三种重要概率分布的关系及其应用

在二项分布B（k;n,p）中,当npn→λ时,它服从泊松分布;当n→∞时,（Un-np）/（np（1-p））-（1/2）-N（0,1）.在泊松分布X-P（λ）中,当λ→∞时,x-λ/λ-（1/2）-N（0,1）.二项分布的一个近似计算公式P{k1≤un≤k2}=Φ（（k2-np＋0.5）/（np（1-p））-（1/2）-Φ（k1-np-0.5）/（np（1-p））-（1/2）     

交通事故率的概率分布研究

本文以石太高速公路上的交通事故数据为样本 ,通过统计分析并在综合考虑了泊松分布、正态分布的优缺点的基础上 ,指出单位里程上的事故发生次数概率应服从负二项式分布 ,从而为进一步深入、准确的研究道路条件与交通事故的关系奠定了基础     

谈概率论中三种重要的分布

二项分布、泊松分布和正态分布是概率论中最重要的分布，本文通过对三种分布区别与联系的论述，总结出在实际应用中，选择哪种分布进行计算更合理的结论。     

二项分布与泊松分布的优良特性及在风险理论中的应用

研究了二项分布与泊松分布的优良特性及相互关系,并对其进行推广,探讨了它们在风险理论中的应用.     

浅谈二项分布及其应用

二项分布是离散型随机变量,也是概率论中比较重要的分布之一.文中讨论了二项分布的概念和计算,并且从不同方面的实例出发探讨二项分布理论与方法,从而为提高实际效率提供理论依据.     

二项分布计算中应用Mathematica举例

通过三个有关二项分布的计算问题,展示了Mathematica软件直接、高效、可靠的求解特点,以提供数学教学改革的一种思路.     

谈二项分布的近似计算及其在保险问题中的应用

泊松定理、棣莫弗-拉普拉斯定理给出了二项分布的近似计算公式,拟对定理中的应用条件进‘行整理研究,并通过实例,将这两种近似计算公式分别应用于保险问题的计算中。     

常见概率分布之间的关系

概率分布是概率论研究的基础,本文通过分析常见分布的概率背景,得到了常见分布之间的内在联系。     

常见概率分布之间的关系

概率分布是概率论研究的基础,本文通过分析常见分布的概率背景,得到了常见分布之间的内在联系。     

负二项分布的两个不同定义

给出了负二项分布的两个不同定义,给出了两类负二项随机变量的期望、方差与矩母函数。从直观上对这两类负二项随机变量做了描述。     

有关二项分布的近似计算

二项分布是一个很重要的离散型随机变量的分布,其试验模型是n重独立伯努力试验,通常记作随机变量X~B(n,p)。当参数n很大,p在0到1的不同大小范围内取值时,可以通过两种不同的方法对二项分布进行近似计算,并期望可以得到较精确的近似值。     

与泊松过程有关的若干分布

从直观概率意义上研究了与泊松过程有关的若干分布及性质,以便更好处理与到达次数有关的问题.     

泊松分布参数的含义

泊松分布是一种常见概率分布,但是很少有人探讨它的参数的含义,本文以常见电话问题为背景,对泊松分布进行推导并得出结论。     

浅议最大可能成功数

求最大可能成功数是《概率论与数理统计》教材习题中时常见到的问题，但教材对此类问题不予讲解。文中从最大可能成功数的定义、常见分布的最大可能成功数及应用三个方面给予论述。     

道路条件与交通安全关系研究

本文在阐述分析了事故率系数法、多元线性回归法、泊松分布回归法等的优缺点的基础上 ,提出用负二项式回归法 ,同时利用该法对石太高速公路上的道路线形条件与交通安全进行了回归分析     

概率分布问题思路探究

概率论是研究可能性大小的数学分支,它探讨随机现象的规律性。概率分布问题的解题思路本质上就是用了乘法与除法。     

泊松分布与指数分布之间的关系及简单应用

泊松分布、指数分布是概率论中较常见的分布,在实际生活中有着广泛的应用.本文结合实例给出了它们之间的关系.     

泊松随机变量的模拟及应用

泊松变量的模拟有重要的教育教学价值。本文研究了泊松变量模拟的理论知识,给出了三个引理和一个定理,然后借助数学软件Mathematica编制程序进行了模拟,具体产生了一组均值是2的泊松变量数据500个。最后,做了一个简单应用。     

调查中零频数过多的统计分析方法

无论是在自然科学领域还是在人文社会科学领域,我们会遇到各种各样的计数数据.对于社会生活、生产、管理中的一些计数数据通常是用泊松分布以及泊松过程来描述具有非常好的拟合效果.然而实际环境中,由于受各种因素影响与制约,出现了很多频数为零的数据.此时对含零特别多的计数数据,我们仍用泊松回归模型拟合就有些不合适了[1],因此人们开始构造新的模型,其中对于这种数据拟合效果比较好的一种模型就是零过多泊松分布模型(Zero-Inflated Poisson Distribution)[3,5].