4、探索离散与连续概率分布：仿真研究的核心

探索离散与连续概率分布：仿真研究的核心

1 离散概率分布

在仿真研究中，离散概率分布用于描述和模拟那些只能取有限或可数无限多个离散值的现象。这些分布不仅在理论上具有重要意义，还在实际应用中广泛使用，特别是在处理制造业、银行柜员服务时间、顾客到达时间等问题时。

1.1 离散均匀分布

离散均匀分布是最简单的离散概率分布之一。如果一个随机变量 ( X ) 取其值 ( x_1, x_2, \ldots, x_n ) 以相同的概率，则该概率分布被称为离散均匀概率分布。其概率质量函数（PMF）为：

[ f(x_i) = \frac{1}{n}, \quad i = 1, 2, \ldots, n ]

这种分布的均值和方差分别为：

[ \mu = \frac{a + b}{2} ]
[ \sigma^2 = \frac{(b - a + 1)^2 - 1}{12} ]

1.2 二项分布

二项分布描述了在 ( n ) 次独立伯努利试验中成功次数的概率分布。其概率质量函数为：

[ f(x) = C(n, x) p^x (1-p)^{n-x}, \quad x = 0, 1, \ldots, n ]

其中，( p ) 是每次试验成功的概率，( C(n, x) ) 是组合数。二项分布的均值和方差分别为：

[ \mu = np ]
[ \sigma^2 = np(1-p) ]

二项分布的应用非常广泛，例如在制造业中，它可以用于模拟一批产品中合格品的数量。

1.3 几何分布 </