泊松分布 流量发生器_二项分布, 负二项分布, 泊松分布

二项分布(Binomial distribution)

定义: n个独立的伯努利试验中成功的次数的离散概率分布，其中每次伯努利试验的成功概率为p。

如果随机变量X服从参数为n和p的二项分布，那么记X～b(n, p)。n次试验中得到k次成功的概率由概率质量函数(probability mass function, PMF)给出:

                   

期望为E[X] = np;

方差为Var[X] = np(1 - p)。

---

负二项分布(Pascal distribution)

定义: 在一系列独立同分布的伯努利试验中，成功次数到达指定次数(记为r)时失败次数的离散概率分布，其中每次伯努利试验的成功概率为p。

如果随机变量X服从参数为r和p的负二项分布，那么记X～NB(r, p)。k次成功的概率由PMF给出:

        期望为E[X] = pr/(1 - p);

方差为Var[X] =  pr/(1 - p)^2。

现实中有很多情景可用泊松分布来描述，如机器在坏掉前可以工作的天数等等。

---

泊松分布(Poisson distribution)

定义: 单位时间内随机事件发生次数的随机分布。

如果随机变量X服从参数为λ的泊松分布，那么记为X～Π(λ)，或X～P(λ)。k次成功的概率由PMF给出:

                                      

均值和方差均为λ。

当λ=50时， 可以认为泊松分布呈正态分布。

现实中有很多情景可用泊松分布来描述，如每天的中奖率，每小时的客流量等等。

---

泊松分布与二项分布的关系

泊松分布近似于试验次数n很大，成功的概率p很小的二项分布。此时λ = np。

---

为什么在RNA-seq中对基因进行差异分析时用负二项分布而不是泊松分布？

由上面可知，
对于泊松分布而言，其均值和方差是相等的；
而对于负二项分布而言，方差随着均值的增加而进行二次函数形式的递增。

而我们真实的数据形式是每一个点代表一个基因。均值和方差由replicates估计得到。由图可知，对于每个基因，方差并不与均值相等，而是向上偏离了均值。因此负二项分布是更合适的分布估计。

References:

[1] Binomial distribution -- Wikipedia

[2] Pascal distribution -- Wikipedia

[3] Poisson distribution -- Wikipedia

[4] 负二项分布在差异分析中的应用