设X、Y是相互独立的随机变量，分别服从参数为λ1、λ2的泊松分布，怎样证明Z=X+Y服从λ1+λ2的泊松分布？

Answer 1

X~π(a) Y~π(b)

π(a) π(b)为柏松分布

则P{X=k} = (a^k)e^(-a)/k! P{Y=m} = (b^m)e^(-b)/m!

k,m=0,1,2......

因为X,Y相互独立

则他们的联合分布P{X=k,Y=m}=P{X=k} P{Y=m}

P{X+Y=n}=∑P{X=i,Y=n-i} i=0,1,2,...,n

=∑P{X=i}P{Y=n-i}=∑[(a^i)e^(-a)/i! ][(b^(n-i))e^(-b)/(n-i)!]

=(e^(-a-b)b^n)∑(a/b)^i/(i!(n-i)!)=[(e^(-a-b)b^n)/n!]∑(a/b)^i*[n!/(i!(n-i)!)]

注意到求和符号后的的每一项其实是(1+a/b)^n的二项式展开

所以原式=(e^(-a-b)b^n/n!)*(1+a/b)^n=(e^(-a-b)(b+a)^n)/n!

所以X+Y~π(a+b)

Poisson分布，是一种统计与概率学里常见到的离散概率分布，由法国数学家西莫恩·德尼·泊松（Siméon-Denis Poisson）在1838年时发表。

泊松分布（Poisson distribution），台译卜瓦松分布（法语：loi de Poisson，英语：Poisson distribution，译名有泊松分布、普阿松分布、卜瓦松分布、布瓦松分布、布阿松分布、波以松分布、卜氏分配等），是一种统计与概率学里常见到的离散机率分布（discrete probability distribution）。

扩展资料

泊松分布是最重要的离散分布之一，它多出现在当X表示在一定的时间或空间内出现的事件个数这种场合。在一定时间内某交通路口所发生的事故个数，是一个典型的例子。泊松分布的产生机制可以通过如下例子来解释。

为方便记，设所观察的这段时间为[0,1),取一个很大的自然数n，把时间段[0,1)分为等长的n段。

简单地说，随机变量是指随机事件的数量表现。例如一批注入某种毒物的动物，在一定时间内死亡的只数；某地若干名男性健康成人中，每人血红蛋白量的测定值；等等。另有一些现象并不直接表现为数量，例如人口的男女性别、试验结果的阳性或阴性等，但我们可以规定男性为1，女性为0，则非数量标志也可以用数量来表示。

Answer 2

X~π(a) Y~π(b)
π(a) π(b)为柏松分布
则P{X=k} = (a^k)e^(-a)/k! P{Y=m} = (b^m)e^(-b)/m!
k,m=0,1,2......
因为X,Y相互独立
则他们的联合分布P{X=k,Y=m}=P{X=k} P{Y=m}
P{X+Y=n}=∑P{X=i,Y=n-i} i=0,1,2,...,n
=∑P{X=i}P{Y=n-i}=∑[(a^i)e^(-a)/i! ][(b^(n-i))e^(-b)/(n-i)!]
=(e^(-a-b)b^n)∑(a/b)^i/(i!(n-i)!)=[(e^(-a-b)b^n)/n!]∑(a/b)^i*[n!/(i!(n-i)!)]
注意到求和符号后的的每一项其实是(1+a/b)^n的二项式展开
所以原式=(e^(-a-b)b^n/n!)*(1+a/b)^n=(e^(-a-b)(b+a)^n)/n!
所以X+Y~π(a+b)
证毕

Answer 3

Answer 4

D(2X-3Y)=4*D(X)+9*D(Y)
D(X)=n*p*q=100*0.2*0.8=16
D(Y)=λ=3
所求为64+27=91