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
今心上27 分钟前
关于d2l中train_ch3以及softmax中图在pycharm中显示不出来的解决方案
深度学习·机器学习·pycharm
GuWenyue7 小时前
写Agent还要重复封装工具?一套MCP多服务方案,3个能力让AI自动查地图、读写文件、操控浏览器
人工智能·机器学习·开源
一只小bit12 小时前
LangGraph 记忆、人机交互、时间旅行和核心能力
机器学习·langchain·人机交互·langgraph
C^h15 小时前
python函数学习
人工智能·python·机器学习
RD_daoyi18 小时前
外链权重暴跌至13%,品牌提及反超传统链接——2026年不做Digital PR,你的独立站等于隐形
运维·网络·学习·机器学习·搜索引擎
m沐沐18 小时前
【深度学习】卷积神经网络 数据增强、保存最优模型实现,详细解读
人工智能·python·深度学习·机器学习·cnn·数据增强
硅谷秋水19 小时前
PhyGround:生成式世界模型中的物理推理基准测试
人工智能·深度学习·机器学习·计算机视觉·语言模型
Hui Baby19 小时前
大模型微调完整分类
人工智能·机器学习
春日见19 小时前
算法与数据结构----哈希表
数据结构·人工智能·算法·机器学习·自动驾驶·哈希算法·散列表
Kobebryant-Manba20 小时前
Hugging Face中transformers库
人工智能·深度学习·机器学习·bert