4.5: مراجعة صيغة الفصل
- Page ID
- 199158
توزيع هندسي فائق
\(h(x)=\frac{\left(\begin{array}{l}{A} \\ {x}\end{array}\right)\left(\begin{array}{l}{N-A} \\ {n-x}\end{array}\right)}{\left(\begin{array}{l}{N} \\ {n}\end{array}\right)}\)
توزيع ذو حدين
\(X \sim B(n, p)\)يعني أن المتغير العشوائي المنفصل\(X\) له توزيع احتمالي ذو حدين مع\(n\) التجارب واحتمال النجاح\(p\).
\(X =\)عدد النجاحات في التجارب المستقلة
\(n =\)عدد التجارب المستقلة
\(X\)يأخذ القيم\(x = 0, 1, 2, 3, ..., n\)
\(p =\)احتمال نجاح أي تجربة
\(q =\)احتمال الفشل في أي محاكمة
\(p + q = 1\)
\(q = 1 – p\)
يعني\(X\) هو\(\mu = np\). الانحراف المعياري لـ\(X\) هو\(\sigma=\sqrt{n p q}\).
\[P(x)=\frac{n !}{x !(n-x) !} \cdot p^{x} q^{(n-x)}\nonumber\]
\(P(X)\)أين احتمال\(X\) النجاح في\(n\) التجارب عندما يكون احتمال النجاح في أي تجربة واحدة\(p\).
توزيع هندسي
\(P(X=x)=p(1-p)^{x-1}\)
\(X \sim G(p)\)يعني أن المتغير العشوائي المنفصل\(X\) له توزيع احتمالي هندسي مع احتمال النجاح في تجربة واحدة\(p\).
\(X =\)عدد التجارب المستقلة حتى النجاح الأول
\(X\)يأخذ القيم\(x = 1, 2, 3, ...\)
\(p =\)احتمال نجاح أي تجربة
\(q =\)احتمال الفشل في أي محاكمة\(p + q = 1\)
\(q = 1 – p\)
المتوسط هو\(\mu = \frac{1}{p}\).
الانحراف المعياري هو\(\sigma=\sqrt{\frac{1-p}{p^{2}}}=\sqrt{\frac{1}{p}\left(\frac{1}{p}-1\right)}\).
توزيع بواسون
\(X \sim P(\mu )\)يعني أنه\(X\) يحتوي على توزيع احتمالي لـ Poisson حيث\(X =\) عدد التكرارات في فترة الاهتمام.
\(X\)يأخذ القيم\(x = 0, 1, 2, 3, ...\)
المتوسط\(\mu\) أو\(\lambda\) يُعطى عادةً.
التباين هو\(\sigma ^2 = \mu\)، والانحراف المعياري هو
\(\sigma=\sqrt{\mu}\).
عندما\(P(\mu)\) يُستخدم لتقريب التوزيع ذي الحدين،\(\mu = np\) حيث يمثل n عدد التجارب المستقلة\(p\) ويمثل احتمال النجاح في تجربة واحدة.
\[P(x)=\frac{\mu^{x} e^{-\mu}}{x !}\nonumber\]