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
2026-10-04 11:44:56 +08:00

6.4 KiB
Raw Blame History

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

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