二项分布和泊松分布为离散分布 正态分布为连续分布 二项分布有两个参数,一个 n 表示试验次数,一个 p 表示一次试验成功概率。现在考虑一列二项分布,其中试验次数 n 无限增加,而 p 是 n 的函数。 1. 如果 np 存在有限极限 λ ,则这列二项分布就趋于参数为 λ 的 泊松分布。反之,如果 np 趋于无限大(如 p 是一个定值),则根据德莫佛 - 拉普拉斯 (De'Moivre-Laplace) 中心极限定理,这列二项分布将趋近于正态分布。 2. 实际运用中当 n 很大时一般都用正态分布来近似计算二项分布,但是如果同时 np 又比较小(比起 n 来说很小),那么用泊松分布近似计算更简单些,毕竟泊松分布跟二项分布一样都是离散型分布。 补充: 由 De Moivre-Laplace中心极限定理表明:正态分布是二项分布的极限分布。 摘自: http://www.cnblogs.com/kevinGaoblog/archive/2012/06/24/2560023.html
我这学期上概率统计课程,上课时有时需要点名,但人数太多,有120人,都点完需要5--10分钟。 于是实行抽样点名,当讲到二项分布时,想到一个题目: 假设上课应到N人,实际旷课D人,现随机抽样点n(n=N)名同学:(1)点名有记录(不重复点名),求点到的n名同学中恰好有 k 名学生旷课的概率(k=0,1,...,min{n,D});(2)完全随机(可重复点名),求点到的n名同学中恰好有 k 名学生旷课的概率(k=0,1,...,min{n,D})?(3)旷课人数什么情况下可用泊松分布来近似?(4)可重复点名时,若一直点名直到有一名同学旷课为止,点的人数为 X,则X的分布律为?。 (假设没有学生代替未到学生答到,或者让每个学生签一个名) 解:(1)不重复点名,相当于不重复抽样,旷课人数 X 服从超几何分布H(n,N,D),好有 k 名学生旷课的概率为 P{X=k} = C_D^k C_{N-D}^{n-k}/C_N^n,(k=0,1,...,min{n,D}.) (2)重复随机点名时,相当于重复抽样,每次点到旷课同学的概率为 p = D/N, 没点一次名相当于做一次Bernoulli试验,旷课人数 服从二项分布 ,恰好有 k 名学生旷课的概率为 比较超几何分布和二项分布,N很大,n较小(nN)时,重复抽样与不重复差别很小,可以用二项分布近似超几何分布(p=D/N). (3) 当旷课率 p = D/N 很小,N 较大时,由Poisson定理知,旷课人数 X 也可以用泊松分布来近似。 X的分布律为