适用环境:伯努利分布是较为简单的一种分布,应用于两种实验结果。要么成功,要么失败,一定程度上是二元的性质。这里,我们假设成功的概率为 p ,显然失败的概率就变成了
概率公式可以表示为 f(x)=px(1−p)1−x , x 为0或1,1代表成功,0代表失败。
接下来我们研究以下统计量,
1.数学期望
但是我们知道 x 只能取0或者是1,那么对于一个随机变量,
2.方差
Var(x)=E(x2)−(E(x))2=E(x)−(E(x))2=p−p2=p(1−p)
3.最大似然估计与伯努利分布
还记得最大似然估计的假设吗? 相互独立且同分布!那么有,
p(D|p)=ΠNi=1f(xi)=ΠNi1pxi(1−p)1−xi
又是一个连乘的式子,那么老办法用递增的函数 ln(x) ,则转化为,
lnp(D|p)=∑Ni=1xilnp+∑Ni=1(1−xi)ln(1−p)
然后求导得到
pML=1N∑Ni=1xi
这个就是伯努利分布的最大似然估计。
好玩的地方是,上式中,令 N <script type="math/tex" id="MathJax-Element-516">N</script>趋于无穷,那么结果怎么样?
感兴趣的同学可以看下大数定律。