为什么叫二项分布，又为什么叫多项分布？

看到的一篇

比较简单容易理解的文章，貌似是电子书的一章告诉你为什么叫二项分布，又为什么叫多项分布。

二项分布

如果掷一枚硬币，正面向上的结局的概率为0.5 。反面向上的结局的概率也是0.5。那么出现正面向上事件或者反面向上事件的概率就是0.5+0.5=1，即二者必居其一。

如果掷两次硬币，根据独立事件的概率乘法定理那么两次都是正面（反面）向上的概率是0.5×0.5=0.25。另外第一个是正第二个是反的出现概率也是0.5×0.5=0.25。同理第一个反第二个正的出现概率也是0.5×0.5=0.25。于是一正一反的概率是前面两个情况的和，即0.25+0.25=2×0.25=0.5。它们的合计值仍然是1。列成表就是：

两个正面的概率	一正一反的概率	两个反面的概率
0.25	2×0.25=0.5	0.25

注意到代数学中

(a+b)²=a²+2ab+b²,

而在a=0.5，b=0.5时，有

1²=(0.5+0.5)²=0.25+2×0.5×0.5+0.25=1

这说明掷两次硬币的各个结局的出现概率可以通过对二项式的平方展开而得到。顺此，对于掷n次硬币的各种结局的出现概率也可以通过对二项式的n次方的展开而得到。

例如n=3时,有（注意0.5×0.5×0.5=0.125）

1³=(0.5+0.5)³=0.125+3×0.125+3×0.125+0.125=

0.125+0.375+0.375+0.125=1

上式4项中的4个概率值0.125、0.375、0.375、0.125分别对应于3正、2正1反、1正2反和3反，这四种结局。

注意到对二项式的展开的牛顿公式：

(a+b)ⁿ=aⁿ+na^n-1b+…+[n!/m!(n-m)!](aⁿ-^mb^m)+…bⁿ

把a，b分别等于0.5代入上式我们就得到n+1项，以其通项而论，它就代表了有n-m个正面m个反面的事件的出现概率。即这种类型的问题（如掷多次硬币）的概率分布恰好可以用二项式展开的牛顿公式表示。而这也就是为什么把这种概率分布类型称为二项分布的原因。

如果a，b并不等于0.5，那么只要把A事件出现的概率以p代入，把B事件的出现概率以(1-p)代入，以上公式仍然正确，（a+b仍然=1）。

所以对于仅有A，B两个结局的随机事件，如果A事件出现概率为p，B事件的出现概率为1-p，那么在n次随机实验中A事件出现n-m 次B事件出现m次的情况（对应一种复合事件）的出现概率P应当是(这里的P是大写的)

P=[n!/m!(n-m)!][pⁿ^-m(1-p)^m]

注意到上面公式的对称性，它也可以写为

P=[n!/m!(n-m)!][p^m(1-p)^n-m]

它就是所谓二项分布概型的随机事件的出现概率公式，也是牛顿二项式展开在变量为对应概率值的情况下的通项。它就是本章公式（11.3）的由来。

另外，当p=0.5时，显然[p^m(1-p)^n-m]总是等于1/(2)ⁿ,注意到[p+（1-p）]ⁿ=1，所以二项式公式展开的n+1项的各个系数的合计值应当等于2ⁿ。即

上式中并没有p，所以这个系数和公式与p的具体数值无关。一般概率图书中对二项分布多有介绍。

多项分布

把二项分布公式再推广，就得到了多项分布（在一般概率书中很少介绍它，但是热力学中涉及到它）。

某随机实验如果有k个可能结局A₁，A₂，…，A_k，它们的概率分布分别是p₁，p₂，…，p_k，那么在N次采样的总结果中，A₁出现n₁次，A₂出现n₂次，…，A_k出现n_k次的这种事件的出现概率P有下面公式：

这就是多项分布的概率公式。把它称为多项式分布显然是因为它是一种特殊的多项式展开式的通项。

我们知道，在代数学里当k个变量的和的N次方的展开式 (p₁+ p₂+…+ p_k)^N是一个多项式，其一般项就是前面的公式给出的值。如果这k 个变量恰好是可能有的各种结局的出现概率，那么，由于这些概率的合计值对应一个必然事件的概率。而必然事件的概率等于1，于是上面的多项式就变成了

(p₁+ p₂+…+ p_k)^N =1^N=1

即此时多项式的值等于1。

因为(p₁+ p₂+…+ p_k)^N的值等于1。我们也就认为它代表了一个必然事件进行了N 次抽样的概率（=1，必然事件）。而当把这个多项式可以展开成很多项时，这些项的合计值等于1提示我们这些项是一些互不相容的事件（N次抽样得到的）的对应概率。即多项式展开式的每一项都是一个特殊的事件的出现概率。于是我们把展开式的通项作为A₁出现n₁次，A₂出现n₂次，…，A_k出现n_k次的这种事件的出现概率。这样就得到了前面的公式。

如果各个单独事件的出现概率p₁，p₂，…，p_k都相等，即p₁=p₂=…=p_k=p（注意这里是小写的p），

注意到p₁+p₂+…+p_k =1，就得到p₁=p₂ =…=p_k =p=1/k 。

把这个值代入多项式的展开式，就使展开式的各个项的合计值满足下式：

∑[ N!/(n₁!n₂!…n_k!)](1/k)^N=1

即∑[ N!/(n₁!n₂!…n_k!)]=k^N

以上求和中遍及各个n_i的一切可能取的正整数值，但是要求各个n_i的合计值等于N 。即

n₁+n₂+…n_k=N

在热力学讨论物质微观状态的可能个数时，经常用另外的思路引出N!/(n₁!n₂!…n_k!)式。并且称它为热力学几率。它是一个比天文数字还大很多的数，把它称为几率（概率）并不妥当。但是热力学里由于各个微观状态的出现概率相等，这对应我们在前面讨论的p₁=p₂ =…=p_k =p=1/k，于是

[N!/(n₁!n₂!…n_k!)]（1/k^N）

就真正具有数学上的概率的含义。换句话说，物理学里的热力学几率[N!/(n₁!n₂!…n_k!)]乘上（1/k^N）以后就是数学中定义的（具有归一性）的概率了。

为什么叫二项分布，又为什么叫多项分布？相关推荐

二项式定理与二项分布、多项式定理与多项分布
二项式定理与二项分布二项式定理二项式定理我们在高中就学过了,即: (a+b)n=(n0)anb0+(n1)an−1b1+....+(nn−1)a1bn−1+(nn)a0bn=∑i=0n(ni)an ...
伯努利分布，二项分布，多项分布
师兄给我说,做机器学习的方法有两种:一种是修改公式的那种,另外一种是类比.我觉得我适合的应该就是类比的这种,公式太难了.. 伯努利分布记住这种分布的话,就开始想抛硬币,只抛一次硬币.正面朝上的概率是 ...
伯努利分布、二项分布、多项分布、Beta分布、Dirichlet分布
https://blog.csdn.net/michael_r_chang/article/details/39188321 https://www.cnblogs.com/wybang/p/3206 ...
干货| 详解狄利克雷分布(LDA)、二项分布、Beta分布、多项分布
最近在撰写笔记 [Sklearn源码学习笔记](含官网样例解读)无监督学习之高斯混合模型的过程中,官方Sklearn源码中BayesianGaussianMixture()方法涉及到狄利克雷分布相关 ...
各类分布----二项分布，泊松分布，负二项分布，gamma 分布，高斯分布，学生分布，Z分布...
伯努利实验: 如果无穷随机变量序列是独立同分布(i．i．d．)的,而且每个随机变量都服从参数为p的伯努利分布,那么随机变量就形成参数为p的一系列伯努利试验.同样,如果n个随机变量独立同 ...
机器学习西瓜书各章详细目录定位
第一章绪论 1.1 引言(P1) 1.2 基本术语(P2) 1.3 假设空间(P4) 1.4 归纳偏好(P6) 1.5 发展历程(P10) 1.6 应用现状(P13) 1.7 阅读材料(P16) ...
漫步数理统计二十二——二项及相关分布
之前我们介绍了均匀分布与超几何分布,这篇文章我们讨论一些其他在统计中经常使用的分布,首先从二项与相关分布开始. 伯努利试验是一个随机试验,输出为两个相互独立且有穷中的一个,例如成功或失败(男或女,生或 ...
狄利克雷分布主题模型LDA
狄利克雷分布主题模型LDA 文章目录狄利克雷分布主题模型LDA 1.整体把握LDA 2.前提知识 2.1 gamma函数 2.2 四个分布 2.2.1 二项分布 2.2.2 多项分布 2.2.3 B ...
从幂律分布到特征数据概率分布——12个常用概率分布
在机器学习领域,概率分布对于数据的认识有着非常重要的作用.不管是有效数据还是噪声数据,如果知道了数据的分布,那么在数据建模过程中会得到很大的启示. 首先,如下图所示8个特征数据概率分布情况(已经做归一 ...
【机器学习算法】逻辑回归为什么叫逻辑回归
文章目录逻辑回归以及为什么叫逻辑回归从sigmoid函数引出逻辑回归的统计学模型:伯努利分布线性回归模型的通式:广义线性模型指数族分布逻辑回归以及为什么叫逻辑回归逻辑回归虽然名字里有回归 ...

为什么叫二项分布，又为什么叫多项分布？

为什么叫二项分布，又为什么叫多项分布？相关推荐

最新文章

热门文章