多项式分布的理解概率公式的理解「建议收藏」

多项式分布的理解概率公式的理解「建议收藏」多项式分布是二项分布的推广。二项分布(也叫伯努利分布)的典型例子是扔硬币,硬币正面朝上概率为p,重复扔n次硬币,k次为正面的概率即为一个二项分布概率。而多项分布就像扔骰子,有6个面对应6个不同的点数。二项分布时事件X只有2种取值,而多项分布的X有多种取值,多项分布的概率公式为  这个公式看上去像是莫名其妙地冒出来的,想要了解它首先必须要知道组合数学中的多项式定理。多项式定理:当n是一个正整数时…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE稳定放心使用

多项式分布是二项分布的推广。二项分布(也叫伯努利分布)的典型例子是扔硬币,硬币正面朝上概率为p, 重复扔n次硬币,k次为正面的概率即为一个二项分布概率。而多项分布就像扔骰子,有6个面对应6个不同的点数。二项分布时事件X只有2种取值,而多项分布的X有多种取值,多项分布的概率公式为  

多项式分布的理解概率公式的理解「建议收藏」

 这个公式看上去像是莫名其妙地冒出来的,想要了解它首先必须要知道组合数学中的多项式定理。

多项式定理:当n是一个正整数时,我们有  

多项式分布的理解概率公式的理解「建议收藏」

 其中 多项式分布的理解概率公式的理解「建议收藏」

这个多项式定理的推导如下,将式子左边展开

多项式分布的理解概率公式的理解「建议收藏」

上面的式子是由n个因子相乘得到,而它的展开式可以看做在每个式子里选取某一个xi,总共选取n个xi相乘,所以所有的展开式项都会有

多项式分布的理解概率公式的理解「建议收藏」

这样的公有项,而且多项式分布的理解概率公式的理解「建议收藏」

这样的话,我们可以把问题看成在n个式子里,先选取r1个x1,然后选取r2个x2,最后选取rk个xk,然后求有多少种方法。类似把n 个球放到k个不同的盒子里的方法有多少种,我们得到 

多项式分布的理解概率公式的理解「建议收藏」

所以多项式分布的理解概率公式的理解「建议收藏」的系数为多项式分布的理解概率公式的理解「建议收藏」,这样,我们就能得到展开式的通式。举个例子,当k=2时,我们就得到了常见的二项式公式:

多项式分布的理解概率公式的理解「建议收藏」

再来看之前的多项分布的概率公式,假设多项式分布的理解概率公式的理解「建议收藏」发生的概率为多项式分布的理解概率公式的理解「建议收藏」,由于事件之间是相互独立的,可得多项式分布的理解概率公式的理解「建议收藏」

我们将多项式分布的理解概率公式的理解「建议收藏」式子的左边看做一次抽样各种事件发生的概率和,那么多项式分布的理解概率公式的理解「建议收藏」则是进行了n次抽样所有事件相互组合的对应概率和。把这个多项式展开,它的每一项都对应着一个特殊事件的出现概率。我们把展开式的通项作为X1出现x1次,X2出现x2次,…,Xk出现xk次的这种事件的出现概率,这样就得到了多项分布的概率公式。

转自:http://www.crescentmoon.info/?p=9#more-9

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/182683.html原文链接:https://javaforall.net

(0)
上一篇 2022年10月12日 下午8:00
下一篇 2022年10月12日 下午8:16


相关推荐

  • 工具使用 – office快捷键

    工具使用 – office快捷键看一遍 记住最常用的 有利于提高文档编写效率

    2026年3月18日
    2
  • DeepSeek使用教程:从入门到精通的完整指南

    DeepSeek使用教程:从入门到精通的完整指南

    2026年3月15日
    1
  • 数学建模方法——斯皮尔曼相关系数及其显著性检验 (Spearman’s correlation coefficient for ranked data)

    数学建模方法——斯皮尔曼相关系数及其显著性检验 (Spearman’s correlation coefficient for ranked data)0 斯皮尔曼相关系数简介斯皮尔曼相关系数 Spearman 也被叫做斯皮尔曼等级相关系数 同样用于衡量两个变量之间的相关性 在之前对皮尔逊相关系数的介绍中 我们提到了在进行皮尔逊相关系数运算的时候需要确定数据是否符合正态分布等等 较为麻烦 同时不满足正态性的数据难道就没有办法判断相关性了吗 离散的数据如何判断相关性呢 因此有人提出了另一种方法 即用数据的大小顺序来代替数值本身 这种替代方法

    2026年3月18日
    2
  • Scrapy爬虫案例-淘宝比价定向爬虫学习笔记

    Scrapy爬虫案例-淘宝比价定向爬虫学习笔记说明Scrapy爬虫案例-淘宝比价定向爬虫学习笔记学习教程:Python网络爬虫与信息提取授课老师:嵩天官方网站:https://python123.io教程链接:https://python123.io/index/courses/804“淘宝比价定向爬虫”实例功能描述目标:获取淘宝搜索页面的信息,提取其中的商品名称和价格理解:淘宝的搜索接口翻页的处理技术路…

    2022年6月26日
    28
  • 莫忽视数据中心的可靠性

    莫忽视数据中心的可靠性

    2022年3月6日
    46
  • OllyDBG 入门

    OllyDBG 入门一 OllyDBG 的安装与配置 OllyDBG1 10 版的发布版本是个 ZIP 压缩包 只要解压到一个目录下 运行 OllyDBG exe 就可以了 汉化版的发布版本是个 RAR 压缩包 同样只需解压到一个目录下运行 OllyDBG exe 即可 OllyDBG 中各个窗口的功能如上图 简单解释一下各个窗口的功能 更详细的内容可以参考 TT 小组翻译的中文帮助 反汇编窗口 显示被调试程序的反汇编代码 标题栏上的地址 HEX 数据 反汇编 注释可以通过在窗口中右击出现的菜单界面选项 gt 隐藏

    2025年5月9日
    9

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号