《计算机视觉：模型、学习和推理》——3.1 伯努利分布

本节书摘来自华章计算机《计算机视觉：模型、学习和推理》一书中的第3章，第3.1节,作者：（英）普林斯（Prince，J. D.）著， 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

3.1　伯努利分布

伯努利分布（见图3-1）是二项试验的一个离散分布模型：它描述的情况只可能有两种结果x∈{0,1}，这称为“失败”和“成功”。在计算机视觉中，伯努利分布可以用于模拟数据。例如，它可以描述一个像素所取的灰度值大于或小于128的概率。另外，它也可以用来模拟现实世界的状态。例如，它能够描述图像中人脸出现或者消失的概率。

　图3-1　伯努利分布。伯努利分布是有两个可能结果的离散分布，x={0,1}，分别称为失败与成功。它由单个参数λ控制，λ决定成功的可能性，比如Pr(x=0)=1-λ，Pr(x=1)=λ伯努利分布有一个单参数λ∈［0,1］，它定义成功一次（x=1）的概率。因此有
Pr(x=0)=1-λ
Pr(x=1)=λ(3-1)
或者表示为：
Pr(x)=λx(1-λ)1-x(3-2)
有时也用等价的表示方法：
Pr(x)=Bernx［λ］(3-3)