概率论的学习和整理18:为什么 P(至少成功1次) = Σ P(几何分布) ,总结几何分布和连续失败概率的关系,二项分布和累计成功k次的关系

news2025/2/1 10:48:36

目录

1 先说结论:

2 Σ几何分布的P(x=n) = P(n次试验至少成功1次)

2.1 几何分布的概率

2.2  这个是可以证明的,下面是推导过程

2.3 怎么理解呢?

3  另外,P(累计成功k次)= ΣP(成功k次的二项分布)

3.1  成功k次的概率 和 累计成功k次概率

3.2 成功k次的概率 和  至少累计成功k次概率

3.3  这个不需要像上面需要证明,是不言自明的

4  各种概率

5 应用,暂缺,以后再补吧


1 先说结论:

  • 结论1:Σ几何分布的P(x=n) = P(n次试验至少成功1次)
  •             ΣP前n-1次失败最后1次成功(x=n)= P(n次试验至少成功1次)
  • 结论2:P(累计成功k次)= ΣP(成功k次)

2 Σ几何分布的P(x=n) = P(n次试验至少成功1次)

2.1 几何分布的概率

  • Σ几何分布的P(x=n) = P(n次试验至少成功1次)
  • ΣP前n-1次失败最后1次成功(x=n)= P(n次试验至少成功1次)

  • 我们计算几何概率时,很容易发现这么一个特点
  • 从下表可看出
  1. 左边是先算的连续失败概率---进而推导出,至少成功1次概率=1-连续失败概率
  2. Σ几何分布的概率  =  至少成功一次的概率
  • 这是为什么呢?

2.2  这个是可以证明的,下面是推导过程

下面试图证明:试验n次,P(至少成功1次) =Σp(几何分布)

P(至少成功1次概率)

  • =1-P(连续失败的概率)
  • =1-p(失败)*p(失败)*....*p(失败)
  • =1-(1-p)^n

Σp(几何分布概率之和)

  • =p*p(失败)^0+p*p(失败)^1+p*p(失败)^2+p*p(失败)^3+....+p*p(失败)^(n-1)
  • =p*(1-p)^0+p*(1-p)^1+p*(1-p)^2+p*(1-p)^3+....+p*(1-p)^(n-1)
  • =p*((1-p)^0+(1-p)^1+(1-p)^2+(1-p)^3+....+(1-p)^(n-1))
  • 因为后面是等比数列,而且从0到n-1就是n个
  • =p*(1-(1-p)^n)/(1-(1-p)))     
  • =p*(1-(1-p)^n)/(1-(1-p)))   
  • =p*(1-(1-p)^n)/p
  • =1-(1-p)^n

证明完毕

2.3 怎么理解呢?

  • P(n次试验至少成功1次) = Σ几何分布的P(x=n) ΣP前n-1次失败最后1次成功(x=n)
  • P(n次试验至少成功1次) = P(x=0) + P(x=1) +....+ P(x=n)
  • 1- P(连续失败概率) = P(x=0) + P(x=1) +....+ P(x=n)

  • 尝试这样进行理解,不知道对不对
  • 右边的反面
  • =ΣP前n-1次失败最后1次成功(x=n) 的反面
  • = P(x=0) + P(x=1) +....+ P(x=n) 的反面
  • = (1-P(x=0)) + (1-P(x=1) )+....+(1- P(x=n))
  • = (1-共1次P前0次都失败第1次成功) + (1-共2次P前1次都失败第2次成功)+ ... ...+ (1-共n次P前n-1次都失败第n次成功)
  • = (共1次P前0次都失败第1次也失败) + (共2次P前1次都失败第2次也失败) + ... ...+ (共n次P前n-1次都失败第n次也失败)
  • =共1次全失败+共2次全失败+ ... ...+共n次全失败
  • =全部连续失败的概率

3  另外,P(累计成功k次)= ΣP(成功k次的二项分布)

3.1  成功k次的概率 和 累计成功k次概率

  1. 因为试验n次,成功k次概率是二项分布
  2. 因此 P(累计成功k次) = ΣP(成功k次)= ΣP(二项分布)
  3. 比如累计成功3次,P(累计成功k次) = ΣP(成功k次) (k=1...3)

3.2 成功k次的概率 和  至少累计成功k次概率

  1. 因为试验n次,成功k次概率是二项分布
  2. 因此 P(累计成功k次) = ΣP(成功k次)= ΣP(二项分布)
  3. 比如累计成功3次,P(累计成功k次) = ΣP(成功k次) (k=1...3)
  4. 比如至少累计成功8次,也就是累计成功8次及以上,P(至少累计成功k次) = 1-ΣP(成功k次) (k=1...7)

3.3  这个不需要像上面需要证明,是不言自明的

  • 因为累计概率= Σ 成功k次 (k=1,n)

4  各种概率

  • 试验n次,连续成功概率
  • 试验n次,连续失败概率
  • 试验n次,至少失败1次概率
  • 试验n次,至少成功1次概率
  • 试验n次,最后一次成功概率:对应几何分布
  • 试验n次,成功k次概率:对应二项分布
  • 试验n次,累计成功k次概率 和  至少累计成功k次概率

试验前提:试验次数n, 单次试验内成功次数是p

  • 连续成功概率,从1~n,p*p*p*....*p           
  • 连续失败概率,从1~n,(1-p)*(1-p)*(1-p)*....*(1-p)
  • 至少失败1次的概率,从1~n,1-p*p*p*....*p         
  • 至少成功1次的概率,从1~n,1-(1-p)*(1-p)*(1-p)*....*(1-p)     
  • 最后1次成功的概率,几何分布 P(x=n)=p*(1-p)^(n-1)
  1. 当n取值范围从1~n时
  2. P(x=1)=p*(1-p)^0
  3. P(x=2)=p*(1-p)^1
  4.  ... ...
  5. P(x=n)=p*(1-p)^(n-1)
  • 试验n次前提下,成功k次的概率,二项分布 P(x=k)=C(n,k)*p^k*(1-p)^(n-k)
  1. 当k取值范围从0~k时,k<=n
  2. P(x=0)=C(n,k)*p^0*(1-p)^(n-0)
  3. P(x=1)=C(n,k)*p^1*(1-p)^(n-1)
  4. P(x=2)=C(n,k)*p^2*(1-p)^(n-2)
  5. ... ....
  6. P(x=k)=C(n,k)*p^k*(1-p)^(n-k)
  • 试验n次,累计成功k次概率
  1. 因为试验n次,成功k次概率是二项分布
  2. 因此 P(累计成功k次) = ΣP(成功k次)= ΣP(二项分布)
  • 试验n次,累计成功k次概率 和  至少累计成功k次概率
  1. 因为试验n次,成功k次概率是二项分布
  2. 因此 P(累计成功k次) = ΣP(成功k次)= ΣP(二项分布)
  3. 比如累计成功3次,P(累计成功k次) = ΣP(成功k次) (k=1...3)
  4. 比如至少累计成功8次,也就是累计成功8次及以上,P(至少累计成功k次) = 1-ΣP(成功k次) (k=1...7)

5 应用,暂缺,以后再补吧

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/762880.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

C# NPOI读取Excel中文乱码

Win11, 程序中需要从Excel表格读取中文内容&#xff0c;实测发现有中文乱码问题&#xff1a; class name:??Vege 奇怪的问号&#xff0c;原文是“蔬菜Vege”。 网上找了一圈&#xff0c;没找到NPOI中文乱码的解决方案&#xff0c;普遍都是比较顺利没遇到中文乱码问题。 那…

DP4057替代TP4057 500mA双灯指示防反接锂电充电管理IC

DP4057 是一款完整的单节锂离子电池充电器&#xff0c;带电池正负极反接保护&#xff0c;采用恒定电流/恒定电压线性控制。其 SOT26封装与较少的外部元件数目使得 DP4057 成为便携式应用的理想选择。DP4057可以适合 USB电源和适配器电源工作。由于采用了内部PMOSFET架构&#x…

ubuntu 20.04, 22.04网络配置比较

1.ubuntu 20.04网络配置&#xff0c;配置静态IP&#xff1a;切换roote用户&#xff0c;vi /etc/netplan/00-installer-config.yaml&#xff0c;修改网络配置&#xff0c;格式如下&#xff1a; network: ethernets: ens33: dhcp4: false addresses: [172.22.…

机器学习31:《推荐系统-IV》深度神经网络DNN

在《机器学习29&#xff1a;《推荐系统-II》协同过滤》一文中&#xff0c;笔者介绍了如何使用矩阵分解来学习嵌入。矩阵分解具有一些局限性&#xff1a; 基础矩阵分解只用了 UserID&#xff08;QueryID&#xff09; 和 ItemID 两个维度的信息&#xff0c;所有学到的知识都蕴含在…

SQL-每日一题【596.超过五名学生的课】

题目 表: Courses 编写一个SQL查询来报告 至少有5个学生 的所有班级。 以 任意顺序 返回结果表。 查询结果格式如下所示。 示例 1: 解题思路 1.题目要求查询至少有五个学生所在的班级&#xff0c;我们就可以先用group by class 对班级先分一下组。 2。分好组后&#xff0c;我…

《Communication-Efficient Learning of Deep Networks from Decentralized Data》

Communication-Efficient Learning of Deep Networks from Decentralized Data 这篇文章算是联邦学习的开山之作吧&#xff0c;提出了FedAvg的算法&#xff0c;文中对比了不同客户端本地训练次数&#xff0c;客户端训练数据集划分的影响。 0. Abstract 现代移动设备可以获取大…

永久区和元空间的区别

一文搞懂JVM之 方法区、永久代、元空间三者的区别 - 知乎 元空间和永久代的区别-腾讯云开发者社区-腾讯云 方法区和永久区/元空间之间的关系 - 简书 方法区(Method Area),是JVM规范中提出的一个(概念)&#xff0c;用于存储类信息、常量池、静态变量、JIT编译后的代码等。 Th…

“周杰伦概念股”IPO,巨星传奇市值42亿港元

“周杰伦概念股”巨星传奇&#xff0c;一波三折终上市。 今日&#xff08;7月13日&#xff09;&#xff0c;巨星传奇集团有限公司&#xff08;下称“巨星传奇”&#xff0c;06683.HK&#xff09;正式挂牌港交所。 此前&#xff0c;巨星传奇于2021年9月、2022年3月和2022年10月…

【广州华锐互动】发动机零件拆装VR虚拟学习平台

随着科技的飞速发展&#xff0c;虚拟现实(VR)技术正在各行各业中发挥越来越重要的作用。在工业教育领域&#xff0c;发动机零件拆装VR虚拟学习平台为学生提供了一种全新的学习方式&#xff0c;使他们能够在安全、低成本的环境中进行实践操作&#xff0c;从而提高技能&#xff0…

Redis常用数据结构及原理

Redis常用六种数据类型 Redis 支持多种数据类型&#xff0c;每种类型都具有不同的特性和用途。以下是 Redis 中常见的数据类型&#xff1a; 一、字符串&#xff08;String&#xff09; 1、基本介绍 字符串是最基本的数据类型&#xff0c;可以存储任意类型的数据&#xff0c…

Simulink仿真模块 - Repeating Sequence

Repeating Sequence:生成任意形状的周期信号 在仿真库中的位置为:Simulink / Sources 模型为: 说明 Repeating Sequence 模块可以输出波形由 Time values 和 Output values 参数指定的周期性标量信号。Time values 参数指定输出时间向量。Output values 参数指定输出时间对应…

Windows 组策略 部署打印机

一、服务端 1、打印机管理&#xff1a;添加打印机 2、选择打印机 3、第一次安装&#xff0c;选择这个 4、下载驱动&#xff0c;从磁盘安装 5、已成功安装 6、选中打印机右击属性&#xff1a;列出目录 7、创建一个组策略 8、组策略设置 用户设置 → 首选项 → 控制面板 → 打印…

12_基于 I2C 协议的 EEPROM 驱动控制

12_基于 I2C 协议的 EEPROM 驱动控制 1. I2C协议1.1 I2C通信协议1.2 I2C物理层1.3 I2C协议层1.3.1 单字节数据的写入1.3.2 页写数据写入1.3.3 随机读取操作1.3.4 顺序读取操作 2. EEPROM2.1 板载 EEPROM 实物图2.2 板载 EEPROM 部分原理图 3. 实验目标4. 模块框图4.1 顶层模块4…

进程、线程、调度基础知识

程序是一些保存在磁盘上的指令的有序集合&#xff0c;是静态的&#xff0c;说白了就是一堆有逻辑的代码。包装成一个软件。 一、进程 是程序一次执行的过程。每个进程有自己独立的内存空间&#xff0c;一个进程有多个线程。 并行和并发对比&#xff1a; 字面意思而言&#xf…

Java 反射四大核心类:Class、Constructor、Method、 Filed

目录 反射可以做到的事情 反射重要的4个类 Class类 Class类的类图 Class类常用方法 获取Class类对象4种方式 基本数据类型的Class类对象和包装类的Class类对象 Field类 Method类 Constructor类 反射的简单使用 反射可以做到的事情 在不修改源码的情况下&#xff0c;…

Redis主从复制环境部署

文章目录 Redis主从复制&#xff1a;原理&#xff1a;全同步过程&#xff1a;增量同步过程&#xff1a;主从复制配置&#xff1a;关闭防火墙和Selinux&#xff08;三台都要&#xff09;修改bindIP&#xff1a;node3node2master 以138为主&#xff0c;140&#xff0c;141为从检查…

redis 跳跃表、字典、压缩列表、快速列表

redis 跳跃表、字典、压缩列表、快速列表 1. 跳跃表 ​ 跳跃表是有序集合的底层实现。就是将有序集合的部分节点进行分层。每一层都是有序集合&#xff0c;并且层次越高&#xff0c;节点数量就越少。最底层的包含所有节点数据。典型的空间换时间。 ​ Redis中的跳跃表&#x…

使用 FreeCAD 软件打开 stp、dwg、dxf 等模型文件并测量零件尺寸

1、下载安装 FreeCAD 软件 https://www.freecad.org/downloads.php 2、打开 stp 等模型文件&#xff0c;选择 framework 查看方式&#xff08;只显示点、线&#xff09; 3、切换到 Part 菜单栏 4、打开 Measure Linear 工具&#xff08;测量线性距离&#xff09; 5、选择两个…

初探KVM虚拟化技术:新手指南

首先了解一下虚拟化的概念 虚拟化是指对资源的逻辑抽象、隔离、再分配、管理的一个过程&#xff0c;通常对虚拟化的理解有广义狭义之分。广义包括平台虚拟化、应用程序虚拟化、存储虚拟化、网络虚拟化、设备虚拟化等等。狭义的虚拟化专门指计算机上模拟运行多个操作系统平台。…

安卓设备监听全部输入信号

前言&#xff1a; 最近团队收到一个产品需求&#xff0c;需要监听安卓设备上用户是否有输入行为&#xff0c;以免定制推荐的时候打搅到用户。这里指的是设备上所有应用的输入行为&#xff0c;而不是单指某一个应用。 这个需求还是蛮有挑战性的&#xff0c;需要涉及到很多FW层…