多项式分布的理解概率公式的理解

最新推荐文章于 2024-10-15 23:42:53 发布
最新推荐文章于 2024-10-15 23:42:53 发布
阅读量2w 收藏 53
点赞数 18
分类专栏： 数理统计 机器学习 文章标签： 多项式分布 多项式 数理统计 统计学习

多项式分布是二项分布的推广。二项分布（也叫伯努利分布）的典型例子是扔硬币，硬币正面朝上概率为p, 重复扔n次硬币，k次为正面的概率即为一个二项分布概率。而多项分布就像扔骰子，有6个面对应6个不同的点数。二项分布时事件X只有2种取值，而多项分布的X有多种取值，多项分布的概率公式为  


 这个公式看上去像是莫名其妙地冒出来的，想要了解它首先必须要知道组合数学中的多项式定理。

多项式定理：当n是一个正整数时,我们有  


 其中 。

这个多项式定理的推导如下，将式子左边展开


上面的式子是由n个因子相乘得到，而它的展开式可以看做在每个式子里选取某一个xi，总共选取n个xi相乘，所以所有的展开式项都会有


这样的公有项，而且。

这样的话，我们可以把问题看成在n个式子里，先选取r1个x1，然后选取r2个x2，最后选取rk个xk，然后求有多少种方法。类似把n 个球放到k个不同的盒子里的方法有多少种,我们得到 


所以的系数为，这样，我们就能得到展开式的通式。举个例子，当k=2时，我们就得到了常见的二项式公式：


再来看之前的多项分布的概率公式，假设发生的概率为，由于事件之间是相互独立的，可得。

我们将式子的左边看做一次抽样各种事件发生的概率和，那么则是进行了n次抽样所有事件相互组合的对应概率和。把这个多项式展开，它的每一项都对应着一个特殊事件的出现概率。我们把展开式的通项作为X1出现x1次，X2出现x2次，…，Xk出现xk次的这种事件的出现概率，这样就得到了多项分布的概率公式。

转自：http://www.crescentmoon.info/?p=9#more-9


多项分布（一种离散分布）
一个搬运知识的笨小孩
02-16 1万+
多项式分布 多项式分布是二项分布的扩展，进行nnn次独立重复试验 ，每次试验都有 kkk 种可能结果 假设我们进行 nnn 次试验，每次试验有 kkk 种互不相容的结果，每种结果出现的概率分别是 p1，p2，p3，⋯，pkp_1，p_2，p_3，\cdots，p_kp1​，p2​，p3​，⋯，pk​ 我们用 f(x1,x2,⋯ ,xk)f(x_1,x_2,\cdots,x_k)f(x1​,x2​,⋯,xk​) 表示在这 nnn 次试验中，第 iii 种可能的结果出现了 xix_ixi​ 次的概率，其中
Dirichlet分布的推导与理解
scott198512的博客
06-09 6853
狄利克雷分布的推导与理解
学习笔记——机器学习--多项式分布及Softmax回归模型推导
liuyhoo
08-09 2577
在一个多分类问题，预测变量yyy可以取kkk个离散值中的任何一个，即y∈{1,2,⋯,k}y∈{1,2,⋯,k}y\in \{1,2,\cdots ,k\}。 例如：在一个邮件分类系统将邮件分为私人邮件，工作邮件和垃圾邮件。由于yyy仍然是一个离散值，这种多分类问题，二分类模型在这里不太适用。 多分类问题符合多项分布。有许多算法可用于解决多分类问题，像决策树、朴素贝叶斯等。本文主要讲解多分类算...
多项分布-概率分布函数公式推导
qq_46396470的博客
10-14 1875
是n次试验中，子事件【k】发生的次数，那么在n次试验中，这样的组合共出现了多少次？也就是该通项的系数了，系数怎么求呢？你会觉得很突兀，这是个什么东西！看到了这，我们不经会问，这个叫【二项分布】，那么【多项分布】会不会与这个高度相似呢？即n个因子相乘，此时我们将每一个乘积项看作是一次独立的试验，那么整个表达式就是表达n重独立的试验。除此之外，它为什么叫【二项分布】，其实是因为它的形式，高度相像于二项式展开的【通项】那么到此，我相信你不会再觉得【多项分布】公式的出现是很突兀的了。上述公共项中，其中【
什么是极坐标
最新发布
u013172930的博客
10-15 882
本文讲解了极坐标的定义，极坐标和笛卡尔坐标的转换，极坐标的几何表示，极坐标的应用场景，极坐标系和笛卡尔坐标系的区别，并给出了一个转换的示例
多项分布概率公式的理解
weixin_34304013的博客
03-21 3422
多项分布概率公式的理解   多项分布是二项分布的推广。二项分布（也叫伯努利分布）的典型例子是扔硬币，硬币正面朝上概率为p, 重复扔n次硬币，k次为正面的概率即为一个二项分布概率。而多项分布就像扔骰子，有6个面对应6个不同的点数。二项分布时事件X只有2种取值，而多项分布的X有多种取值，多项分布的概率公式为   P(X1=x1,⋯,Xk=xk)={n!x1!,⋯,xk!px1⋯pxkwhen∑k...
概率分布之二项分布与多项分布
热门推荐
jteng的专栏
02-10 3万+
1. 伯努利分布(Bernoulli distribution)  伯努利分布又称二点分布或0-1分布，即一次试验只有正例和反例两种可能，以随机变量表示就是X只能取0或1，伯努利试验是只有两种可能结果的单次随机试验
多项式分布
欢迎来玩儿
05-19 1266
多项式分布由二项式分布推广而来，二项式分布的最简单例子是抛硬币，抛完之后硬币出现正反面的概率。在此之前回忆一下二项式，二项式就是由一个运算符连接的式子，像是a+b这种都是二项式，顾名思义两个项，多项式就同理。其实也就这样，结果上常微分方程课的时候一听见多项式就懵的不行。比较麻烦的是二项式定理 拆（a+b）^n ，牛顿提出来的。常见的那个是多项式函数，多项式就是最简单的那个。像投硬币一样，也就是正反...
《PRML》学习笔记2.2——多项式分布和狄利克雷分布
Phoenix的博客
01-03 3093
    上回讲完了伯努利分布、二项分布和Beta分布，以及从最大似然估计的非参数化思想和引入共轭先验，使得参数变成一个变量，建模求解的参数化方法两方面介绍了求解模型参数的方法。没有读过的朋友可以参考：《PRML》学习笔记2.1——伯努利分布、二项分布和Beta分布，从贝叶斯观点出发     今天将为大家介绍两个更难理解的分布——多项式分布和狄利克雷分布。 1.多项式变量和多项式分布     ...
多项式贝叶斯进行概率估计_print_
09-29
在多项式贝叶斯模型中，特征通常被视为独立且服从多项式分布。这意味着每个特征都有一个与之相关的多项式系数，这些系数可以看作是模型的参数。通过学习这些参数，我们可以对新的观测数据进行分类或概率估计。 程序...
基于完全二次多项式响应面法求结构的失效概率.zip_polynomial_二次响应面法_响应面法_完全二次多项式_结构失效概率
07-14
总结来说，基于完全二次多项式响应面法求结构的失效概率是一种有效的方法，它结合了统计学和工程力学，旨在理解和量化复杂结构在随机输入下的失效风险。通过建立准确的响应面模型，工程师能够对结构的安全性做出定量...
多项分布(multinominal distribution)
weixin_30678349的博客
07-09 1028
简介 更一般性的问题会问：“点数1~6的出现次数分别为(x1,x2,x3,x4,x5,x6)时的概率是多少？其中sum(x1~x6）= n”。这就是一个多项式分布。 定义 把二项分布推广至多个（大于2）互斥事件的发生次数，就得到了多项分布。二项分布的典型例子是扔硬币，硬币正面朝上概率为p, 重复扔n次硬币，k次为正面的概率即为一个二项分布概率。（严格定义见二项分布中伯努利实 验定义）把二项扩...
概率统计13——二项分布与多项分布
我是8位的
12-28 1万+
原文 |https://mp.weixin.qq.com/s/bOchsmHTINKKlyabCQKMSg 相关阅读 最大似然估计(概率10) 寻找“最好”（3）函数和泛函的拉格朗日乘数法 伯努利分布 　　如果随机试验仅有两个可能的结果，那么这两个结果可以用0和1表示，此时随机变量X将是一个0/1的变量，其分布是单个二值随机变量的分布，称为伯努利分布。注意伯努利分布关注的是结果只有0和...
概率分布-二项分布、多项分布
tianjinbaodier的专栏
05-18 980
1. 两点分布 就是一次伯努利实验，抛硬币 2. 二项分布 多次独立的伯努利实验， 3. 多项分布 定义:设可能的实验结果可分成k组: A1、A2、…、An ，每次实验结果落入某一组Ai的几率为sigma Pi= 1, where i =1 to k。如果共进行了n次独立的实 验，实验结果落入某个组的次数为x1、x2、…、xk ，　的概率为
概率的二项分布和多项分布
weixin_30709929的博客
11-15 484
http://zhangxw.gotoip1.com/ZCL/part2/C11g.htm 概率的二项分布和多项分布 本章用到了概率论中的二项分布和多项分布公式，这里做简要说明。 一个事件必然出现，就说它100%要出现。100%=1，所以100%出现的含义就是出现的概率P=1。 即必然事件的出现概率为1。 二项分布 如果掷一枚硬币，正面向上的结局的概...
多项式概率分布（Multinomial probability distribution）和分类分布（categorical distribution）
qq_43391414的博客
10-05 4970
其由二项分布推广而来，从而更加普遍。所以我们先回顾一下二项分布。 二项分布的典型例子是扔硬币，设硬币正面朝上概率为ppp, 重复扔nnn次硬币，记硬币正面朝上的次数为XXX，显然XXX是一个随机变量，且服从二项分布，即X∼B(n,p)X\sim B(n,p)X∼B(n,p)。 把二项分布推广至两种以上的状态，就得到了多项分布。 比如做一次实验，结果有k种可能，各自的概率为(p1,…,pk)(p_1,\ldots ,p_k)(p1​,…,pk​)，同样，重复做n次实验，记各种状态出现的次数为(X1,…,Xk)
多项分布
aihali的专栏
04-17 4356
1、背景 多项式分布（Multinomial Distribution）是二项式分布的推广。 二项分布的典型例子是扔硬币，硬币正面朝上概率为p, 重复扔n次硬币，k次为正面的概率即为一个二项分布概率。（严格定义见伯努利实验定义）。把二项分布公式推广至多种状态，就得到了多项分布。 2、多项分布 某随机实验如果有k个可能结局A1、A2、…、Ak，分别将他们的出现次数记为随机变量
二项式分布和多项式分布
明顯有閒
07-15 1928
二项式定理 (x+y)n=∑r=0n(nr)xryn−r=∑r=0nn!r!(n−r)!xryn−r (x+y)^n = \sum_{r=0}^n {n \choose r} x^r y^{n-r} = \sum_{r=0}^n \frac{n!}{r!(n-r)!} x^r y^{n-r} (x+y)n=r=0∑n​(rn​)xryn−r=r=0∑n​r!(n−r)!n!​xryn−r eg: ...
概率分布：Bernoulli分布，二项分布，multinoulli分布和多项分布
weixin_37990186的博客
02-01 3305
Bernoulli分布 在现实生活中，许多事件的结果往往只有两个，例如：抛硬币结果只有正面朝上或反面朝上，这类事件被称为伯努利试验。其概率分布称为Bernoulli分布，也称为两点分布、0-1分布，是最简单的离散型概率分布。 假设某个试验是伯努利试验，x∈{0,1}x\in \{0,1\}x∈{0,1}，xxx取0概率为p，取1的概率为1-p。则其概率质量函数为： P(x)=px(1−p)(1−x...
多项式逻辑回归公式推导
09-05
多项式逻辑回归是逻辑回归的一种扩展，它允许非线性关系建模。公式推导过程如下： 假设我们有一个二分类问题，输入特征为 x，输出为 y，我们想要建立一个多项式逻辑回归模型。 1. 首先，我们假设存在一个函数 h(x)，该函数可以将输入特征 x 映射到一个连续的实数域上。这个函数 h(x) 通常被称为决策函数或者假设函数。 2. 定义 sigmoid 函数 g(z) = 1 / (1 + e^(-z))，其中 z 是一个实数。sigmoid 函数的值域在 (0, 1) 之间。 3. 对于二分类问题，我们可以将输出 y 理解为在类别 1 的概率，即 P(y = 1 | x)。因此，我们可以将决策函数 h(x) 的输出通过 sigmoid 函数进行映射，得到 P(y = 1 | x)。 4. 假设我们想要建立一个 k 阶的多项式逻辑回归模型，我们可以将输入特征 x 按照多项式的形式进行扩展。例如，当 k = 2 时，我们可以构造出以下特征组合：[1, x, x^2]。 5. 假设我们有 m 组训练样本，每个样本的特征表示为 x^(i) = [1, x^(i), (x^(i))^2, ..., (x^(i))^k]，其中 i 表示第 i 组训练样本。 6. 我们可以通过最大似然估计来求解模型参数。假设我们的训练集标签为 y^(i)，我们可以定义似然函数 L(θ) = ∏(i=1->m) P(y^(i) | x^(i); θ)，其中 θ 表示模型的参数。 7. 对于二分类问题，似然函数可以写成 L(θ) = ∏(i=1->m) (g(θ^T * x^(i)))^(y^(i)) * (1 - g(θ^T * x^(i)))^(1 - y^(i))。 8. 我们的目标是最大化似然函数，即求解使得 L(θ) 最大化的参数 θ。通常我们会使用梯度下降等优化算法来求解最优参数。 以上就是多项式逻辑回归公式推导的基本过程。通过将输入特征进行多项式扩展，我们可以更灵活地建模非线性关系。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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