伯努利试验

伯努利试验:

在相同的条件下、相互独立的进行一种实验,这种实验特点是只有两种情况:发生与不发生。

如果事件A发生的概率为p,那么在n次伯努利试验下,事件A发生k次的概率为 

二项分布:

一般地,在n次独立重复试验中,用ξ表示事件A发生的次数,如果事件发生的概率是P,则不发生的概率 q=1-p,
N次独立重复试验中发生K次的概率是
P(ξ=K)=
  
(K=0,1,2,3,…n)
那么就说ξ服从二项分布。其中P称为成功概率。
记作:ξ~B(n,p)
期望:Eξ=np
方差:Dξ=npq

几何分布:

在第n次伯努利试验中,试验k次才得到第一次成功的机率。详细的说是:前k-1次皆失败,第k次成功的概率。
如果事件发生的概率是P,则不发生的概率q=1-p,则
P(ξ=K) =
 
具有这种分布列的随机变量,称为服从参数p的几何分布。
几何分布的期望EX=
  
,方差DX=
  
.

在MATLAB中,n重伯努利试验通常用于模拟随机事件发生的实验,例如每次抛硬币可能出现正面(成功)或反面(失败)。对于图像表示,你可以创建一个二进制矩阵来代表每个试验的结果,其中1代表成功,0代表失败。 如果你想可视化单次伯努利试验结果的概率分布,可以使用`rand`函数生成一个0到1之间的随机数,然后设置阈值判断是否成功。例如,如果概率为0.5,你可以: ```matlab p = 0.5; % 伯努利试验成功的概率 nTrials = 1; % 单次试验次数 result = rand(1) < p; % 生成随机数并判断是否小于概率 % 创建二进制图像表示 binaryImage = result * ones(nTrials, 1); imshow(binaryImage, []); title(['单次伯努利试验结果 (成功=1, 失败=0)']); ``` 对于多次重复的n重伯努利试验,可以循环上述过程,并将所有结果组合成一个矩阵: ```matlab nTrials = 10; % 重复试验次数 nRepetitions = 1000; % 总的重复次数 allResults = zeros(nTrials, nRepetitions); % 初始化结果矩阵 for i = 1:nRepetitions allResults(:, i) = randi([0, 1], nTrials, 1) < p; end % 计算成功次数和失败次数 successCount = sum(allResults, 1); failureCount = nTrials - successCount; % 可视化成功和失败次数的直方图 figure; histogram(successCount, 'Normalization', 'probability'); xlabel('成功次数'); ylabel('概率密度'); title(['n重伯努利试验的成功次数分布']); histogram(failureCount, 'Normalization', 'probability'); hold on; legend('成功', '失败'); ``` 在这个例子中,你会看到两个直方图,分别展示了成功和失败次数的概率分布。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值