泊松分布的参数可加性

文章目录

泊松分布的参数可加性

波松分布的参数可加性,若 X ∼ P ( λ 1 ) X \sim P(\lambda_1) X∼P(λ1) 。 Y ∼ P ( λ 2 ) Y \sim P(\lambda_2) Y∼P(λ2) 则, Z = X + Y , Z ∼ P ( λ 1 + λ 2 ) Z = X + Y, Z \sim P(\lambda_1 + \lambda_2) Z=X+Y,Z∼P(λ1+λ2)。对这个的等式进行证明;

1、泊松分布:

若随机变量,满足:
P ( X = k ) = e − λ λ k K ! , k = 0, 1, 2, ...且, λ > 0 P(X = k) = \frac{e^{-\lambda}\lambda^k}{K!}\text{, k = 0, 1, 2, ...} \text{且,}\lambda > 0 P(X=k)=K!e−λλk, k = 0, 1, 2, ...且,λ>0

称,X是服从参数为: λ \lambda λ 的泊松分布。

2、参数可加性的证明:

若, X ∼ λ = λ 1 X \sim \lambda = \lambda_1 X∼λ=λ1 的泊松分布, Y ∼ λ = λ 2 Y \sim \lambda = \lambda_2 Y∼λ=λ2 的泊松分布。且随机变量 Z = X + Y Z = X + Y Z=X+Y,则, Z ∼ λ = λ 1 + λ 2 Z \sim \lambda = \lambda_1 + \lambda_2 Z∼λ=λ1+λ2 的泊松分布。

证明:
F Z ( z ) = P { Z = z } = P { X + Y = z } = ∑ i = 0 z e − λ 1 λ 1 i i ! e − λ 2 λ 2 z − i ( z − i ) ! = 1 z ! ∑ i = 0 z z ! e − λ 1 λ 1 i i ! e − λ 2 λ 2 z − i ( z − i ) ! = e − ( λ 1 + λ 2 ) z ! C z i λ 1 i λ 2 z − i = e − ( λ 1 + λ 2 ) z ! ( λ 1 + λ 2 ) z = P ( λ 1 + λ 2 ) \begin{split} F_Z(z) &= P\{ Z = z \} = P\{ X + Y = z \}\\ &= \sum_{i=0}^{z}\frac{e^{-\lambda_1}\lambda_1^i}{i!}\frac{e^{-\lambda_2}\lambda_2^{z-i}}{(z-i)!}\\ &=\frac{1}{z!}\sum_{i=0}^{z}z!\frac{e^{-\lambda_1}\lambda_1^i}{i!}\frac{e^{-\lambda_2}\lambda_2^{z-i}}{(z-i)!}\\ &= \frac{e^{-(\lambda_1 + \lambda_2)}}{z!} C_z^i\lambda_1^i\lambda_2^{z-i} \\ &= \frac{e^{-(\lambda_1 + \lambda_2)}}{z!}(\lambda_1 + \lambda_2)^z\\ &= P(\lambda_1 + \lambda_2) \end{split} FZ(z)=P{Z=z}=P{X+Y=z}=i=0∑zi!e−λ1λ1i(z−i)!e−λ2λ2z−i=z!1i=0∑zz!i!e−λ1λ1i(z−i)!e−λ2λ2z−i=z!e−(λ1+λ2)Cziλ1iλ2z−i=z!e−(λ1+λ2)(λ1+λ2)z=P(λ1+λ2)

证明结束!

相关推荐
戴西软件6 小时前
戴西iDWS.3DViz Suite数据轻量化可视化软件,从传统桌面软件向云端协同的重大突破
大数据·运维·网络·人工智能·机器学习·3d
今天AI了吗10 小时前
大模型技术全景(一):AI、机器学习、深度学习,三者的关系到底是什么?一文搞懂
数据库·人工智能·python·sql·深度学习·机器学习·rust
张宇Joaquin12 小时前
鲲鹏计算平台矩阵乘算子SGEMM优化实践——下篇
线性代数·矩阵
悟天特斯13 小时前
智慧楼宇AI节能系统:基于机器学习的建筑能耗优化实践
人工智能·物联网·机器学习
克里斯蒂亚诺更新13 小时前
从XGBoost角度理解为什么要使用机器学习
人工智能·机器学习
茉莉玫瑰花茶13 小时前
RAG 数据检索
人工智能·算法·机器学习
别动我齐刘海14 小时前
从0到1独立搭建机器人软件系统
c++·人工智能·神经网络·opencv·目标检测·机器学习·机器人
船厂电气自动化ai大模型14 小时前
AI大模型与数学第64课:矩阵×向量乘法(神经网络矩阵运算底层)
数据结构·深度学习·线性代数·机器学习·推荐算法
正在走向自律14 小时前
从 Python 基础到大模型落地:读《深入浅出 Python 人工智能》,吃透 AI 工程化 CRUD 实战
开发语言·人工智能·python·机器学习·知识脉络
2601_9623824315 小时前
Python零基础入门,看完直接上手写代码
python·机器学习·编程语言·数据科学·入门教程