AI笔记: 数学基础之二项分布与二项式定理
概率试验
- 1.投掷一个骰子投掷5次
- 2.某人射击1次,击中目标的概率是0.8, 他射击10次;
- 3.一个盒子中装有5个球(3红2白),有放回依次从中抽取5个球
- 4.生产一种零件,出现次品的概率是0.04,生产这种零件4件
以上这些的特点都是:
- 条件相同
- 独立重复性试验
- 发生或者不发生
- 发生的概率相同
例子
投掷一枚图钉,设针尖向上的概率为p, 则针尖向下的概率为q = 1 - p. 连续投掷一枚图钉3次,仅出现1次针尖向上的概率是多少?
分析:这是一个条件相同,独立重复性试验:P=C31pq2=3pq2P = C_3^1 p q^2 = 3 p q^2P=C31pq2=3pq2
扩展:如果连续投3次图钉,出现k(0 <= k <= 3)次针尖向上的概率是多少?
- 出现0次:P(B0)=P(A1ˉA2ˉA3ˉ)=q3P(B_0) = P(\bar{A_1} \bar{A_2} \bar{A_3}) = q^3P(B0)=P(A1ˉA2ˉA3ˉ)=q3
- 出现1次:P(B1)=P(A1A2ˉA3ˉ)+P(A1ˉA2A3ˉ)+P(A1ˉA2ˉA3)=3q2pP(B_1) = P(A_1\bar{A_2}\bar{A_3}) + P(\bar{A_1}A_2\bar{A_3}) + P(\bar{A_1}\bar{A_2}A_3) = 3q^2pP(B1)=P(A1A2ˉA3ˉ)+P(A1ˉA2A3ˉ)+P(A1ˉA2ˉA3)=3q2p
- 出现2次:P(B2)=P(A1A2A3ˉ)+P(A1ˉA2A3)+P(A1A2ˉA3)=3qp2P(B_2) = P(A_1A_2\bar{A_3}) + P(\bar{A_1}A_2A_3) + P(A_1\bar{A_2}A_3) = 3qp^2P(B2)=P(A1A2A3ˉ)+P(A1ˉA2A3)+P(A1A2ˉA3)=3qp2
- 出现3次:P(A1A2A3)=p3P(A_1A_2A_3) = p^3P(A1A2A3)=p3
- 总结:P(Bk)=C3kpkq3−k,k=0,1,2,3P(B_k) = C_3^kp^kq^{3-k}, k=0,1,2,3P(Bk)=C3kpkq3−k,k=0,1,2,3
伯努利分布
- 伯努利分布(Bernoulli distribution) 又名两点分布或0-1分布,介绍伯努利分布前首先需要引入伯努利试验(Bernoulli trial)
- 伯努利试验是只有两种可能结果的单次随机试验,即对于一个随机变量X而言:伯努利试验都可以表达为"是或否"的问题
- 例如:抛一次硬币是正面朝上吗?刚出生的孩子是男孩吗?等
- 如果试验E是一个伯努利试验,将E独立重复进行n次,则称这一串重复的独立试验为n重伯努利试验
- 进行一次伯努利试验,成功(X=1)概率为p(0 <= p <= 1), 失败(X=0)概率为1-p,则称随机变量X服从伯努利分布,伯努利分布是离散型概率分布
二项分布
- 在n次独立重复试验中,设事件A发生的次数是X, 且在每次试验中事件A发生的概率是p, 那么事件A恰好发生k次的概率是 P(X=k)=Cnkpk(1−p)n−k,k=0,1,2,...,nP(X=k) = C_n^kp^k(1-p)^{n-k}, k = 0, 1, 2, ..., nP(X=k)=Cnkpk(1−p)n−k,k=0,1,2,...,n
- 于是得到随机变量X的概率分布如下:q = 1 - p
- X: 0, 1, …, k, …, n
- p: Cn0p0qn,Cn1p1qn−1,...,Cnkpkqn−k,...,Cnnpnq0C_n^0p^0q^n, C_n^1p^1q^{n-1}, ..., C_n^kp^kq^{n-k}, ..., C_n^np^nq^0Cn0p0qn,Cn1p1qn−1,...,Cnkpkqn−k,...,Cnnpnq0
- 此时我们称随机变量X服从二项分布,记为:X∼B(n,p)X \sim B(n,p)X∼B(n,p) 其中p为成功概率
- ∑k=0nCnkpk(1−p)n−k=1\sum_{k=0}^n C_n^kp^k(1-p)^{n-k} = 1∑k=0nCnkpk(1−p)n−k=1 全概率 求和是必然事件,概率为1
案例1
- 某射手每次射击击中目标的概率是0.8, 求这名射手在10次射击中
- (1) 恰好有8次击中目标的概率
- (2) 至少有8次击中目标的概率
分析:
- (0) p=0.8,1−p=0.2,n=10p=0.8, 1 - p = 0.2, n = 10p=0.8,1−p=0.2,n=10
- (1) C108p8(1−p)2C_10^8p^8(1-p)^2C108p8(1−p)2
- (2) p(8)+p(9)+p(10)=C108p8(1−p)2+C109p9(1−p)+C1010p10p(8)+p(9)+p(10) = C_{10}^8p^8(1-p)^2 + C_{10}^9p^9(1-p) + C_{10}^{10}p^{10}p(8)+p(9)+p(10)=C108p8(1−p)2+C109p9(1−p)+C1010p10
- 将(0)带入(1)、(2) 得到最终的解
案例2
- 设一个射手平均每设计10次中靶4次,求在5次射击中
- (1)击中1次
- (2)第二次击中
- (3)击中两次
- (4)第二、三两次击中
- (5)至少击中一次
- 求以上的概率
分析:
- 由题意:射手射击1次,中靶的概率是0.4
- (1) n=5, k=1, 则 P(X=1)=C51p(1−p)4P(X = 1) = C_5^1p(1-p)^4P(X=1)=C51p(1−p)4
- (2) 第二次击中和其他几次击中没有任何关系,也就是他一次击中的概率即为0.4
- (3) n=5, k=2, 则 P(X=2)=C52p(1−p)3P(X = 2) = C_5^2p(1-p)^3P(X=2)=C52p(1−p)3
- (4) 只和第2,3次有关和其他无关,则概率为0.4*0.4
- (5) 有两种方法,正面求解相加,也可以从反面来推,推荐从反面求解,【1 - 没有击中一次的概率】: 1−C50p0(1−p)51 - C_5^0p^0(1-p)^51−C50p0(1−p)5
二项式定理
二项展开公式 (a+b)n=Cn0an+Cn1an−1b+Cn2an−2b2+...+Cnran−rbr+...+Cnnbn(n∈N+)(a+b)^n = C_n^0a^n + C_n^1a^{n-1}b + C_n^2a^{n-2}b^2 + ... + C_n^ra^{n-r}b^r + ... + C_n^nb^n \ \ (n \in N_+)(a+b)n=Cn0an+Cn1an−1b+Cn2an−2b2+...+Cnran−rbr+...+Cnnbn (n∈N+)
二项展开式的通项公式:Tr+1=Cnran−rbr(0≤r≤n,r∈N,n∈N+)T_{r+1} = C_n^ra^{n-r}b^r \ \ \ \ (0 \leq r \leq n , r \in N, n \in N_+)Tr+1=Cnran−rbr (0≤r≤n,r∈N,n∈N+), 主要用来求指定的项
项的系数与二项式系数
- 项的系数与二项式系数是不同的两个概念,但当二项式的两个项的系数都为1时,系数就是二项式系数,如
- 在(ax+b)n(ax+b)^n(ax+b)n的展开式中,第r+1项的二项式系数为CnrC_n^rCnr
- 第r+1项的系数为Cnran−rbrC_n^ra^{n-r}b^rCnran−rbr
- 而(x+1x)n(x+\frac{1}{x})^n(x+x1)n的展开式中的系数等于二项式系数
- 二项式系数是组合数,一定为正的;而项的系数不一定为正的
(1+x)n(1+x)^n(1+x)n的展开式:(1+x)n=Cn0xn+Cn1xn−1+Cn2xn−2+...+Cnnx0(1+x)^n = C_n^0x^n + C_n^1x^{n-1} + C_n^2x^{n-2} + ... + C_n^nx^0(1+x)n=Cn0xn+Cn1xn−1+Cn2xn−2+...+Cnnx0
- 若令x=1, 则有:(1+1)n=2n=Cn0+Cn1+Cn2+...+Cnn(1+1)^n = 2^n = C_n^0 + C_n^1 + C_n^2+ ... + C_n^n(1+1)n=2n=Cn0+Cn1+Cn2+...+Cnn
- 二项式奇数项系数的和等于二项式偶数项系数的和.
- 即:Cn0+Cn2+...=Cn1+Cn3+...=2n−1C_n^0 + C_n^2 + ... = C_n^1 + C_n^3 + ... = 2^{n-1}Cn0+Cn2+...=Cn1+Cn3+...=2n−1
二项式系数的性质
- 对称性: 与首末两端"等距离"的两个二项式系数相等,即Cnm=Cnn−mC_n^m = C_n^{n-m}Cnm=Cnn−m
- 增减性与最大值:
- 当r≤n+12r \leq \frac{n+1}{2}r≤2n+1时,二项式系数CnrC_n^rCnr的值逐渐增大,当r≥n+12r \geq \frac{n+1}{2}r≥2n+1时,CnrC_n^rCnr的值逐渐减少,且在中间取得最大值
- 当n为偶数时,中间一项(第n2+1\frac{n}{2} + 12n+1项)的二项式系数Cnn2C_n^{\frac{n}{2}}Cn2n取得最大值
- 当n为奇数时,中间两项(第n+12\frac{n+1}{2}2n+1和第n+12+1\frac{n+1}{2} + 12n+1+1项)的二项式系数Cnn−12=Cnn+12C_n^{\frac{n-1}{2}} = C_n^{\frac{n+1}{2}}Cn2n−1=Cn2n+1相等并同时取最大值
系数最大项的求法
- 设第r项的系数ArA_rAr最大,由不等式组{Ar≥Ar−1Ar≥Ar+1\left\{\begin{aligned}A_r \geq A_{r-1} \\A_r \geq A_{r+1}\end{aligned}\right.{Ar≥Ar−1Ar≥Ar+1可确定r
赋值法
- 若(ax+b)n=a0+a1x+a2x2+...+anxn(ax+b)^n = a_0 + a_1x + a_2x^2 + ... + a_nx^n(ax+b)n=a0+a1x+a2x2+...+anxn, 则设f(x)=(ax+b)nf(x) = (ax+b)^nf(x)=(ax+b)n, 有
- a0=f(0)a_0 = f(0)a0=f(0)
- a0+a1+a2+...+an=f(1)a_0 + a_1 + a_2 + ... + a_n = f(1)a0+a1+a2+...+an=f(1)
- a0−a1+a2−a3+...+(−1)nan=f(−1)a_0 - a_1 + a_2 - a_3 + ... + (-1)^na_n = f(-1)a0−a1+a2−a3+...+(−1)nan=f(−1)
- a0+a2+a4+a6+...=f(1)+f(−1)2a_0 + a_2 + a_4 + a_6 + ... = \frac{f(1) + f(-1)}{2}a0+a2+a4+a6+...=2f(1)+f(−1)
- a1+a3+a5+a7+...=f(1)−f(−1)2a_1 + a_3 + a_5 + a_7 + ... = \frac{f(1) - f(-1)}{2}a1+a3+a5+a7+...=2f(1)−f(−1)
从二项分布到二项式定理
1) 二项式定理公式
- (a+b)n=Cn0anb0+Cn1an−1b1+...+Cnran−rbr+...+Cnnbna0=∑r=0nCnran−rbr(a+b)^n = C_n^0a^nb^0 + C_n^1a^{n-1}b^1 + ... + C_n^ra^{n-r}b^r + ... + C_n^nb^na^0 = \sum_{r=0}^n C_n^ra^{n-r}b^r(a+b)n=Cn0anb0+Cn1an−1b1+...+Cnran−rbr+...+Cnnbna0=∑r=0nCnran−rbr
- 写成p,q的形式为:(p+q)n=Cn0pnq0+Cn1pn−1q1+...+Cnrpn−rqr+...+Cnnpnq0(p+q)^n = C_n^0p^nq^0 + C_n^1p^{n-1}q^1 + ... + C_n^rp^{n-r}q^r + ... + C_n^np^nq^0(p+q)n=Cn0pnq0+Cn1pn−1q1+...+Cnrpn−rqr+...+Cnnpnq0
2 ) 二项分布与二项式定理之间的联系
- 二项分布对应二项式定理的每一项
- 二项分布的概率求和是二项式定理的一个特殊情况,也就是 p+q=1p + q = 1p+q=1的情况
二项分布与两点分布之间的关系
案例分析
- 篮球比赛,每次罚球命中得1分,不中得0分,某篮球运动员罚球命中率为0.7,在某次比赛中他一共罚球20次,则
- (1) 他一次罚球的得分服从两点分布
- (2) 在这次比赛中,命中次数X服从二项分布即 X∼B(20,0.7)X \sim B(20, 0.7)X∼B(20,0.7)
总结
- 两点分布:在一次试验中,事件A出现的概率为p,事件A不出现的概率为q=1-p,若以X记一次试验中A出现的次数,则X仅取0、1两个值。两点分布就是0-1分布, 是特殊的二项分布, 只是不同的叫法,也是试验次数为1的伯努利试验。X∼B(1,p)X \sim B(1,p)X∼B(1,p)
- 二项分布:是重复n次独立的伯努利试验。在每次试验中只有两种可能的结果,而且两种结果发生与否互相对立,并且相互独立,与其它各次试验结果无关,事件发生与否的概率在每一次独立试验中都保持不变, 是试验次数为n次的伯努利试验。
- 两点分布是一种特殊的二项分布,n=1, p=p
二项分布与超几何分布之间的关系
案例分析
- 一个袋中放有M个红球,(N - M)个白球,依次从袋中取n个球,记下红球的个数X
- (1) 如果是有放回地取,则X∼B(n,MN)X \sim B(n, \frac{M}{N})X∼B(n,NM)
- (2) 如果是不放回地取,则X服从超几何分布 P(X=k)=CMkCN−Mn−kCNn(k=0,1,2,...,m)P(X=k) = \frac{C_M^k C_{N-M}^{n-k}}{C_N^n} \ \ (k=0,1,2,...,m)P(X=k)=CNnCMkCN−Mn−k (k=0,1,2,...,m) 其中m=min(M,n)m=min(M,n)m=min(M,n)
超几何分布的推导
设有7个球,4红,3白,连续取3个球(n=3), 则红球的变量X为:(k ~ 0,1,2,3)
分类讨论:
- X为0:白白白 =》P(X=0)=37∗26∗15P(X=0) = \frac{3}{7} * \frac{2}{6} * \frac{1}{5}P(X=0)=73∗62∗51
- X为1:红白白、白红白、白白红 =》P(X=1)=47∗36∗25+37∗46∗25+37∗26∗45P(X=1) = \frac{4}{7} * \frac{3}{6} * \frac{2}{5} + \frac{3}{7} * \frac{4}{6} * \frac{2}{5} + \frac{3}{7} * \frac{2}{6} * \frac{4}{5}P(X=1)=74∗63∗52+73∗64∗52+73∗62∗54
- X为2:类似上面,此处省略
- X为3:类似上面,此处省略
关于超几何分布 百度百科
AI笔记: 数学基础之二项分布与二项式定理相关推荐
- AI笔记: 数学基础之联合概率、条件概率与全概率公式
联合概率 表示两个事件共同发生的概率,事件A和事件B的共同概率记为:P(AB).P(A,B)P(AB).P(A,B)P(AB).P(A,B) 或者P(A∩B)P(A \cap B)P(A∩B), 记为 ...
- AI笔记: 数学基础之函数的导数应用及求导公式
关于导数 导数是数学中非常重要的概念,它能反应出速度变化的快慢,尤其在AI的算法分析,优化以及数据挖掘中用到很多 导数的引出 引例1 变速直线运动的速度 s是距离,t是时间,v是速度 设描述指点运动的 ...
- AI笔记: 数学基础之向量组的线性表示与线性相关
向量组 向量组:有限个相同维度的行向量或列向量组合成的一个集合就叫做向量组A 如果是行向量,那么表示为:A=(a1⃗a2⃗a3⃗⋮an⃗⋮)A = \left (\begin{array}{cccc} ...
- AI笔记: 数学基础之正交矩阵与矩阵的QR分解
正交矩阵 若n阶方阵A满足ATA=EA^TA = EATA=E, 则称A为正交矩阵, 简称正交阵 (复数域上称为酉矩阵) A是正交阵的充要条件:A的列(行)向量都是单位向量,且两两正交. 若A为正交矩 ...
- AI笔记: 数学基础之直线、圆和方程
直线 1 ) 表示直线的几种形式 一般式:ax+by+c=0ax + by + c = 0ax+by+c=0 (a,b不能同时为0) 点斜式:y−y1=k(x−x1)y - y_1 = k(x - x ...
- AI笔记: 数学基础之矩阵的初等变换计算矩阵的秩
引例 求解矩阵方程AX=B, 其中 A = ( 2 1 − 3 1 2 − 2 − 1 3 2 ) , B = ( 1 − 1 2 0 − 2 5 ) A =\left (\begin{array}{ ...
- AI笔记: 数学基础之概率与统计
概率 1 )概率与频率 概率是一个稳定的数值,也就是某件事发生或不发生的概率是多少. 频率是在一定数量的某件事情上面,发生的数与总数的比值. 假设事件A的概率是0.3,在100次中发生28次,那么它的 ...
- AI笔记: 数学基础之导数的应用:求极值与最值
穿针引线法 又叫做穿线法或数轴穿根法 函数f(x)=(x−1)(x−2)3(x−3)2(x−4)x∈Rf(x)=(x-1)(x-2)^3(x-3)^2(x-4) \ \ \ x \in Rf(x)=( ...
- AI笔记: 数学基础之偏导数与方向导数
多元函数偏导数 在一个多变量的函数中,偏导数就是关于其中一个变量的导数而保持其他变量恒定不变. 假定二元函数z=f(x,y)z=f(x,y)z=f(x,y), 点(x_0, y_0)是其定义域内的一个 ...
最新文章
- 阿里云建成全国最大数据中心集群 全面应用自研硬核技术
- 【实践】强化学习在招聘推荐冷启动优化中的应用实践
- D-S证据理论基本概念
- 数据质量管理的核心要素和技术原则
- PHP处理CSV表格文件的常用操作方法是怎么样呢
- Kubernetes学习笔记 ~~~黑马程序员
- win7 x64怎么枚举所有快捷键呢
- python selenium 处理悬浮窗口(baidu tj_more)
- pod构建的ios版本引发 react-native-safe-area-context RN项目的pod-install构建异常
- Cisco路由器和交换机型号
- 分析师意外下调评级为中性,苹果财报能否改变科技股走向?
- 微信公众号新手运营指南——四种类别如何选择
- 我撑伞,在石桥上等你
- IntelliJ IDEA如何导出和导入项目
- 1T和12T单片机的区别
- Android 自定义视频播放器,可用于以视频做背景的需求
- 安装PLC报错“bitte fuhren sie einen neustare neustart aus, bevor sie weitere programme installieren.veuil
- 基于粤嵌6818开发板上通过网络连接实现文件传输
- 气动调节阀的运行特征
- Vue模板编译原理详解