卜瓦松二项分布
Poisson binomial参数 |
(试验数) (各试验的成功概率) |
---|
值域 |
k ∈ { 0, …, n } |
---|
概率质量函数 |
|
---|
累积分布函数 |
|
---|
期望值 |
|
---|
方差 |
|
---|
偏度 |
|
---|
峰度 |
|
---|
矩生成函数 |
|
---|
特征函数 |
|
---|
概率母函数 |
|
---|
在机率论和统计学中,卜瓦松二项分布是一个基于独立伯努利试验之和的离散机率分布。这一概念以西梅翁·德尼·泊松的名字命名。
换句话说,它是成功概率分别为的n次独立伯努利试验中,成功次数的机率分布。普通二项分布是卜瓦松二项分布在所有成功机率相同(即)时的特例。
定义
机率质量函数
n次试验中有k次成功的机率可以写为以下总和[1]
其中是 {1,2,3,..., n } 的全体k元子集的集合。例如,如果n = 3,那么。是的补集,也就是。
将包含个元素,因此上述总和在实务中是很难计算的,除非试验次数n很小(例如,如果n = 30,包含超过1020个元素)。然而,还有其他更有效的方法可以计算。
只要成功机率都不等于 1,就可以使用递归公式计算出k次成功的机率:[2][3]
其中
递归公式在数值上不稳定,在约大于20时应避免使用。另一种方法是使用分治算法:假设是2的幂,并以表示成功概率为的卜瓦松二项分布,表示卷积,则。
另一种可能性是使用离散傅立叶变换。 [4]
其中,。
Chen和Liu在“卜瓦松二项式和条件伯努利分布的统计应用”中描述了其他方法。 [5]
特性
均值和方差
由于卜瓦松二项式分布变数是n个独立伯努利分布变数的总和,因此其均值和方差将是n个伯努利分布的均值和方差之和:
当平均值()和次数(n)为定值,且所有成功机率相等时,我们会得到二项式分布,变异数此时最大。当平均值固定时,变异数的上界为具有相同均值的卜瓦松分布的变异数,该上界在n趋于无穷大时可以渐近取得。[来源请求]
熵
卜瓦松二项式分布的熵没有简单的公式,但熵的上限是具有相同数字参数和相同均值的二项式分布的熵。因此,熵也不大于相同均值的卜瓦松分布的熵。
谢普-奥尔金凹性猜想由劳伦斯·谢普和英格拉姆·奥尔金于1981年提出,指出卜瓦松二项式分布的熵是成功机率的凹函数。这个猜想由 Erwan Hillion 和 Oliver Johnson 于2015年证明。1981年同一篇论文亦提出谢普-奥尔金单调性猜想:若,则熵对为单调递增。这个猜想也被 Hillion 和 Johnson 于 2019 年证明。
参考资料
- ^ Wang, Y. H. On the number of successes in independent trials (PDF). Statistica Sinica. 1993, 3 (2): 295–312 [2023-07-29]. (原始内容存档 (PDF)于2016-03-03).
- ^
Shah, B. K. On the distribution of the sum of independent integer valued random variables. American Statistician. 1994, 27 (3): 123–124. JSTOR 2683639.
- ^ Chen, X. H.; A. P. Dempster; J. S. Liu. Weighted finite population sampling to maximize entropy (PDF). Biometrika. 1994, 81 (3): 457 [2023-07-29]. doi:10.1093/biomet/81.3.457. (原始内容存档 (PDF)于2022-01-07).
- ^
Fernandez, M.; S. Williams. Closed-Form Expression for the Poisson-Binomial Probability Density Function. IEEE Transactions on Aerospace and Electronic Systems. 2010, 46 (2): 803–817. Bibcode:2010ITAES..46..803F. S2CID 1456258. doi:10.1109/TAES.2010.5461658.
- ^ Chen, S. X.; J. S. Liu. Statistical Applications of the Poisson-Binomial and conditional Bernoulli distributions. Statistica Sinica. 1997, 7: 875–892.