概率密度(质量)函数:
高斯分布:

高斯分布是连续性的分布。其中u是均值,^2是方差。
二项分布:

其中,k是一系列的离散值,因为二项分布是一个离散分布,代表某时间成功(发生)的概率为p, 则在n次的抽样过程中,成功(或发生)了k次,不成功(不发生)的次数为n-k次,此时按照上式计算出严格叫概率质量函数(因为其离散),其均值为n*p,方差为n*p*(1-p)。
泊松分布:

同样的,泊松分布也是一个离散的分布,其中为某事件在单位时间内发生的次数,k为变量。泊松分布的物理意义为在一段时间内,时间X发生了k次的概率质量,泊松分布的均值和方差全部为
。
三种分布之间的转换关系具体如下:
二项分布泊松分布:当样本数n趋向于无穷,概率p趋向于0,n*p趋向于一个常数
时,二项分布可以近似看作一个泊松分布。
二项分布高斯分布:当样本数n趋向于无穷的时候,二项分布可以近似看作一个高斯分布。
泊松分布高斯分布:当泊松分布的均值趋向于无穷时,泊松分布既可以近似为一个高斯分布,即泊松分布的均值越大,与高斯分布的区别就越小。(以上趋向于无穷不是指取值为无穷,是取一个值相对较大的数即可)。
个人理解, 若有错误,请批评指正!!!
本文探讨了概率论中三种重要分布——二项分布、泊松分布和高斯分布之间的转化关系。在特定条件下,当二项分布的样本数n趋向无穷大且概率p趋向于0时,它可以近似为泊松分布;同样,当n趋近无穷大时,二项分布也可近似为高斯分布。此外,泊松分布在均值较大时也能近似为高斯分布。这些转换在理解和应用概率分布时十分关键。

1万+

被折叠的 条评论
为什么被折叠?



