一、摘要
幾何分佈很簡單,描述的是重複進行伯努利試驗,直到成功一次時進行的試驗次數n的概率分佈。例如擲骰子直到1點向上時所進行的試驗次數。幾何分佈是離散型概率分佈,要麼就試驗1次時成功,要麼2次時成功,...。沒有1.5次時成功的說法 。
二、幾何分佈公式
幾何分佈概率分佈列爲:
其中p表示一次試驗成功的概率。
期望:, 方差:
三、概率直方圖(python計算):
from scipy import stats
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']#用來正常顯示中文標籤
plt.rcParams['axes.unicode_minus']=False#用來正常顯示負號
p=0.1
X = []
Y=[]
for x in np.linspace(1, 100, 100):
X.append(x)
# Y.append((1-p)**(x-1)*p) #公式計算
Y.append(stats.geom.pmf(x, p)) #stats.geom工具計算
plt.bar(X, Y, color="red")
plt.xlabel("第一次成功所需的試驗次數")
plt.ylabel("概率")
plt.show()
四、累積概率分佈
用scipy.stats.geom.cdf(k, p)計算k之前(包括k)的累積概率
from scipy import stats
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']#用來正常顯示中文標籤
plt.rcParams['axes.unicode_minus']=False#用來正常顯示負號
p=0.1
X = []
Y=[]
for x in np.linspace(1, 100, 100):
X.append(x)
Y.append(stats.geom.cdf(x, p)) #stats.geom工具計算
plt.bar(X, Y, color="red")
plt.xlabel("試驗次數")
plt.ylabel("累積概率")
plt.show()
五、對p的延伸
如果p並不是每次都一樣,也就是每次試驗成功的概率並不完全相等,可以對公式進行改造。
相應的也可以計算期望
根據期望計算公式,現實中由於樣本有限,我們可能並沒有k 接近無窮時的概率。假設我們只有n個概率樣本
,這裏有2種方法估計期望:
(1)、取作爲平均每次發生的概率,由此計算期望
(2)、由於我們沒有更多的樣本,不妨假設未來一直按樣本重複着,,,...,由此計算期望
(注意看分子最後2項,最後一項沒有p)
公式推導過程可以看:幾何分佈每次概率不同期望公式推導(多個不同p的幾何分佈期望)
問題:
1、某搖號系統,每月搖號一次,由於搖號人數不固定,每個月搖號的中籤率不固定。現收集到歷史連續24個月搖號中籤概率分別爲:
0.0023, 0.0030, 0.0031, 0.0035, 0.0029, 0.0022, 0.0024, 0.0040, 0.0026, 0.0035, 0.0028, 0.0029,
0.0038, 0.0033, 0.0027, 0.0042, 0.0058, 0.0035, 0.0025, 0.0028, 0.0035, 0.0033, 0.0032, 0.0041
問:一個人從現在開始搖號直到中籤的期望月數是多少?
方法(1):,p=0.0032458, E=308.087。
方法(2):
結果E=308.638
到這裏,我終於知道爲何搖號我總是沒有中籤。