Биномиальное распределение

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Новая: ==Определение== Биномиальное распределение - дискретное распределение вероятностей случайной величи...)
Строка 9: Строка 9:
[[Характеристическая функция]] <tex>\phi(t)=(1+p(e^{it}-1))^n</tex>
[[Характеристическая функция]] <tex>\phi(t)=(1+p(e^{it}-1))^n</tex>
-
[[Моменты]]: <tex>MX=np</tex>, <tex>DX=np(1-p)</tex>
+
[[Моменты случайной величины|Моменты]]: <tex>MX=np</tex>, <tex>DX=np(1-p)</tex>
[[Асимметрия]]: <tex>\gamma_1=\frac{1-2p}{\sqrt{np(1-p)}}</tex>; при <tex>p=0.5</tex> распределение симметрично относительно центра <tex>n/2</tex>
[[Асимметрия]]: <tex>\gamma_1=\frac{1-2p}{\sqrt{np(1-p)}}</tex>; при <tex>p=0.5</tex> распределение симметрично относительно центра <tex>n/2</tex>

Версия 07:53, 2 ноября 2009

Определение

Биномиальное распределение - дискретное распределение вероятностей случайной величины X, принимающей целочисленные значения k=0,1,\ldots,n с вероятностями:

P(X=k)=C_n^kp^k(1-p)^{n-k}.

Данное распределение характеризуется двумя параметрами: целым числом n>0, называемым числом испытаний, и вещественным числом p, 0\le p\le 1, называемом вероятностью успеха в одном испытании. Биномиальное распределение - одно из основных распределений вероятностей, связанных с последовательностью независимых испытаний. Если проводится серия из n независимых испытаний, в каждом из которых может произойти "успех" с вероятностью p, то случайная величина, равная числу успехов во всей серии, имеет указанное распределение. Эта величина также может быть представлена в виде суммы X=X_1+\cdots+X_n независимых слагаемых, имеющих распределение Бернулли.

Основные свойства

Характеристическая функция \phi(t)=(1+p(e^{it}-1))^n

Моменты: MX=np, DX=np(1-p)

Асимметрия: \gamma_1=\frac{1-2p}{\sqrt{np(1-p)}}; при p=0.5 распределение симметрично относительно центра n/2

Асимптотические приближения при больших n

Личные инструменты