 p表示第中的概率 对于每一次抽奖:中奖概率p为3/4,不中奖概率(1-p)为1/4: 1.什么是几何分布 简言之,几何分布就是前n次都没有抽中, ...
- 几何分布及其期望计算
几何分布 以抛硬币为例:抛到正面则继续抛,抛到不是正面为止,记录这时抛硬币的次数X.假设出现正面的概率为ppp,那么非正面概率为1−p1-p1−p.发生抛k次事件的概率为:P{X=k}=pk−1(1− ...
最新文章
- 瞎忙不如不忙——读高德拉特《目标》有感
- WindowsPhone7开发简单豆瓣网应用程序之界面设计
- angularjs全栈开发知乎_1-4【微信小程序全栈开发课程】原生小程序框架介绍
- React开发(249):react项目理解 ant design form加个扩展样式
- 数据结构与算法(刺猬书)读书笔记----目录
- java socket-服务器不启动 直接启动客户端.md
- airpods固件更新方法_AirPods 固件迎来大更新!这两个功能终于支持了
- 使用finalize/dispose 模式提高GC性能(翻译)
- jQuery基础之jQuery和原生js实现tab选项卡和电影排行榜
- 基煜基金王翔:助力金融机构提升效率 强化内控合规
- 最强的linux命令总结.pdf
- 华为历届笔试面试题整理大全
- js中获取浏览器和屏幕高度
- 计算机病毒预防措施磁盘格式化,电脑病毒会格式化硬盘怎么办
- 23种设计模式——最好理解的代理模式
- Android 百度地图获取定位信息并实时传给后台
- MSSQL的datediff函数
- mysql中的判断是否有该条数据 如果有返回1 没有返回0
- Google卫星影像免费下载!来看这些软件
- 净空法师:同修净土与般若
热门文章
- iphone粘贴关联_如何将电话号码粘贴到iPhone的电话应用程序中
- chatgpt平替,清华chatglm本地化部署教程(aigc大模型风口,校招找工作必备),包含weiui部署,api部署,对话框部署
- ios和安卓测试包发布网站http://fir.im的注册与常用功能
- [开源]爱发布类似fir.im和蒲公英的App发布平台
- kali linux虚拟机镜像的安装(详细手把手教你)
- Arduino时钟显示
- 我的价值观和人才观(狭得不能再狭的狭义)
- vue拍照功能PC+手机需要的可以看一下
- 一个程序媛的古北水镇游览攻略
- 英语听说计算机查分,2018中考第二次英语听说考明日查分,附查分常见问答