x~π(λ)意味着x服从泊松分布。也就是说x=k的概率是:P(X=k)=e^(-λ)*[(λ^k)/(k!)], (k≥0)
由于x~π(λ),所以1/x服从参数为λ的负指数分布,因此E(1/X)=1/λ,E[1/x+1]=1/λ+1
显然:①P(X=k)≧0,
②当k趋于无穷时,由泰勒展开得∑P(X=k)=1,这符合P(X=k)是概率的条件。
扩展资料
概率论常见分布
1.离散型——二项分布:
记作:X~b(n,p) X~B(n,p)
2.离散型——泊松分布:
记作:X~π(λ) 或X~P(λ)
P{X=k}=(λ的k次方/k!)*(e的-λ次方)
结论:设X、Y相互独立,且X~π(λ1),Y~π(λ2),则X+Y服从π(λ1+λ2)
3.连续性——均匀分布:
记作X~U(a,b),概率密度f(x)=1/b-a, a<x<b;0。