高等数学 / 系统课时
伯努利分布
伯努利分布
当一次随机试验只有成功和失败两种结果时,伯努利分布可以把结果编码为 1 和 0,并用一个参数描述成功概率。本课将建立模型、计算概率,并说明它与二项分布的关系。
学习目标
- 判断一个随机变量是否服从伯努利分布
- 使用参数 计算两种结果的概率
- 理解伯努利变量的期望、方差及建模边界
从一次二结果试验开始
设一次试验只有两种互斥结果。把关注的结果记为“成功”,令随机变量 ;另一种结果记为“失败”,令 。若成功概率为 ,则失败概率为 ,其中 。
| 试验结果 | 随机变量取值 | 概率 |
|---|---|---|
| 成功 | ||
| 失败 |
“成功”只是建模时选定的标签,不一定表示现实中的好结果。例如研究设备故障时,也可以把“发生故障”定义为成功事件。
概率质量函数
伯努利分布可写成一个统一公式:
当 时,公式得到 ;当 时,公式得到 。随机变量没有其他可能取值,因此两项概率之和必须等于 1。通常记作:
这个记号表示随机变量 服从参数为 的伯努利分布。
期望与方差
伯努利变量的期望为:
因为 只能取 0 或 1,多次观察时,样本均值就是成功比例,所以其长期平均值趋近于成功概率 。方差为:
当 接近 0 或 1 时,结果大多固定在同一取值上,波动较小;当 时,两种结果最不确定,方差达到最大值 。
建模示例
某零件一次质检合格的概率为 。定义合格时 ,不合格时 ,则:
因此,合格概率为 ,不合格概率为 ,平均每次检测得到的变量值为 。这里描述的是单个零件的一次检测,而不是一批零件中合格数量的分布。
易混淆点
- 伯努利分布只描述一次试验;重复固定次数并统计成功总数时,通常使用二项分布。
- 两种结果必须互斥且覆盖全部可能,不能遗漏第三种状态。
- 参数 是成功事件的概率,不是随机变量本身的取值。
按自己的节奏,确认真正理解。