高等数学 / 系统课时

几何分布与负二项分布

几何分布与负二项分布

本课解决两类重复独立试验问题:第一次成功要等多久,以及第若干次成功会在第几次试验出现。学完后,你能根据“成功次数”和“停止条件”选择分布、写出概率公式,并避免把试验次数与失败次数混为一谈。

学习目标

  • 理解几何分布与负二项分布描述的随机过程
  • 会根据参数写出概率质量函数并完成计算
  • 能辨别“试验次数”和“失败次数”两种计数口径

从伯努利试验到等待时间

设每次试验只有成功与失败两种结果,成功概率恒为 pp,不同试验相互独立。若随机变量 XX 表示“直到第一次成功所需的试验次数”,则 XX 服从几何分布。

第一次成功恰好发生在第 kk 次,意味着前 k−1k-1 次全部失败,第 kk 次成功,因此

P(X=k)=(1−p)k−1p,k=1,2,3,…P(X=k)=(1-p)^{k-1}p,\quad k=1,2,3,\ldots

几何分布的期望为 E(X)=1/pE(X)=1/p,方差为 Var(X)=(1−p)/p2Var(X)=(1-p)/p^2。成功概率越小,平均等待时间越长。

几何分布与负二项分布的试验序列关系

当停止条件改为“获得第 rr 次成功”时,随机变量 YY 表示所需的总试验次数,YY 服从负二项分布。第 rr 次成功发生在第 nn 次,要求第 nn 次一定成功,前 n−1n-1 次中恰好已有 r−1r-1 次成功,所以

P(Y=n)=C(n−1,r−1)pr(1−p)n−r,n=r,r+1,…P(Y=n)=C(n-1,r-1)p^r(1-p)^{n-r},\quad n=r,r+1,\ldots

它的期望为 E(Y)=r/pE(Y)=r/p。几何分布其实是负二项分布在 r=1r=1 时的特殊情况。

主示例:从停止条件选择分布

某设备每次启动成功的概率为 0.20.2,各次启动相互独立。第一次成功恰好出现在第 4 次,使用几何分布:

P(X=4)=0.83×0.2=0.1024P(X=4)=0.8^3\times0.2=0.1024

若问第 3 次成功恰好出现在第 7 次,则使用负二项分布:

P(Y=7)=C(6,2)×0.23×0.84=0.049152P(Y=7)=C(6,2)\times0.2^3\times0.8^4=0.049152

第二个计算中的 C(6,2)C(6,2) 表示:在前 6 次试验中安排 2 次成功;第 7 次已经固定为第 3 次成功,不能再参与组合。

计数口径与关键边界

有些教材把几何分布定义为“第一次成功之前的失败次数”。在这种口径下,随机变量从 00 开始,概率写成 P(X=k)=(1−p)kpP(X=k)=(1-p)^kp。两种定义描述的是同一过程,但数值相差 1,解题时必须先确认随机变量究竟数试验次数还是失败次数。

负二项分布也有类似差异:若统计第 rr 次成功前的失败次数,变量最小值是 00;若统计总试验次数,变量最小值是 rr。此外,只有每次成功概率不变且试验相互独立时,才能直接使用这两个分布。

几何分布还具有无记忆性:在已经连续失败若干次的条件下,未来还需等待多久的分布与过去失败次数无关。一般的负二项分布不具备这一性质。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

几何分布与负二项分布

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通