几种离散型变量的分布及其应用

官官方医学老师·25 页·深入（追求细节与边界）·0 次浏览·2 天前

✦ 几种离散型变量的分布及其应用医学几种离散型变量的分布及其二项分布的概念

离散分布二项分布泊松分布概率建模

几种离散型变量的分布及其应用

搞懂二项与泊松分布的构造、场景与适用边界

按空格/→ 演示下一步

1 / 25 页

全部页面点击任意一页，跳回舞台从这页播放

离散分布二项分布泊松分布概率建模

几种离散型变量的分布及其应用

搞懂二项与泊松分布的构造、场景与适用边界

1第 1 页 · 几种离散型变量的分布及其应用

二项分布从何而来

上页列了几种离散分布，二项是出场率最高的一个。它的源头很朴素：把同一件'非此即彼'的事反复做n次——罚球、抛硬币、产品抽检都符合。但什么样的'重复'才算数？这才是关键。

试验次数n固定

预先确定做几次，不是做到停

每次结果二元

只有成功或失败，没有第三种

各次试验独立

上一次结果不改变下一次概率

成功概率p不变

每次成功的概率都是同一个常数

反复抛同一枚均匀硬币对应 →n次独立重复试验

每次互不影响，正面概率恒为1/2，是最经典的二项场景

2第 2 页 · 二项分布从何而来

二项分布的构成要素

从中心向外辐射，先抓三块构件（n、p、X），再看清每块的约束。

图解渲染中…

X属于Bnp：X服从参数n、p的二项分布，记为B(n,p)。概率公式：P(X=k)=C(n,k)p^k(1-p)^(n-k)，下页展开。单次二值结果：每次试验只有成功或失败两种结局。每次独立：各次试验结果互不影响。

3第 3 页 · 二项分布的构成要素

二项分布的概率公式

上一页我们把二项分布拆成三个要素：固定 n 次试验、每次成功率 p、只关心成功次数 k。现在把它们组装起来，就能写出「恰好成功 k 次」的精确概率。

C(n,k) 是组合数

从 n 次试验中挑出 k 次作为「成功」，共有多少种不同的挑法

特定排列的概率

指定某 k 次成功、其余 n-k 次失败这一种安排的发生概率

相乘的逻辑

C(n,k) 种成功位置互不相交（概率可加），每种位置内各次试验独立（概率可乘）

公式的适用前提

n 次试验相互独立、每次成功概率恒为 p、只有成功/失败两种结果

n 个独立射击点要命中 k 个对应 →P(X=k) 公式的两步拆解

先数 C(n,k) 种命中位置组合，再乘每种组合恰好发生的概率

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

4第 4 页 · 二项分布的概率公式

二项分布的特征可视化

固定一个参数、调另一个参数，看形状怎么变。两条主线：变p看偏度，变n看钟形化。

图解渲染中…

B1：p小时多数试验失败，分布堆在左侧B2：p=0.5时分布完全对称B3：p大时多数成功，对称地偏向右侧C3：n→∞时由中心极限定理趋近正态

5第 5 页 · 二项分布的特征可视化

二项分布的期望E(X)

上一页的分布图告诉我们 X 取什么值、各自概率多大。但还有个问题没答：它'大概'落在哪儿？这就要请出期望 E(X)。

期望公式

E(X) = np，仅由试验次数 n 与单次成功概率 p 决定

推导关键

用恒等式 k·C(n,k) = n·C(n-1,k-1)，把 k 从求和号里提出

实际意义

长期重复试验时 X 的'重心'位置，围绕 np 上下波动

边界提醒

期望是平均，不是'必取值'——np 处概率可能为 0

种一片林子，预估成活数对应 →二项分布期望 np

成活率 × 总棵树，不必逐棵去数

E(X) = \sum_{k=0}^{n} k \binom{n}{k} p^{k}(1-p)^{n-k} = np

6第 6 页 · 二项分布的期望E(X)

二项分布的方差Var(X)

方差的推导与离散程度

二项分布的方差Var(X)

方差的推导与离散程度

7第 7 页 · 二项分布的方差Var(X)

期望与方差的关系图解

np与np(1-p)的几何意义

期望与方差的关系图解

np与np(1-p)的几何意义

8第 8 页 · 期望与方差的关系图解

为什么需要区间估计

点估计的局限与区间估计的优势

为什么需要区间估计

点估计的局限与区间估计的优势

9第 9 页 · 为什么需要区间估计

总体率区间估计的步骤

从一次抽样到给出总体率的可信区间，标准做法分六步，每步都有它存在的理由。

明确问题与置信水平

确定要估计的总体率 p，选定置信水平 1-α（常取 95%）

随机抽样并计数

抽取样本量 n，记录其中"成功"的次数 X

计算样本率

p̂ = X/n，作为总体率 p 的点估计

检验正态近似条件

np̂≥5 且 n(1-p̂)≥5，否则正态近似失效

计算标准误

SE = √(p̂(1-p̂)/n)，刻画 p̂ 的抽样波动

构造置信区间

p̂ ± z_{α/2}·SE，给出 p 的可信范围

10第 10 页 · 总体率区间估计的步骤

置信区间的公式推导

上一页我们按五步走完得到区间，但边界数字是怎么算出来的？今天补上这一步。重点回答两个「为什么」：为什么上下界是 ±Zα/2，为什么标准误 SE 里是 p̂ 而不是 p。

正态近似成立

由 CLT，样本量足够大时样本比例 p̂ 近似服从 N(p, p(1-p)/n)

构造标准正态量

将 p̂ 减 p、除以其标准差，所得 Z 统计量近似服从 N(0,1)

写出概率等式

P(|Z| < Zα/2) = 1-α，描述 p̂ 落在真值附近的频率

解出 p 的区间

反向求解不等式，p 落在 p̂ ± Zα/2·SE 之间

用 p̂ 替 p

总体率 p 未知，SE 中的 p 用样本率 p̂ 代替（大样本近似代价）

蒙眼猜方向对应 →样本率估总体率

多次蒙眼指方向，落点围绕真值正态散布；取 95% 范围作置信区间，Zα/2 是落点到中心的距离尺

P\!\left(|\hat p-p|<Z_{\alpha/2}\sqrt{\frac{p(1-p)}{n}}\right)=1-\alpha

11第 11 页 · 置信区间的公式推导

大样本与小样本估计差异

区间估计该用精确公式还是近似公式？边界条件常被忽略，结果可能严重失真。

精确法（小样本）

直接基于二项分布累积概率
适用：np＜5 或 n(1-p)＜5
计算繁琐，依赖软件
结果精确，无近似误差

正态近似法（大样本）

用正态分布近似替代
适用：np≥5 且 n(1-p)≥5
公式简洁，可查Z表
n越大越准，p极小时失真

金标准：np 与 n(1-p) 同时≥5 才用近似法；否则必须用精确法，不能只看 n 的大小。

12第 12 页 · 大样本与小样本估计差异

假设检验的基本思想

区间估计回答'参数大概是多少'，但很多问题真正想问的是另一个——'参数是否等于某个值？'。从'估计'走向'判断'，就进入了假设检验的世界。

原假设 H0

默认的'无差异/无效'状态，是需要被证据反驳的保守命题

备择假设 H1

与H0对立的命题，代表研究者真正希望证实的方向

检验方向

关心'是否有差异'选双侧；关心'是否更大/更小'选单侧

法庭审判对应 →假设检验

H0如'无罪推定'，证据足够强才能'定罪'(拒绝H0)；H1是检方主张

H_0:\theta=\theta_0\text{ vs }H_1:\theta\neq\theta_0\text{（双侧）}; H_1:\theta>\theta_0\text{ 或 }\theta<\theta_0\text{（单侧）}

13第 13 页 · 假设检验的基本思想

率的两侧检验流程

两侧检验分五步走，从立假设到下结论，每一步都是下一步的前提。

建立假设

H0: p=p0，H1: p≠p0，先把靶子立好

定显著性水平

通常 α=0.05，画一条犯错的容忍红线

算检验统计量

z = (p̂−p0)/√(p0(1−p0)/n)，大样本近似

找拒绝域

|z|>z_{α/2} 时拒绝 H0，左右对称各占 α/2

下结论

落拒绝域则拒绝 H0，否则不拒绝

14第 14 页 · 率的两侧检验流程

率的单侧检验流程

单侧检验只盯一个方向的偏离，临界值和拒绝域都得往一侧偏。

立假设定方向

明确H₁是p>p₀还是p<p₀，把目光锁定在单侧

查单侧临界值

拒绝域只在分布一侧，所以用u_α而非u_(α/2)

算检验统计量

公式不变：u=(p̂-p₀)/√(p₀(1-p₀)/n)

比对落入拒绝域

只与单侧临界值比较，方向不匹配直接不拒绝

下专业结论

拒绝则方向必与H₁一致，措辞要带方向词

15第 15 页 · 率的单侧检验流程

检验中的两类错误

决策树：上为现实状态（H0 成不成立），中为统计决策（拒绝/接受），下为四类结果。

图解渲染中…

C1：弃真：H0 成立却拒绝C4：取伪：H0 不成立却接受C3：检验功效：正确拒绝 H0 的能力C2：置信度：正确接受 H0 的概率

16第 16 页 · 检验中的两类错误

泊松分布的生活原型

二项分布有n次试验、成功概率p。但现实中更常问：某段时间内某稀有事件发生了多少次。奶茶店一小时来几位顾客、路口一天几次事故——这种稀有事件计数问题二项分布算不动，需要泊松分布。

稀有事件

单次发生概率极小，但样本空间很大

独立发生

一次事件不影响另一次是否发生

固定区间

观察的时间段或空间区域是确定的

平均率λ

区间内平均发生次数稳定，是分布核心参数

奶茶店1小时来客数对应 →泊松分布

每位顾客到访=稀有事件是否发生；平均每小时λ位=分布参数λ

P(X=k) = \dfrac{\lambda^k e^{-\lambda}}{k!}

17第 17 页 · 泊松分布的生活原型

泊松分布的推导过程

沿主链固定 k，再令 n 增大、p 减小且 np 固定为 λ；分看两项因子的极限。

图解渲染中…

a1：q=1-p，表示 n 次试验中恰有 k 次成功。a4：λ 为固定常数，np 在极限中保持有限。a6：固定 k 时，修正项 (1-p)⁻ᵏ 趋于 1。a9：所得即泊松分布的概率质量函数。

18第 18 页 · 泊松分布的推导过程

泊松分布的概率公式

前页把固定窗口内的事件看成彼此独立、稳定的随机到达；现在把“平均发生次数 λ”和“恰好出现 k 次”对上号，逐项读懂概率公式。

平均次数 λ

固定窗口内 X 的期望；λ>0，窗口扩大 c 倍且速率不变时，λ 也扩大 c 倍

目标次数 k

计算“恰好发生 k 次”的概率，k 只能取 0、1、2、…

λ^k 与 e^{-λ}

λ^k 是平均次数 λ 连乘 k 次的量；e^{-λ} 等于恰好 0 次的概率

阶乘 k!

分母去除 k 个事件不同先后顺序造成的重复计数

给 k 个到达时刻排序对应 →公式中的 k!

题目只问“发生了几次”，不追问先后；k! 个排列其实是同一种计数结果，因此要除以 k!。

P(X=k)=\frac{\lambda^k e^{-\lambda}}{k!},\quad k=0,1,2,\ldots,\quad \lambda>0

19第 19 页 · 泊松分布的概率公式

泊松分布的期望与方差

上页我们认识了泊松分布的概率公式。这个 λ 究竟意味着什么？它同时承担「平均事件数」与「波动幅度」两个角色——这正是泊松分布最简洁优雅的性质。

E(X) = λ

期望就是参数本身，λ 直接等于单位时间内的平均事件数

Var(X) = λ

方差也等于 λ，与期望数值恰好相同，构成最特别的巧合

D(X) = √λ

标准差是 λ 的平方根，描述典型波动幅度

建模判据

若样本均值与方差接近，可优先尝试泊松分布

天平的左右两盘对应 →泊松的期望与方差

天平通常左右不等重，泊松里两盘恰好等重——都等于 λ

E(X) = \text{Var}(X) = \lambda

20第 20 页 · 泊松分布的期望与方差

不同λ值下的分布形态

先找λ变化节点，再分左右两栏读：小λ→右偏，大λ→正态。

图解渲染中…

d1：概率集中在0附近，右侧拖长尾d5：形状趋近正态钟形曲线

21第 21 页 · 不同λ值下的分布形态

二项分布vs泊松分布

两者都是离散计数分布，但适用场景截然不同；混用会让模型与数据错位。

二项分布

n次独立试验中成功的次数
试验次数n与成功概率p均固定
有限次试验，每次结果独立
n大p小时近似为泊松分布

泊松分布

单位区间内稀有事件的发生次数
由平均发生率λ刻画
事件独立且单次概率极小
二项在n→∞、p→0下的极限

稀有事件计数用泊松；有限次试验的成功计数用二项；n大p小时二者可近似互换。

22第 22 页 · 二项分布vs泊松分布

离散型分布知识图谱

✓分布形态由试验结构决定，二项看n次成败，泊松看稀疏事件流频次
✓np=λ 把二项推成泊松，两者是同一现象在不同视角下的极限
✓推断三步走：点估计→区间估计→假设检验，样本连向总体的链条
✓α控拒真、β控纳伪，此消彼长；样本量与效应大小决定检验功效

延伸主题：中心极限定理：连接离散与连续正态分布与连续型变量实务落地：A/B 测试与率检验

23第 23 页 · 离散型分布知识图谱

自测检验

点击作答

用泊松分布建模某现象，参数 λ=4。下列关于随机变量 X 的描述必然正确的是：

24第 24 页 · 自测检验

课后思考

先合上笔记自己想三分钟，再对照参考答案——重点不是'答对'，而是看自己的思路差在哪一环。

1二项分布和泊松分布的方差公式为什么都等于 np 和 λ？这种巧合背后有什么共同的数学机制？

参考答案两者都源自独立伯努利试验求和，方差可加性让总方差等于'次数×单次方差'。泊松是 n→∞、p→0 时 np=λ 的极限，公式同形不奇怪。

2假设一家奶茶店周末平均每小时卖 15 杯，店长想判断今天某小时卖出 25 杯是否异常，你会怎么用今天学到的工具帮他？

参考答案用泊松分布算 P(X≥25)。若远小于 0.05 可判为异常，否则属于正常波动。先估 λ=15，再算累积概率，最后下结论。

3今天所有分布都默认事件相互独立。当事件存在传染性或聚集性（如传染病病例、机器连续故障），二项/泊松模型还能直接套用吗？

参考答案不能。直接套用会低估极端事件概率。应改用负二项分布（方差>均值，允许过度离散），或考虑时空相关性模型——核心假设被破坏，参数估计本身就要重审。

25第 25 页 · 课后思考