内容发布更新时间 : 2024/5/23 19:21:00星期一 下面是文章的全部内容请认真阅读。

目 录

摘要……………………………………………………………………………………………1 关键词…………………………………………………………………………………………1 Abstract………………………………………………………………………………………1 Key words……………………………………………………………………………………1 引言………………………………………………………………………………1 1 几种常见的具有可加性的分布…………………………………………………………1 1.1 二项分布………………………………………………………………………………2 1.2 泊松分布（Possion分布）……………………………………………………………3 1.3 正态分布···…………………………………………………………………4 1.4 伽玛分布…………………………………………………………………………… 6 1.5 柯西分布……………………………………………………………………………… 7 1.6 卡方分布 ………………………………………………………………………………7 2 具有可加性的概率分布间的关系 ……………………………………………………… 8 2.1 二项分布的泊松近似 …………………………………………………………………8 2.2 二项分布的正态近似 …………………………………………………………………9 2.3 正态分布与泊松分布间的关系………………………………………………………10 2.4 正态分布与柯西分布、卡方分布及卡方分布与伽玛分布的关系…………………11 3 小结……………………………………………………………………………………… 12 参考文献…………………………………………………………………………………… 12 致谢………………………………………………………………………………………… 13

概率论中几种具有可加性的分布及其关系

概率论中几种具有可加性的分布及其关系

摘要 概率论与数理统计中概率分布的可加性是一个十分重要的内容.所谓分布的可加性指的是同一类分布的独立随机变量和的分布仍属于此类分布.结合其特点，这里给出了概率论中几种具有可加性的分布：二项分布，泊松分布，正态分布，柯西分布，卡方分布以及伽玛分布.文章讨论了各类分布的性质及其可加性的证明，这里给出了证明分布可加性的两种方法，即利用卷积公式和随机变量的特征函数.除此之外，文章就可加性分布之间的各种关系，如二项分布的泊松近似，棣莫佛-拉普拉斯中心极限定理等，进行了不同层次的讨论. 关键词 概率分布 可加性 相互独立 特征函数

Several Kinds of Probability Dstribution and its Relationship

with Additive

Abstract Probability and mathematical statistics in the probability distribution of additivity is a very important content.The distribution of the so-called additivity refers to the distribution of the same kind of independent random variables and distribution are still belong to this kind of distribution.Combined with its characteristics, here given several has additivity distribution in probability theory: the binomial distribution, poisson distribution and normal distribution and cauchy distribution, chi-square distribution and gamma distribution.Article discusses the nature of all kinds of distribution and its proof of additivity, additive of proof distribution are also given two methods, namely using convolution formula and characteristic function of a random variable. In addition, this paper the relationships between the additive property distribution, such as the binomial distribution of poisson approximation, Di mo - Laplace's central limit theorem, and so on,

has carried on the different levels of discussion. Key Words probability distribution additivity property mutual independence characteristic function

引言 概率论与数理统计是研究大量随机现象的统计规律性的学科，在概率论与数理统计中，有时候我们需要求一些随机变量的和的分布，在这些情形中，有一种求和类型比较特殊，即有限个相互独立且同分布的随机变量的和的分布类型不变，这一求和过程称为概率分布的“可加性”.概率分布中随机变量的可加性是一个相当重要的概念，本文给出了概率论中常见的六种具有可加性的分布，包括二项分布，泊松分布，正态分布，伽玛分布，柯西分布和卡方分布.文章最后讨论了几项分布之间的关系，如二项分布的泊松近似，正态近似等等.

1 几种常见的具有可加性的分布

在讨论概率分布的可加性之前，我们先来看一下卷积公式和随机变量的特征函数,首先来看卷积公式[1]：

①离散场合的卷积公式 设离散型随机变量?,?彼此独立，且它们的分布列分别是P(??k)?ak,k?0,1???,n和P(??k)?bk,k?0,1,???,n.则?????的概率分布列可表示

１

为

P(??k)??P(??i)P(??k?i)??aibk?i,k?0,1,2???.

i?0i?0kk ②连续场合的卷积公式 设连续型随机变量?,?彼此独立，且它们的密度函数分别是f?(x),f?(y)，则它们的和?????的密度函数如下

f?(z)?f??f???f?(x)?f?(z?x)dx. (2)

????其证明如下：

?????的分布函数是F?(z)?f(????z)? ????x?y?z??f?(x)f?(y)dxdy

??????z?x??f?(y)dy?f?(x)dx

??F?(z?x)f?(x)dx.

??其中F?(x)为?的分布函数，对上式两端进行求导，则可得到?????的密度函数： f?(z)?f??f???f?(x)?f?(z?x)dx. 即证.

????在概率分布可加性的证明中，除了卷积公式，我们常用的证明方法还有利用随机变量的特征函数.

下面我们来讨论一下这几种具有可加性的分布及其可加性证明的过程中卷积公式和特征函数的应用. 1.1 二项分布

1.1.1 二项分布B(n,p)的概念

如果记?为n次伯努利试验中成功（记为事件A）的次数，则?的可能取值为0，1，2，……，n.记p为事件A发生的概率，则p(A)?p,p(A)?1?p,记为q.即q?1?p.

因n次伯努利试验的基本结果可以记作 ?=（w1,w2，…?n），wi或为A或为A,这样的w共有2n个，这n2个样本点w组成了样本空间Ω.

下求?的分布列，即求事件{??k}的概率.若某个样本点 ?=（w1,w2，…?n）∈{??k}，意味着w1,w2，…?n中有k个A，n?k个A，由独立性即可得:P(?)?pk(1?p)n?k.

?n?而事件{?=k}中这样的w共有??个，所以?的分布列为

?k?n?kn?kP(??k)=???p（1-p），k?0,1,??????n.

?k?此分布即称为二项分布，记作?~B(n,p).且我们易验证其和恒为1..也就是

２