几个离散型分布—几何
? 几何分布可以用来描述某一顾客的到达间隔或服务持续时间
? 每单位时间执行一次贝努力试验，“失败”则继续，成功则完成
? 首次“成功”之前需要持续的时间就可以看成是相应的到达间隔或服务持续
时间
几个离散型分布—几何
? 定理1.4 几何分布具有无记忆性，即 P(T>n+m | T>n)=P(T>m)
或P( T=n+m | T>n )=P( T=m )
? 定理1.5
在离散型分布中，几何分布是唯一具有无记忆性的分布
几个离散型分布—负二项
? 定理1.5 负二项分布与几何分布的关系
设T1，T2，…，Tk是独立同几何分布的离散型随机变量，则T=T1+T2…+…Tk服从负二项分布（参数为k）
二项分布
二项分布即重复n次独立的伯努利试验。在每次试验中只有两种可能的结果，而且两种结果发生与否互相对立，并且相互独立，与其它各次试验结果无关，事件发生与否的概率在每一次独立试验中都保持不变，则这一系列试验总称为n重伯努利实验，当试验次数为1时，二项分布就是伯努利分布。
2概念
二项分布（Binomial Distribution），即重复n次的伯努利试验（Bernoulli Experiment），用ξ表示随机试验的结果。
二项分布公式 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
应用条件
1．各观察单位只能具有相互对立的一种结果，如阳性或阴性，生存或死亡等，属于两分类资料。
2．已知发生某一结果（阳性）的概率为π，其对立结果的概率为1-π，实际工作中要求π是从大量观察中获得比较稳定的数值。
二项分布公式
3．n次试验在相同条件下进行，且各个观察单位的观察结果相互独立，即每个观察单位的观察结果不会影响到其他观察单位的结果。如要求疾病无传染性、无家族性等。
泊松分布
1命名原因
泊松分布实例
泊松分布（Poisson distribution），台译卜瓦松分布，是一种统计与概率学里常见到的离散机率分布（discrete probability distribution）。泊松分布是以18～19 世纪的法国数学家西莫恩·德尼·泊松（Siméon-Denis Poisson）命名的，他在1838年时发表。但是这个分布却在更早些时候由贝努里家族的一个人描述过。就像当代科学史专家斯蒂芬·施蒂格勒（Stephen Stigler）所说的误称定律（the Law of Misonomy），数学中根本没有以其发明者命名的东西。 2分布特点
泊松分布的概率函数为：
泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生率。 泊松分布适合于描述单位时间内随机事件发生的次数。
泊松分布的期望和方差均为
特征函数为
3关系
泊松分布与二项分布
泊松分布
当二项分布的n很大而p很小时，泊松分布可作为二项分布的近似，其中λ为np。通常当n≧10,p≦0.1时，就可以用泊松公式近似得计算。
事实上，泊松分布正是由二项分布推导而来的，具体推导过程参见本词条相关部分。
4应用场景
在实际事例中，当一个随机事件，例如某电话交换台收到的呼叫、来到某公共汽车站的乘客、某放射性物质发射出的粒子、显微镜下某区域中的白血球等等，以固定的平均瞬时速率λ（或称密度）随机且独立地出现时，那么这个事件在单位时间（面积或体积）内出现的次数或个数就近似地服从泊松分布P(λ)。因此,泊松分布在管理科学、运筹学以及自然科学的某些问题中都占有重要的地位。
5应用示例
泊松分布适合于描述单位时间（或空间）内随机事件发生的次数。如某一服务设施在一定时间内到达的人数，电话交换机接到呼叫的次数，汽车站台的候客人数，机器出现的故障数，自然灾害发生的次数，一块产品上的缺陷数，显微镜下单位分区内的细菌分布数等等。[1]
观察事物平均发生m次的条件下，实际发生x次的概率P（x）可用下式表示：
称为泊松分布。例如采用0.05J/㎡紫外线照射大肠杆菌时，每个基因组（～4×106核苷酸对）平均产生3个嘧啶二体。实际上每个基因组二体的分布是服从泊松分布的，将取如下形式：
??
是未产生二体的菌的存在概率，实际上其值的5%与采用0.05J/㎡照射时的大肠杆菌uvrA-株，recA-株（除去既不能修复又不能重组修复的二重突变）的生存率是一致的。由于该菌株每个基因组有一个二体就是致死量，因此
就意味着全部死亡的概率。[2]
指数分布的分布函数为：
数学期望E(X)=1/λ，方差为D(X)=1/λ2。指数分布的分布函数图象如下图所示：