고전적인 확률은이 법칙과 일치합니다.

분포 법칙은 무엇입니까?

분배 법칙은 무엇을 위한 것입니까?

분포 법칙은 무작위 변수에 대한 것이다.

이산 무작위 변수의 경우, 무작위 변수가 가능한 모든 값을 취할 확률을 나타내는 일련의 공식입니다.

그리고 고전적인 확률 문제는 무엇입니까?

고전적인 확률은 실험 결과를 가리킨다. 무작위 실험을 할 때마다 가능한 모든 실험 결과의 확률은 같다.

다음은 실험 결과와 무작위 변수의 차이점입니다.

실험 결과를 관찰한 후 부분적으로 무작위 변수를 추상화하여 실험 결과의 일부 특징을 수치로 변환하여 기록하다.

예를 들어, 고전적인 동전 던지기 실험,

실험 결과는 {양수, 음수}

앞면은 1, 뒷면은 0 인 동전이 있다고 가정해 봅시다.

그런 다음 x 를 사용하여 실험 결과에 표시된 숫자를 나타낼 수 있습니다.

앞면이 있을 경우 x= 1, 뒷면이 있을 경우 x=0.

이 시점에서 x= 1 과 x=0 의 확률이 동일하기 때문에 고르게 분포됩니다.

이것은 단지 가장 간단한 무작위 변수일 뿐이다.

다른 예를 하나 더 들다.

한 상자에는 4 개의 무게 1g, 2g, 3g, 4g 가 있습니다.

한 번에 두 개를 꺼내다. 결과를 관찰하다.

이것은 고전적인 확률 문제이다. 두 개를 꺼낼 확률은 모두 같기 때문이다. 설마. 제가 1g 와 2g 를 가져갈 확률은 3g 와 4g 보다 낮습니다.

그러나 무작위 변수를 정의하면 X 는 제거된 무게의 총 중량입니다.

그것은 분명히 그렇게 간단하지 않다.

참고: 1g 와 4g(x=5) 와 2g 를 꺼내면 3g(x=5) 가 x=5 가 되므로 x=5 의 확률은 다른 3g, 4g 6g 7g 보다 높기 때문에 무작위 변수 x 는 불복종한다 그러나, 이 실험은 여전히 고전적인 확률 문제이다. 2g, 3g 및 1g, 4g 가 서로 다른 결과라는 점을 지적하십시오. 이것은 X 에 대한 우리의 정의입니다. 그들의 X 는 동일합니다. 그들 자신의 것이 아닙니다.

기타 정규 분포 (기존 확률과 관계없이 연속 무작위 변수의 분포 특성)

포아송 분포와 균일 분포는 실험에서 임의 변수의 분포 법칙이다 (반드시 고전적인 확률일 필요는 없음).

6, 추첨이라는 단어는 실험 과정을 설명하기에 충분하지 않습니다.

구체적으로 어떻게 실험을 하는지. 예를 들어 동전을 던지라고 하면, 나는 두 번, N 번의 가능한 결과를 관찰할 수 있다. 결과에 적합한 무작위 변수를 설정하지 않으면 어떤 법칙에 부합한다고 말할 수 없다.