Files
MathNotesVersion1/公式笔记/概率论/Ch02_随机变量及其分布/题型2_常见离散分布.md
T

195 lines
6.4 KiB
Markdown
Raw Normal View History

2026-10-04 11:44:56 +08:00
# 题型二:常见离散分布 ⭐⭐⭐
## 识别特征
- 题干出现"**独立重复** $n$ 次" → 二项分布 $B(n,p)$
- 题干出现"**单位时间/面积/体积内事件数**" → 泊松分布 $P(\lambda)$
- 题干出现"**首次成功**所需次数" → 几何分布 $G(p)$
- 题干出现"**不放回抽样**" → 超几何分布 $H(N,M,n)$
- 题干出现"**成功/失败**"两类结果 → 0-1 分布 $B(1,p)$
## 解题流程
```mermaid
flowchart TD
A[识别场景] --> B{两类结果?}
B -->|单次| C[0-1 分布 B 1,p]
B -->|n次独立重复| D[二项分布 B n,p]
B -->|不放回抽样| E[超几何 H N,M,n]
A --> F{单位时间/空间事件数?}
F -->|是| G[泊松分布 P λ]
A --> H{首次成功次数?}
H -->|是| I[几何分布 G p]
D --> J[1. 写公式 pk = Cnk pk 1-p^n-k]
E --> K[1. 写公式 pk = CMk CN-M n-k / CNn]
G --> L[1. 写公式 pk = λk/k! e^(-λ)]
I --> M[1. 写公式 pk = 1-p^k-1 p]
```
## 通法步骤
### 一、0-1 分布 $B(1, p)$
$$
P(X = k) = p^k (1-p)^{1-k}, \quad k \in \{0, 1\}
$$
**识别**:单次伯努利试验(成功/失败)
### 二、二项分布 $B(n, p)$ ⭐⭐⭐(考研核心)
$$
P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}, \quad k = 0, 1, \ldots, n
$$
**识别**:
- "**独立**" + "**重复**" + "$n$ **次**" + "每次成功概率 $p$"
- 求"成功次数"的概率
**步骤**:
1. 验证独立 + 重复(关键!)
2. 写公式,$k$ 是成功次数
3. 用组合公式展开
4. 计算数值或保留组合形式
*极简例子:* $X \sim B(3, 0.5)$,$P(X = 2) = C_3^2 (0.5)^2 (0.5) = 3 \times 1/8 = 3/8$
> 🔑 **判断独立 + 重复的提问**:
> - "**每次抽完放回**" ✓ 独立
> - "**每次抽完不放回**" ✗ 不独立(若 $n \ll N$ 可视为二项近似)
> - "**有放回地抽取**" ✓ 独立
### 三、泊松分布 $P(\lambda)$ ⭐⭐⭐(考研核心)
$$
P(X = k) = \frac{\lambda^k}{k!} e^{-\lambda}, \quad k = 0, 1, 2, \ldots
$$
**识别**:
- "**单位时间**(/面积/体积)内事件发生次数"
- 事件"稀疏、独立"(稀疏事件流)
- 平均速率 $\lambda$
**步骤**:
1. 确定 $\lambda$(单位时间/面积/体积的平均数)
2. 写公式,$k$ 是实际发生次数
3. 算 $\lambda^k / k!$ 和 $e^{-\lambda}$
*极简例子:* 商店平均每小时来 5 个顾客,$X \sim P(5)$,$P(X = 3) = \dfrac{5^3}{3!} e^{-5} = \dfrac{125}{6} e^{-5} \approx 0.1404$
> 🔑 **泊松定理**(重要近似):
> 当 $n \to \infty, p \to 0, np = \lambda$ 时,$B(n,p) \to P(\lambda)$
> **应用场景**:$n$ 很大,$p$ 很小("稀疏事件")
### 四、几何分布 $G(p)$ ⭐⭐
$$
P(X = k) = (1-p)^{k-1} p, \quad k = 1, 2, \ldots
$$
**识别**:
- "**首次成功**所需的**次数**"
- 独立重复试验,每次成功概率 $p$
**关键性质**:**无记忆性**
$$
P(X > m + n \mid X > m) = P(X > n)
$$
*极简例子:* 射击命中率 $p = 0.3$,$P(X = 2) = 0.7 \times 0.3 = 0.21$
### 五、超几何分布 $H(N, M, n)$
$$
P(X = k) = \frac{\binom{M}{k} \binom{N - M}{n - k}}{\binom{N}{n}}, \quad \max(0, n - (N-M)) \le k \le \min(n, M)
$$
**识别**:
- $N$ 件物品中 $M$ 件是"特殊"(次品/正品)
- **不放回**抽取 $n$ 件
- 求"特殊物品数" $X$
**步骤**:
1. 识别三参数:$N$(总数), $M$(特殊数), $n$(抽取数)
2. 写公式:分子 $C_M^k C_{N-M}^{n-k}$,分母 $C_N^n$
*极简例子:* $N=5, M=2, n=2$,$P(X = 1) = \dfrac{C_2^1 C_3^1}{C_5^2} = \dfrac{6}{10} = 0.6$
> 🔑 **超几何 vs 二项**:
> - **不放回**:超几何
> - **放回**:二项
> - 当 $n \ll N$ 时,超几何 $\approx$ 二项 $B(n, M/N)$
### 六、常见分布速查表
| 分布 | 符号 | 参数 | $E(X)$ | $D(X)$ | 关键场景 |
|------|------|------|--------|--------|---------|
| 0-1 | $B(1,p)$ | $p$ | $p$ | $p(1-p)$ | 单次试验 |
| 二项 | $B(n,p)$ | $n, p$ | $np$ | $np(1-p)$ | 独立重复 $n$ 次 |
| 泊松 | $P(\lambda)$ | $\lambda$ | $\lambda$ | $\lambda$ | 稀疏事件流 |
| 几何 | $G(p)$ | $p$ | $1/p$ | $(1-p)/p^2$ | 首次成功 |
| 超几何 | $H(N,M,n)$ | $N,M,n$ | $nM/N$ | $nM(N-M)(N-n)/(N^2(N-1))$ | 不放回抽样 |
## 常见陷阱
- **泊松 $\lambda$ 是"速率"**:题目要仔细看是"每小时 $\lambda$"还是"每天 $\lambda$",要先**统一单位**
- **泊松 vs 二项**:泊松是"事件数"(无穷多可能 $k$),二项是"$n$ 次中成功次数"($k = 0, \ldots, n$)
- **超几何 vs 二项**:放回才能用二项;不放回必须用超几何(或当 $n \ll N$ 时近似为二项)
- **几何分布无记忆性的误用**:仅适用于"**首次**成功",不适用于"等待时间"
- **0-1 分布公式的常见错**:$P(X = 0) = p$,$P(X = 1) = 1 - p$(不是反过来!)
## 经典母题
> **题目**:某车间有 5 台机床,每台机床的"开动率"为 0.7(即开动概率 0.7,且相互独立)。求:
> (1) 5 台机床中恰好 2 台开动的概率;
> (2) 5 台机床中至少 2 台开动的概率;
> (3) 1 小时内平均有 3 台机床开动时(其他参数不变),求恰有 5 台开动的概率。
**解析**:
设 $X$ = "5 台中开动的机床数"。
**(1)** 5 台独立,每台开动 $p = 0.7$,$X \sim B(5, 0.7)$:
$$
P(X = 2) = \binom{5}{2} (0.7)^2 (0.3)^3 = 10 \times 0.49 \times 0.027 \approx 0.1323
$$
**(2)** $P(X \ge 2) = 1 - P(X = 0) - P(X = 1)$
$$
P(X = 0) = (0.3)^5 = 0.00243, \quad P(X = 1) = 5 \times 0.7 \times (0.3)^4 = 0.02835
$$
$$
P(X \ge 2) = 1 - 0.00243 - 0.02835 \approx 0.9692
$$
**(3)** 1 小时内平均开动 3 台 → $X \sim P(3)$:
$$
P(X = 5) = \frac{3^5}{5!} e^{-3} = \frac{243}{120} e^{-3} = \frac{81}{40} e^{-3} \approx 0.1008
$$
**复盘**:
- (1)(2) 用二项分布(独立 + 重复 + 次数固定)
- (3) 用泊松分布(单位时间内事件数)
---
> **变式 1(不放回抽样)**:100 件产品有 5 件次品,不放回抽 3 件,求次品数 $X$ 的分布。
**解**:$X \sim H(100, 5, 3)$
$$
P(X = k) = \frac{\binom{5}{k} \binom{95}{3-k}}{\binom{100}{3}}, \quad k = 0, 1, 2, 3
$$
**注意**:**不放回** → 必用超几何,不能用二项!
---
> **变式 2(无记忆性)**:某元件寿命 $X \sim G(p)$,求 $P(X > m + n \mid X > m)$。
**解**:由无记忆性,$P(X > m + n \mid X > m) = P(X > n) = (1-p)^n$。
> 口诀速记:
> - "**独立重复 $n$ 次**" → 二项
> - "**单位时间事件数**" → 泊松
> - "**不放回抽样**" → 超几何
> - "**首次成功次数**" → 几何