伯努利分布
背景和上下文
伯努利分布 [ 第页 ] 表示实数上定义的离散统计分布,其中参数 第页 is表示满足以下条件的概率参数 伯努利分布有时被称为抛硬币分布或伯努利试验分布。 它有一个离散概率密度函数(PDF),返回值 第页 在 ,给出 在 ,对于所有其他实数,计算结果为0。 伯努利分布是以瑞士数学家雅各布·伯努利命名的,旨在模拟抛(公平或不公平)硬币的简单行为。 传统上, 第页 被认为是实验“成功”的概率(因此1表示实验成功),而 是“失败”的概率(因此0代表失败的实验)。 在硬币翻转的类比中,1通常代表头部,而尾部则用0表示。 价值观 相当于掷一枚公平的硬币。 尽管伯努利分布的定义非常简单,但它还是许多其他的、通常更复杂的数学概念的基础,包括概率中的伯努利序列、测度理论中的贝努利测度以及动力系统中的伯奴利方案。 在随机过程的研究中,伯努利分布也是所谓伯努利过程背后的动机( 伯努利过程 ),一个离散时间随机过程,由一个(有限或无限)随机变量序列组成,每个随机变量序列都是独立的、一致的伯努利分布。 此外,许多现实世界的场景显示了明确定义的独立结果可能性的二分法,可以建模为伯努利过程。 例如,给定与生产规模无关的缺陷率,使用单个(公平)模具轧制特定值的概率和缺陷产品的数量。 随机变量 可用于从贝努利分布中给出一个或多个机器或任意决策伪随机变量。 分布式 [ x个 , 伯努利分布 [ 第页 ] ] ,写得更简洁 x个 伯努利分布 [ 第页 ] ,可用于断言随机变量 x个 根据伯努利分布分布。 这样的断言可以用于以下函数中 概率 , N可能性 , 期望 、和 N期望 . 概率密度和累积分布函数可以使用 PDF格式 [ 伯努利分布 [ 第页 ] , x个 ] 和 CDF公司 [ 伯努利分布 [ 第页 ] , x个 ] 平均值、中位数、方差、原始矩和中心矩可以使用 平均值 , 中值的 , 方差 , 力矩 、和 中心力矩 分别是。 这些数量可以使用 离散曲线图 . 分配匹配测试 可用于测试给定数据集是否与贝努利分布一致, 估计分布 根据给定数据估计贝努利参数分布,以及 查找分布参数 以将数据拟合到伯努利分布。 概率图 可用于根据符号贝努利分布的CDF生成给定数据的CDF图,以及 分位数图 根据符号伯努利分布的分位数生成给定数据的分位数图。 转换后的分布 可用于表示转换后的伯努利分布和 截断分布 表示在上下值之间截断的值的分布。 Copula分布 可用于构建包含伯努利分布和 产品分销 可用于计算包含伯努利分布的独立分量分布的联合分布。 伯努利分布 与许多其他概率分布相关。 例如, 伯努利分布 [ 第页 ] 相当于的单个实例 二项分布 [ 1 , 第页 ] ,即。 PDF格式 [ 伯努利分布 [ 第页 ] , k个 ] 与相同 分段 [ 表 [ { PDF格式 [ 二项分布 [ 1 , 第页 ] , 我 ] , k个 我 } , { 我 , 0 , 1 } ] ] 类似地 n个 具有共同成功率的独立伯努利变量 第页 由建模 二项分布 [ n个 , 第页 ] 此外,从独立的贝努利分布随机变量集合中产生的许多自然发生的量可以根据其他已知分布进行建模。 例如,第一次成功的次数 n个 数据点分布依据 伯努利分布 [ 第页 ] 具有分发 二项分布 [ n个 , 第页 ] 而获得一个的试验次数(分别为 第页 )成功有分布 几何分布 [ 第页 ] (分别为 负二项分布 [ 第页 , 第页 ] ).