泊松分布怎么求?

χ2分布公式如下:

将X=√Y代入原泊松分布

得到P(√Y) = (λ^(√Y)*e^-λ)/(√Y)!

那么P(Y)=(λ^Y*e^-λ)/Y! = (λ^(X^2)*e^-λ)/(X^2)!

例如:

^P(X=0)=0.6^bai3=0.216,此时duY=0

P(X=1)=3*0.4*0.6^2=0.432,此时Y=-1

P(X=2)=3*0.4^2*0.6=0.288,此时Y=0

P(X=3)=0.4^3=0.064,此时Y=3

上述概率可转化为:

P(Y=0)=0.504

P(Y=-1)=0.432

P(Y=3)=0.064

故其分布为

y 0 -1 3

P 0.504 0.432 0.064

如果知道了X的分布函数,我们就能知道X落在任意区间上的概率。从这个意义上讲,分布函数完全描述了随机变量的统计规律。

由于F(x)是一个单调有界的非减法函数,因此F(x0+0)在x0点上的右极限必然存在。

离散随机变量的分布规律与其分布函数是互斥的。它们都可以用来描述离散随机变量的统计规律,但分布规律比分布函数更直观简单,处理起来也更方便。

因此,离散随机变量一般用分布规律(概率函数)来描述,而不是用分布函数来描述。

以上内容参考来源:百度百科-泊松分布



  • 娉婃澗鍒嗗竷鐨勬鐜囧嚱鏁鎬庝箞姹?
    绛旓細鎮ㄥソ,鐜板湪闄堢惓鏉ヨВ绛斾互涓婄殑闂銆娉婃澗鍒嗗竷鐨勬鐜囧嚱鏁帮紝娉婃澗鍒嗗竷姒傜巼瀵嗗害鍑芥暟鏄粈涔堢浉淇″緢澶氬皬浼欎即杩樹笉鐭ラ亾,鐜板湪璁╂垜浠竴璧锋潵鐪嬬湅鍚э紒1銆佹硦鏉惧垎甯冩鐜囧瘑搴﹀嚱鏁版槸P{X=k}=位^k/锛坘锛乪^位锛塳=0锛1锛2鈥︹浠h〃鐨勬槸鍙橀噺鐨勫笺2銆佹硦鏉惧垎甯冪殑鍙傛暟位鏄崟浣嶆椂闂达紙鎴栧崟浣嶉潰绉級鍐呴殢鏈轰簨浠剁殑骞冲潎鍙戠敓娆℃暟銆3...
  • 娉婃澗鍒嗗竷鐨勬湡鏈涙槸浠涔?
    绛旓細娉婃澗鍒嗗竷鐨勫簲鐢細鍥哄畾鏃堕棿鐢变竴澶╁鍔犲埌涓鍛紝涓鍛ㄧ殑骞冲潎鐐瑰嚮鍒欎负7娆★紝娉婃澗鍒嗗竷鐨勎讳负7锛岃姹傝浆鍖栨暟涓10娆$殑姒傜巼锛屾硦鏉惧垎甯冪殑姒傜巼璐ㄩ噺鍑芥暟鐨勮緭鍏涓10锛屼唬鍏ュ叕寮忓彲浠ユ眰鍑猴細鍙互寰楀嚭璇ュ獟浣撴瘡鍛ㄥ箍鍛婄殑杞寲娆℃暟銆傚綋浜岄」鍒嗗竷鐨刵寰堝ぇ鑰宲寰堝皬鏃讹紝娉婃澗鍒嗗竷鍙綔涓轰簩椤瑰垎甯冪殑杩戜技锛屽叾涓讳负np銆傞氬父褰搉鈮20锛宲...
  • 娉婃澗鍒嗗竷鏉′欢姒傜巼鎬庝箞姹
    绛旓細娉婃澗鍒嗗竷鐨勬鐜囧叕寮忥細P{X=k}=(位^k/k)銆Poisson鍒嗗竷锛屾槸涓绉嶇粺璁′笌姒傜巼瀛﹂噷甯歌鍒扮殑绂绘暎姒傜巼鍒嗗竷锛岀敱娉曞浗鏁板瀹惰タ鑾仼路寰峰凹路娉婃澗锛圫im茅on-DenisPoisson锛夊湪1838骞存椂鍙戣〃銆
  • 濡備綍閫氳繃鏂瑰樊姹傝В娉婃澗鍒嗗竷銆佹鎬佸垎甯冨拰鍧囧寑鍒嗗竷鐨勬柟宸?
    绛旓細鍙橀噺X鏄娉婃澗鍒嗗竷锛屽彉閲廦涓烘鎬佸垎甯冿紝鐢辨鍙緱銆侲锛圶锛=D锛圶)=2 E(Y)=1,D(Y)=4 姹侱锛圶Y)锛屽嵆姹備袱鑰呮柟宸傛牴鎹柟宸殑鎬ц川鏈夛細D锛圶Y)=E(X^2*Y^2)-[E(XY)]^2 鍏朵腑锛屽洜X銆乊鍙橀噺鐩镐簰鐙珛锛屾晠E(XY)=E(X)*E(Y)=2*1=2 E(X^2*Y^2)=E(X^2)*E(Y^2)鎺ヤ笅鏉ュ垎鍒绠桬(X...
  • 娉婃澗鍒嗗竷鐨勬湡鏈涘兼槸鎬庝箞姹鐨,
    绛旓細娉婃澗鍒嗗竷鏄竴涓粺璁′笌姒傜巼瀛︿腑鐨勯噸瑕佹蹇碉紝瀹冪殑鏈熸湜鍊煎拰鏂瑰樊閮藉浐瀹氫负位锛岃繖閲岀殑位浠h〃浜嗘讳綋鐨勫钩鍧囨暟銆傛硦鏉惧垎甯冪敱娉曞浗鏁板瀹剁毊鍩冨皵-瑗胯挋路寰峰凹路娉婃澗鍦1838骞撮娆℃彁鍑猴紝鐢ㄤ簬鎻忚堪鍦ㄤ竴瀹氭潯浠朵笅锛屾煇涓闅忔満浜嬩欢鍑虹幇鐨勯鐜囥傜畝鍗曟潵璇达紝瀹冭 閲忕殑鏄湪涓瀹氭鏁扮殑璇曢獙涓紝鏌愪釜浜嬩欢鎭板ソ鍙戠敓k娆$殑姒傜巼銆傛鐜囷紝鏈川涓...
  • 涓涓叧浜庡ぇ瀛︽鐜囪鐨勯棶棰,姹傝瑙c傚叧浜娉婃澗鍒嗗竷.
    绛旓細瑙o細闅忔満鍙橀噺 X鏈嶄粠鍙傛暟涓 位鐨娉婃澗鍒嗗竷 鏁匛(X)= 位,D(X)= 位 D(2X+1)=E(2X+1)4D(X)=2E(X)+1 鍗4位=2位+1 寰椢=0.5 鍥犳E(X)= 0.5 娉婃澗鍒嗗竷锛歅(X=k)=位^k/k! e^(-位)=0.5^k/k! e^(-0.5)鏁匬(X>=2)=1-P(X=0)-P(X=1)=1-e^(-0.5)-0.5e^(...
  • 姹傝В?娉婃澗鍒嗗竷?
    绛旓細瑙o細璁綳涓300鍙拌澶囧悓鏃跺彂鐢熸晠闅滅殑鍙版暟锛孹~B(n,p)锛宯=300, p=0.01 璁鹃渶閰嶅N涓淮淇汉鍛橈紝鎵姹傜殑鏄弧瓒 P(X>N) < 0.01鐨勬渶灏忕殑N.P(X>N)= 1-P锛坸鈮锛<0.01 P(x鈮)鈮0.99 位=nP=300*0.01=3 鍙渶閰嶅8鍚嶅伐浜 姝ゆ椂,X~B(20,0.01)鎵姹傛鐜囦负 P(x鈮2)=1-P(x<...
  • 娉婃澗鍒嗗竷鎬庝箞姹鏈澶у
    绛旓細P{X=位}=P{X=位-1}銆傞敊璇湪浜庯紝浠ヤ负寰楀埌鐨刱0鏄渶澶у硷紝浣唊0鐨勫疄闄呮剰鎬濆叾瀹炴槸锛岀浉閭讳袱椤癸紙鍗砅{X=位}鍜孭{X=位-1}锛夌浉绛夌殑鐐广傚綋K0=位-1鏃讹紝P锛圶=k锛夎揪鍒版瀬澶у硷紝浣犲垽鏂嚭鐨勫師鍥犳鏄疨锛圶=k锛夛細P锛圶=k+1锛=1锛屾墍浠ュ綋鐒舵湁涓や釜銆傚懡鍚嶅師鍥 娉婃澗鍒嗗竷锛圥oisson distribution锛夛紝鍙拌瘧鍗...
  • 娉婃澗鍒嗗竷鐨勬湡鏈涘兼槸鎬庝箞姹鐨,姹傛楠ゃ
    绛旓細X锝濸(位)鏈熸湜 E(X)=位 鏂瑰樊D(X)=位 鍒╃敤娉婃澗鍒嗗竷鍏紡P(x=k)=e^(-位)*位^k/k!鍙煡P(X=0)=e^(-位)
  • 姹:娉婃澗鍒嗗竷鏈熸湜鍜屾柟宸殑鎺ㄥ杩囩▼
    绛旓細姹:娉婃澗鍒嗗竷鏈熸湜鍜屾柟宸殑鎺ㄥ杩囩▼ 20 娉婃澗鍒嗗竷鐨勬湡鏈涘拰鏂瑰樊位鏄鎬庢牱鎺ㄥ鐨?璋㈣阿鍚勪綅楂樻墜!!... 娉婃澗鍒嗗竷鐨勬湡鏈涘拰鏂瑰樊位鏄庢牱鎺ㄥ鐨?璋㈣阿鍚勪綅楂樻墜!! 灞曞紑  鎴戞潵绛 鍒嗕韩 寰俊鎵竴鎵 缃戠粶绻佸繖璇风◢鍚庨噸璇 鏂版氮寰崥 QQ绌洪棿 涓炬姤 娴忚1652 娆 鍙変腑1涓垨澶氫釜涓嬮潰鐨勫叧閿瘝,鎼滅储鐩稿叧璧勬枡銆備篃鍙洿鎺ョ偣鈥滄悳绱...
  • 扩展阅读:泊松分布表达式 ... 泊松分布的最可能取值 ... 泊松分布表大全 ... 泊松分布表的查法 ... 泊松分布的联合分布律 ... 泊松图片大全 ... 泊松分布表 7.6 ... 泊松分布足球在线计算器 ... 泊松分布表为什么不一样 ...

    本站交流只代表网友个人观点,与本站立场无关
    欢迎反馈与建议,请联系电邮
    2024© 车视网