伽马分布,指数分布,泊松分布的关系 -转自简书
原文链接:https://www.jianshu.com/p/6ee90ba47b4a
伽马分布,指数分布,泊松分布的关系
thinkando 关注
2018.09.25 21:13* 字数 714 阅读 2909评论 0喜欢 10
1. 从意义上看:
- 指数分布解决的问题是“要等到一个随机事件发生,需要经历多久时间”
- 伽玛分布解决的问题是“要等到n个随机事件都发生,需要经历多久时间”
所以,伽玛分布可以看作是n个指数分布的独立随机变量的加总,即,n个Exponential(λ)random variables--->Gamma(n,λ)
- 泊松分布解决的是“在特定时间里发生n个事件的机率”。
2. 公式
泊松分布
image.png
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。
image.png
接下来一个小时,至少出生两个婴儿的概率是80%。
image.png
泊松分布的图形
image.png
- 指数分布
- 指数分布解决的问题是“要等到一个随机事件发生,需要经历多久时间”
指数分布的公式可以从泊松分布推断出来。如果下一个婴儿要间隔时间 t ,就等同于 t 之内没有任何婴儿出生。
image.png
反过来,事件在时间 t 之内发生的概率,就是1减去上面的值。
image.png
接下来15分钟,会有婴儿出生的概率是52.76%。
image.png
接下来的15分钟到30分钟,会有婴儿出生的概率是24.92%。
image.png
指数分布的图形
image.png
可以看到,随着间隔时间变长,事件的发生概率急剧下降,呈指数式衰减。想一想,如果每小时平均出生3个婴儿,上面已经算过了,下一个婴儿间隔2小时才出生的概率是0.25%,那么间隔3小时、间隔4小时的概率,是不是更接近于0?
- 伽马分布
- 伽玛分布解决的问题是“要等到n个随机事件都发生,需要经历多久时间”
公式
image.png
这里a=n, 当a=1时,伽马分布就是指数分布,所以伽马分布就是n个指数分布的和
期望和方差
image.png
- Gamma分布中的参数α称为形状参数(shape parameter),β称为尺度参数(scale parameter)。
image.png
参考
- https://www.zhihu.com/question/34866983
- http://www.ruanyifeng.com/blog/2015/06/poisson-distribution.html
伽马分布,指数分布,泊松分布的关系 -转自简书相关推荐
- 伽马分布,指数分布,泊松分布的关系
1. 从意义上看: 指数分布解决的问题是"要等到一个随机事件发生,需要经历多久时间" 伽玛分布解决的问题是"要等到n个随机事件都发生,需要经历多久时间" 所以, ...
- 几种概率分布(伯努利分布、二项分布、泊松分布、均匀分布、正态分布、指数分布、伽马分布)
伯努利分布(Bernoulli Distribution) 又名两点分布或者0-1分布,是一个离散型概率分布,为纪念瑞士科学家雅各布·伯努利而命名.若伯努利试验成功,则伯努利随机变量取值为1.若伯努利 ...
- 伽马发布、泊松分布以及指数分布的关系
一.意义 · 指数分布(Exponential distribution)解决的问题是:要等到一个随机事件发生,需要经历多久时间. · 伽马分布(Gamma distribution)解决的问题是:要 ...
- 原创 | 一文读懂泊松分布,指数分布和伽马分布
本文约3400字,建议阅读6分钟 本文以简单直白的方式让大家能够理解泊松分布,指数分布和伽马分布的实际含义和作用,并且由此推导其概率密度函数. 在开始之前,我们需要预习一下二项分布. 还是丢硬币的例子 ...
- 伽马分布,指数分布,卡方分布三者关系
1.伽马分布是一个连续概率分布,具有两个参数 α\alphaα 和 λ\lambdaλ,记为 Gamma(α,λ)\text{Gamma}(\alpha,\lambda)Gamma(α,λ).伽马分布 ...
- 指数分布与幂律分布定义及不同(泊松分布、伽马分布)
1.定义 (1)幂律分布(pow law distribution),其概率密度函数形式如下,这种分布的共性是绝大多数事件的规模很小,而只有少数事件的规模相当大. y=cx-r 其中x,y是正的随机变 ...
- 复高斯变量跟卡方分布、指数分布、伽马分布的关系
卡方分布:若n个相互独立的随机变量ξ₁,ξ₂,...,ξn ,均服从标准正态分布(也称独立同分布于标准正态分布),则这n个服从标准正态分布的随机变量的平方和构成一新的随机变量,其分布规律称为卡方分布( ...
- 【概率论与数理统计02】那些年,正态分布、指数分布、伽马分布、卡方分布之间的发生的那些事儿(下)
前记:书接上回,先来回顾一下四个分布之间的关系图. 图1 四个分布关系简图 3. 简洁的三哥--指数分布 指数分布及特性 形如其名,指数分布的概率密度函数应该是最简单的了,就是单纯的指数函数的形 ...
- 【概率论与数理统计01】那些年,正态分布、指数分布、伽马分布、卡方分布之间的发生的那些事儿(上)
前记:大多数通信领域的论文都用到了复杂的数学工具,而数学推导中其中很大一部分都涉及到了概率论的知识,痛恨当时自己没有好好学(大哭).所以今天又来开一个新坑,我一遍学一遍填,希望有朝一日能把这个坑筑成一 ...
最新文章
- Android程序的反编译对抗研究
- 微信链接非80端口问题解决方案(伪处理)
- 【Unity】11.5 物理材质 (Physics Material)
- delphi和 java通过socket通信的中文问题
- 【转】HashTable 和 HashMap的区别
- WebLogic Platform 8.1 SP3 简体中文版发行
- HarmonyOS应用开发——使用HUAWEI DevEco Studio创建第一个程序 HELLO WORLD!
- canvas 绘制直线 并选中_在画布中使用路径-Canvas的基本操作
- 【Java】访问控制
- vue 本地预览多图上传
- 日期格式 java_Java时间日期格式转换
- unity wsad 鼠标_Unity3D实现键盘鼠标控制角色移动及旋转
- html5 java 微信商城_微信商城和H5商城区别是什么?
- 微信小程序调用百度云H5人脸识别
- 工作量评估--专家评估法实际操作心得
- (封装调用) layui table中checkbox 付款框 跨页保存选中赋值状态 跨页记忆选择
- Redis集群和应用——02
- Python基础知识梳理
- Spark GraphX下强连通子图和社团发现算法在1T TPC-DS数据集下执行方法、优化和性能估算
- 汽车诊断仪常用特殊功能-ABS排气
热门文章
- 什么?UnityLearn入门项目也不懂?不用怕,我会出手
- 萌新熟悉一下csdn
- 新手怎么学习嵌入式?什么人适合转行学习嵌入式?
- 成都电信公网IPV6打开访问
- 双目视觉焦距_双目视觉三维定位原理解析
- 【实训01】基于视图的访问控制
- Could not bind with 192.168.56.1: [WinError 10049] 在其上下文中,该请求的地址无效。 (please check your host binding
- javacsv读写csv文件
- 最新移动端web开发总结
- 《5G时代十大应用场景白皮书》,如何解锁VR技术发展潜力