離散概率分佈
離散概率分佈(discrete probability distribution):指所描述嘅變數 X {\displaystyle X} 嘅可能數值係離散嘅概率分佈。
概率質量函數 (probability mass function,PMF):描述一個離散概率分佈嘅函數;一個離散概率分佈嘅 PMF 會講明嗰個概率分佈嘅每一個離散可能數值出現嘅機會率: ∑ p X ( x i ) = 1 {\displaystyle \sum p_{X}(x_{i})=1} ,啲可能性嘅機率冚唪唥加埋係 1; p ( x i ) > 0 {\displaystyle p(x_{i})>0} ,每個可能性嘅機率大過 0; p ( x ) = 0 for all other x {\displaystyle p(x)=0{\text{ for all other x}}} ,啲可能性以外嘅數值出現嘅機會率係 0。
一個概率質量函數; X {\displaystyle X} 嘅可能數值得三個(1、3 同 7),每個數值都掕住咗個「出現嘅機率」,而呢啲機率加埋係 1。 離散均勻分佈 (discrete uniform distribution):每個可能離散數值出現嘅機率都一樣,概率質量函數 係: f ( x ) = 1 n {\displaystyle f(x)={\frac {1}{n}}} ,當中 n {\displaystyle n} 係 X {\displaystyle X} 有幾多個可能數值。 伯努利分佈 (Bernoulli distribution):描述嘅變數 k {\displaystyle k} 得兩個可能數值,數值係 1 嘅機會率係 p {\displaystyle p} ,數值係 0 嘅機會率係 q = ( 1 − p ) {\displaystyle q=(1-p)} ,概率質量函數 f ( k ; p ) {\displaystyle f(k;p)} 係: f ( k ; p ) = { p if k = 1 , q = 1 − p if k = 0. {\displaystyle f(k;p)={\begin{cases}p&{\text{if }}k=1,\\q=1-p&{\text{if }}k=0.\end{cases}}} 廣義伯努利分佈 (generalized Bernoulli distribution / multinoulli distribution):描述嘅變數 k {\displaystyle k} 有 n {\displaystyle n} 個離散可能數值,概率質量函數 係: f ( i ) = { p 1 if i = 1 , p 2 if i = 2 , p 3 if i = 3 , . . . {\displaystyle f(i)={\begin{cases}p_{1}&{\text{if }}i=1,\\p_{2}&{\text{if }}i=2,\\p_{3}&{\text{if }}i=3,\\...\end{cases}}} 二項分佈 (binomial distribution):描述 n {\displaystyle n} 次結果二元嘅試驗;想像有個結果係二元-得兩個可能結果(1 同 0)-嘅試驗,例如掟銀仔 ,做 n {\displaystyle n} 咁多次,每次試驗嘅結果都有 p {\displaystyle p} 咁多機會率係 1, q = ( 1 − p ) {\displaystyle q=(1-p)} 咁多機會率係 0,而每次試驗嘅結果都係獨立 嘅(一次試驗嘅結果唔受其他試驗嘅結果影響)。概率質量函數 f ( k , n , p ) {\displaystyle f(k,n,p)} ,即係得出 k {\displaystyle k} 咁多個 1 嘅機會率係: f ( k , n , p ) = Pr ( k ; n , p ) = Pr ( X = k ) = ( n k ) p k ( 1 − p ) n − k {\displaystyle f(k,n,p)=\Pr(k;n,p)=\Pr(X=k)={\binom {n}{k}}p^{k}(1-p)^{n-k}} 多項分佈 (multinomial distribution):係二項分佈嘅廣義化 ,描述嘅試驗有 k {\displaystyle k} 個可能結果,做 n {\displaystyle n} 咁多次(想像掟一粒 k {\displaystyle k} 面嘅骰仔 掟 n {\displaystyle n} 咁多次)。概率質量函數 係: f ( k , n , p ) = n ! x 1 ! ⋯ x k ! p 1 x 1 ⋯ p k x k {\displaystyle f(k,n,p)={\frac {n!}{x_{1}!\cdots x_{k}!}}p_{1}^{x_{1}}\cdots p_{k}^{x_{k}}}
一個二項分佈嘅概率質量函數圖;X 軸係 k {\displaystyle k} 。 幾何分佈 (geometric distribution):可以指兩個唔同嘅概率分佈,兩者都涉及一個結果二元嘅試驗: 做咗個試驗 k {\displaystyle k} 次,終於得到 1 次陽性結果,而之前嗰啲試驗結果冚唪唥都係陰性: Pr ( X = k ) = ( 1 − p ) k − 1 p {\displaystyle \Pr(X=k)=(1-p)^{k-1}p} for k = 1 , 2 , 3 , . . . {\displaystyle {\text{for }}k=1,2,3,...} k {\displaystyle k} 代表要做幾多次陰性試驗,先可以得到一次陽性結果: Pr ( Y = k ) = ( 1 − p ) k p {\displaystyle \Pr(Y=k)=(1-p)^{k}p} for k = 0 , 1 , 2 , 3 , . . . {\displaystyle {\text{for }}k=0,1,2,3,...}
兩個幾何分佈嘅概率質量函數圖;X 軸係 k {\displaystyle k} 。 撥桑分佈 (Poisson distribution):模擬嘅事件有已知嘅平均發生率,而每件事件嘅發生彼此之間獨立 ,發生嘅次數設做 k {\displaystyle k} ,概率質量函數 係: f ( k ; λ ) = Pr ( X = k ) = λ k e − λ k ! {\displaystyle \!f(k;\lambda )=\Pr(X=k)={\frac {\lambda ^{k}e^{-\lambda }}{k!}}} ,當中 λ {\displaystyle \lambda } 係預期會發生嘅次數(唔一定係整數 )。
撥桑分佈嘅概率質量函數畫做圖嘅樣 連續概率分佈
分佈概念
註釋
睇埋
攷
This article uses material from the Wikipedia 粵語 article 概率分佈一覽 , which is released under the Creative Commons Attribution-ShareAlike 3.0 license ("CC BY-SA 3.0") ; additional terms may apply (view authors ). 呢度嘅所有文字係根據 CC BY-SA 4.0 牌照嘅條款發佈;可能會有附加嘅條款。 Images, videos and audio are available under their respective licenses. ®Wikipedia is a registered trademark of the Wiki Foundation, Inc. Wiki 粵語 (DUHOCTRUNGQUOC.VN) is an independent company and has no affiliation with Wiki Foundation.