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 pp 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 X=1X=1;另一种结果记为“失败”,令 X=0X=0。若成功概率为 pp,则失败概率为 1−p1-p,其中 0≤p≤10\le p\le 1。

试验结果 随机变量取值 概率
成功 X=1X=1 pp
失败 X=0X=0 1−p1-p

“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:

P(X=x)=px(1−p)1−x,x∈{0,1}P(X=x)=p^x(1-p)^{1-x},\quad x\in\{0,1\}

当 x=1x=1 时,公式得到 P(X=1)=pP(X=1)=p;当 x=0x=0 时,公式得到 P(X=0)=1−pP(X=0)=1-p。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:

X∼Bernoulli⁡(p)X\sim \operatorname{Bernoulli}(p)

这个记号表示随机变量 XX 服从参数为 pp 的伯努利分布。

期望与方差

伯努利变量的期望为:

E(X)=pE(X)=p

因为 XX 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 pp。方差为:

Var⁡(X)=p(1−p)\operatorname{Var}(X)=p(1-p)

当 pp 接近 0 或 1 时,结果大多固定在同一取值上,波动较小;当 p=0.5p=0.5 时,两种结果最不确定,方差达到最大值 0.250.25。

建模示例

某零件一次质检合格的概率为 0.920.92。定义合格时 X=1X=1,不合格时 X=0X=0,则:

X∼Bernoulli⁡(0.92)X\sim \operatorname{Bernoulli}(0.92)

因此,合格概率为 P(X=1)=0.92P(X=1)=0.92,不合格概率为 P(X=0)=0.08P(X=0)=0.08,平均每次检测得到的变量值为 E(X)=0.92E(X)=0.92。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 pp 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。

目录与阅读设置

阅读设置

17

记录一个想法

伯努利分布

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通