Bernoulli and binomial distributions

欢迎来到伯努利分布与二项分布的世界！

在本章中，我们将探索现实生活中一些最常见的概率测量方法。你有没有想过，掷 10 次硬币，恰好出现 3 次“正面”的概率是多少？或者工厂生产线上会有多少个产品是不合格的？这正是伯努利分布 (Bernoulli distribution) 和 二项分布 (Binomial distribution) 能帮助我们解答的问题。

别担心，如果统计学起初让你觉得有些吃力，我们将把它拆解成简单的“是或否”步骤！

1. 伯努利分布：单次实验的力量

伯努利分布是统计学中最基础的组成部分。它描述了一次实验（称为试验 (trial)），该实验只有两种可能的结果：成功 (Success) 或 失败 (Failure)。

试着这样想：你投篮一次，要么投进（成功），要么投失（失败），没有“中间地带”。

关键组成部分

我们使用以下符号来描述一次伯努利试验：

1. \(p\)：成功的概率（通常以数值 1 表示）。
2. \(1 - p\)：失败的概率（通常以数值 0 表示）。我们有时称之为 \(q\)。
3. 总概率之和必须永远等于 1：\(p + (1 - p) = 1\)。

平均值与方差

即使只是单次试验，我们也可以计算其平均值 (Mean) 和离散程度（方差, Variance）：

平均值： \(E(X) = p\)
方差： \(Var(X) = p(1 - p)\)

小贴士：如果赢得一场比赛的概率是 0.7，那么平均来说，你每玩 1 场比赛，你就“赢”了 0.7 场。听起来有点奇怪，但这就是平均值告诉我们的信息！

重点总结：伯努利分布适用于单次试验，且只有两种结果的情况。

2. 二项分布：重复的成功

如果我们把那单次的伯努利试验重复多次会怎样呢？这就是二项分布发挥作用的地方。它其实就是多个独立伯努利试验的总和。

例子：掷 10 次硬币，计算出现多少次“正面”。每一次投掷都是一次伯努利试验；这 10 次投掷加起来就构成了二项分布。

“BINS”准则

要使用二项分布，情况必须满足以下四个条件（记住单词 BINS）：

B - Binary（二元）：只有两个结果（成功/失败）。
I - Independent（独立）：一次试验不会影响下一次（例如，硬币不会“记得”上一次的结果）。
N - Number（次数）：有固定的试验次数 (\(n\))。
S - Success（成功）：每次试验成功的概率 (\(p\)) 保持不变。

你知道吗？如果你从袋子里取出弹珠并且不放回去，这就不是二项分布，因为每一次的概率都会改变！

3. 计算二项概率

要找出在 \(n\) 次试验中恰好出现 \(x\) 次成功的概率，我们使用以下公式：

\(P(X = x) = \binom{n}{x} p^x (1 - p)^{n-x}\)

拆解公式

1. \(\binom{n}{x}\)：这是组合 (combination)的部分。它告诉我们有多少种不同的排列成功的方式。你可以在计算器上使用 \(nCr\) 按钮找到它。
2. \(p^x\)：成功的概率的 \(x\) 次方，其中 \(x\) 是我们想要的成功次数。
3. \((1 - p)^{n-x}\)：失败的概率的余下次数次方，代表剩余的失败次数。

例子：如果你抛掷一颗公平的骰子 5 次，恰好得到两次 6 点的概率是多少？
\(n = 5\)（总抛掷次数）
\(x = 2\)（期望出现 6 点的次数）
\(p = 1/6\)（出现 6 点的概率）
\(1 - p = 5/6\)（没有出现 6 点的概率）

计算方式：\(\binom{5}{2} \times (1/6)^2 \times (5/6)^3\)

要避免的常见错误

请确保指数（\(x\) 和 \(n-x\)）之和永远等于 \(n\)。在上面的例子中，\(2 + 3 = 5\)。如果它们相加不等于 \(n\)，代表你遗漏了某个试验！

重点总结：使用 \(\binom{n}{x}\) 来找出排列方式的数量，然后乘以成功和失败的概率。

4. 平均值、方差与标准差

对于二项分布 \(X \sim B(n, p)\)，计算“平均”结果和“离散程度”非常直接：

平均值（期望值）： \(E(X) = np\)
类比：如果你抛掷一枚硬币 100 次 (\(n=100\))，且出现正面的概率是 0.5 (\(p=0.5\))，你预期会得到 \(100 \times 0.5 = 50\) 次正面。

方差： \(Var(X) = np(1 - p)\)
这衡量了结果偏离平均值的程度。

标准差： \(\sigma = \sqrt{np(1 - p)}\)
这只是方差的平方根。

5. 使用统计表

有时候，逐一计算概率太慢了——特别是对于“至多 (at most)”或“小于 (less than)”类型的问题（例如 \(P(X \leq 4)\)）。

在考试中，你可能会获得累积二项分布表 (cumulative binomial tables)。这些表格会告诉你 \(X\) 小于或等于某个数值的概率。

查表技巧：
1. 如果问题询问 \(P(X \leq 3)\)，直接在表中查找 3 对应的数值。
2. 如果问题询问 \(P(X < 3)\)，这等同于 \(P(X \leq 2)\)。
3. 如果问题询问 \(P(X \geq 3)\)，使用“补集”规则：\(1 - P(X \leq 2)\)。

快速复习盒
伯努利： 1 次试验。平均值 = \(p\)。方差 = \(p(1-p)\)。
二项： \(n\) 次试验。平均值 = \(np\)。方差 = \(np(1-p)\)。
检查“BINS”：Binary（二元）、Independent（独立）、Number fixed（次数固定）、Success constant（成功率固定）。
总概率： 永远等于 1。

如果起初觉得这些很棘手，别担心！只要你多练习识别 \(n\)、\(p\) 和 \(x\)，它就会变得越来越容易。你一定可以的！