【概率论】5-2:伯努利和二项分布(The Bernoulli and Binomial Distributions)

---

title: 【概率论】5-2:伯努利和二项分布(The Bernoulli and Binomial Distributions)
categories:
- Mathematic
- Probability
keywords:
- Bernoulli Distributions
- Binomial Distributions
toc: true
date: 2018-03-27 21:15:22

Abstract: 本文介绍Bernoulli Distribution （伯努利分布）和Binomial Distribution（二项分布）
Keywords: Bernoulli Distributions，Binomial Distributions

开篇废话

吐血更，一天三篇，虽然上一篇只能算一段，但是确实应该加快总结的步伐了，给后面的新内容腾出足够的时间

一杯敬自由，一杯敬死亡

在本章的开始，我们从离散分布下手，看看每个分布有这什么样的特点，然后用我们的工具分析研究其内在的性质，当然要从最简单的开始，逐步构建出我们要研究的有代表性的这些分布，第一个被处理的就是伯努利分布（bernoulli Distribution）
随机变量 $X$ 只有两个取值，0或者1，并且取1的概率固定是$p$ 那么我们就说 $X$ 有一个参数为 $p$ 的伯努利分布。如果我们只知道试验输出对应的随机变量只有两个结果，非此即彼，那么这个随机变量的分布就是伯努利族中的一个随机变量。
如果随机变量 X1,X2,…,XnX_1,X_2,\dots,X_nX1​,X2​,…,Xn​ 有相同的伯努利分布，他们的和就是其中为1的随机变量的个数，这个个数也是随机的，其对应的分布为二项分布。

The Bernoulli Distributions

上来先来个例子：

---

临床试验，对于某种治疗，我们简单的把结果划分成两种，一种有效，一种无效，我们用随机变量来表示这两个结果，$X=1$ 表示治疗有效 $X=0$ 表示治疗无效，那么我们要做的是得到这个概率就是 $Pr(X=1)=p$ 的值就是我们关心的结果。$p$ 的取值范围在 $[0,1]$ 对应于不同的 $p$ 我们就有了伯努利分布族。

---

Definition Bernoulli Distribution.A random variable X has the Bernoulli distribution with parameter $p$ ( $0\le p\le 1$ )if X can take only the values 0 and 1 and the probabilities are
$$Pr(X=1)=p$$
and
$$Pr(X=0)=1-p$$

其概率函数可以被写成：
f(x∣p)={px(1−p)1−x for x=0,10otherwise f(x|p)= \begin{cases} p^x(1-p)^{1-x}&\text{ for }x=0,1\\ 0&\text{otherwise} \end{cases} f(x∣p)={px(1−p)1−x0​ for x=0,1otherwise​
p.f.的表示方法可以看出伯努利分布是依赖于参数 $p$ 的，所以 $p$ 可以看成一个条件，那么我们后面所有类似的分布都可以将其p.f.或者p.d.f.写成这种形式。
c.d.f.（似乎我们学c.d.f的时候已经讲过了）可以被写成：
F(x∣p)={0 for x&lt;01−p for 0&lt;x&lt;11 for x≥1 F(x|p)= \begin{cases} 0&amp;\text{ for }x&lt;0 \\ 1-p&amp;\text{ for }0 &lt; x &lt; 1 \\ 1&amp;\text{ for }x\geq 1 \end{cases} F(x∣p)=⎩⎪⎨⎪⎧​01−p1​ for x<0 for 0<x<1 for x≥1​

Expectation

当我们研究完其p.f.和c.d.f.以后就研究研究他的期望吧，也没啥可研究的了，随机变量 $X$ 有参数为 $p$ 的伯努利分布，那么其期望：
$$E(X)=p\times 1+0\times (1-p)=p$$
然后我们研究一下随机变量 X2X^2X2 的概率分布
E(X2)=p×12+(1−p)×02=p E(X^2)=p\times1^2 + (1-p)\times0^2=p E(X2)=p×12+(1−p)×02=p

Variance

期望完了当然是方差了，同样是随机变量 $X$ 有参数为 $p$ 的伯努利分布，那么其方差：
Var(X)=E[(X−E(X))2]=(1−p)2p+(−p)2(1−p)=p(1−p)(1−p+p)=p(1−p) Var(X)=E[(X-E(X))^2]=(1-p)^2p+(-p)^2(1-p)=p(1-p)(1-p+p)=p(1-p) Var(X)=E[(X−E(X))2]=(1−p)2p+(−p)2(1−p)=p(1−p)(1−p+p)=p(1−p)
或者通过更简单的公式：
Var(X)=E[X2]−E2[X]=p−p2=p(1−p) Var(X)=E[X^2]-E^2[X]=p-p^2=p(1-p) Var(X)=E[X2]−E2[X]=p−p2=p(1−p)
结果一致。

m.g.f.

我们说过除了p.d.f./p.f.和c.d.f.，m.g.f.也是非常重要的分布标书工具，所以伯努利分布自然也有m.g.f.
ψ(t)=E[etX]=p(et×1)+(1−p)(et×0) for −∞&lt;t&lt;∞ \begin {aligned} \psi(t)=E[e^{tX}]=p(e^{t\times 1})+(1-p)(e^{t\times 0}) &amp;\text{ for } -\infty&lt;t&lt;\infty \end {aligned} ψ(t)=E[etX]=p(et×1)+(1−p)(et×0)​ for −∞<t<∞​
这个写起来应该没啥难度，注意好 $X$ 就行，然后就是期望对应的概率值。

Bernoulli Trials/Process

说到序列我就想起了数学分析，Tao的分析我们已经开始更新了，但是我想把概率基础部分先写完，然后一边研究数理统计一边写分析的博客，想到分析的原因是我看到了序列
如果一个序列不论是否有限，每一个元素都是独立同分布的（i.i.d.）的伯努利随机变量，那么我们就叫他们伯努利序列或者伯努利过程。

Definition Bernoulli Trails/Process.If the random variables in a finite or infinite sequence X1,X2,…X_1,X_2,\dotsX1​,X2​,… and i.i.d.,and if each random variable XiX_iXi​ has the Bernoulli distribution with parameter p,then it is said that X1,X2,…X_1,X_2,\dotsX1​,X2​,… are Bernoulli trials with parameter $p$ .An infinite sequence of Bernoulli trials is also called a Bernoulli Process.

伯努利过程的例子最简单的就是连续丢同一枚硬币，组成的结果正反，就组成了伯努利过程。

The Binomial Distributions

举个例子，这个例子和上面伯努利过程有关，连续生产一批零件，每个零件有一定的合格率，，所有零件组成的序列是一个伯努利过程，那么么我们想知道这些随机变量的和满足怎么样的分布。

Definition Binomial Distribution.A random variable $X$ has the binomial distribution with parameters $n$ and $p$ if $X$ has a discrete distribution for which the p.f. is as follow:
f(x∣n,p)={(nx)px(1−p)n−x for x=0,1,…0otherwise f(x|n,p)= \begin{cases} \begin{pmatrix}n\\x\end{pmatrix} p^x(1-p)^{n-x }&amp;\text{ for }x=0,1,\dots\\ 0&amp;\text{otherwise} \end{cases} f(x∣n,p)=⎩⎨⎧​(nx​)px(1−p)n−x0​ for x=0,1,…otherwise​
in this distribution ,$n$ must be a positive integer, and $p$ must lie in the interval $0\le p\le 1$

本文节选自地址：https://www.face2ai.com/Math-Probability-5-2-the-Bernoulli-and-Binomial-Distributions转载请标明出处

转载于:https://www.cnblogs.com/face2ai/p/9756530.html