多项式分布
我们将一个试验独立的进行一次,其完备事件群为:\(\{A_1, A_2, \cdots , A_n\}\) ,且事件群中,任意两个事件相互排斥,不可能同时发生多个,一次只能且必定发生其中一个。
对于事件 \(A_i\) 发生的概率为 \(p_i\),则 \(p_1 + p_2 + \cdots + p_n = 1\)。
我们将试验独立的进行 \(N\) 次,记 \(k_i\) 为事件 \(A_i\) 发生的次数,则 \(k_1 + k_2 + \cdots + k_n = N\)。
\(p(k_1, k_2, \cdots, k_n) = \frac{N!}{k_1!k_2!\cdots k_n!} p_1^{k_1} p_2^{k_2} \cdots p_n^{k_n}\),想象成将 \(N\) 分成大小分别为 \(k_1, k_2, \cdots k_n\) 的堆。
由于 \(k_1, k_2, \cdots , k_n\) 的值并不固定,只需要满足 \(k_i\) 是非负整数,\(k_1 + k_2 + \cdots + k_n = N\) 即可。
所以 \(k_1, k_2, \cdots , k_n\) 的全概率和为:
由于全概率求和公式化简的结果与 多项式公式\((x_1 + x_2 + \cdots + x_n) ^ N\) 一致,就称呼为 多项式分布 。
对于式子 \(\frac{N!}{k_1!k_2!\cdots k_n!} x_1^{k_1} x_2^{k_2} \cdots x_n^{k_n}\),若分母的和等于分子,即 \(k_1 + k_2 + \cdots + k_n = N\),且右边为随机变量 \(x_i^{k_i}\) 其求和公式就可以化简成多项式的形式:\((x_1 + x_2 + \cdots + x_n) ^ N\)。
固定一个试验结果发生的次数,求概率
Question
某种试验的结果为:\(A_1, A_2, \cdots , A_n\) 中的一种,并且每一种可能的结果互相排斥;
对于结果 \(A_i\) 发生的概率为:\(p_i\);
若对该试验独立进行了 \(N\) 次,求试验结果 \(A_1\) 发生 \(k_1\) 次的概率。
思路一:
将 \(N\) 分成大小分别为 \(k_1、N - k_1\) 的两个堆,则有 \(\frac{N!}{k_1!(N - k_1)!}\) 种划分方法;
其中大小为 \(k_1\) 的堆为 \(A_1\) 发生所在的堆,剩下的大小为 \(N - k_1\) 的堆由剩下的试验结果 \(A_2、\cdots、A_n\) 发生的次数构成;
我们将试验结果 \(A_1\) 独立出去,将剩下的试验结果看成是某种试验 \(B\) 进行一次的可能取值,则对于 \(A_i, i \geq 2\) 在试验 \(B\) 中发生的可能性为:\(\frac{p_i}{1 - p_i}\)
由全概率和公式:
所以 \(A_1\) 固定发生 \(k_1\) 次的概率为:
\(\frac{N!}{k_1!(N-k_1)!}p_1^{k_1}(1 - p_1)^(N - k_1)\)
思路二:
由于 \(k_1\) 固定,但 \(k_2、k_3、\cdots 、k_n\) 不是固定,所以概率和为:
将固定的值都提取出来:
化简成多项式的形式,分母的和为分子,右边为分母各项的次方:
化简成多项式的形式:
结果为:
\(\frac{N!}{k_1!(N - k_1)!}p_1^{k_1}(1 - p_1)^{N - k_1}\)
思路三:
想象成二项分布事件,实验结果 \(A_1\) 发生了 \(k_1\) 次,没有发生 \(N - k_1\) 次的概率为:
\(\frac{N!}{k_1!(N - k_1)!}p_1^{k_1}(1 - p_1)^{N - k_1}\)
结论:若要求某试验结果 \(A_i\) 固定发生了 \(k_i\) 次的概率,只需要当作二项分布 \(b(k_i; N, p_i)\) 来求就行。
推广到多个试验结果固定次数,求概率
Question
若一个试验的试验结果是 \(\{A_1, A_2, \cdots , A_n\}\) 中的一种,且上面的试验结果互相排斥,每一次试验有且仅有一种试验结果发生,对于任意一个试验结果 \(A_i\) 发生的概率为 \(p_i\)。
若对该试验进行了 \(N\) 次,请你求试验结果 \(A_1、A_2、\cdots 、A_s\) 分别发生 \(k_1、k_2、\cdots 、k_s\) 次的概率。
将 \(N\) 分成大小分别为:\(k_1、k_2、\cdots、k_s、(N - k_1 - k_2 - \cdots - k_s)\) 的堆,总共有多少种分法:
总共有 \(\frac{N!}{k_1!k_2!\cdots k_s!(N - k_1 - k_2 - \cdots - k_s)!}\) 种分法
假设有这样的试验 \(B\) 其试验结果为:\(A_{s+1} \cdots A_n\),且对于任意的试验结果 \(A_i(i \geq s + 1)\) 来说,其发生的概率为:\(\frac{p_i}{1 - (p_1 + p_2 + \cdots p_s)}\)
所以题目所求的概率为:
\(\frac{N!}{k_1!k_2!\cdots k_s!(N - k_1 - k_2 - \cdots - k_s)!}p_1^{k_1} \cdots p_s^{k_s} \times (1 - p_1 - \cdots p_s) ^ (N - k_1 - \cdots k_s)\)
\(\times\)
\(\sum_{k_{s + 1} \cdots k_n}^{*}\frac{(N - k_1 - \cdots k_s)!}{k_{s + 1}!k_{s + 2}!\cdots, k_n!}(\frac{p_{s + 1}}{1 - k_1 - \cdots k_s}) ^ {k_{s + 1}} \cdots (\frac{p_n}{1 - k_1 - \cdots k_s}) ^ {k_n}\)
\(=\)
\(\frac{N!}{k_1!k_2!\cdots k_s!(N - k_1 - k_2 - \cdots - k_s)!}p_1^{k_1} \cdots p_s^{k_s} \times (1 - p_1 - \cdots p_s) ^ (N - k_1 - \cdots k_s)\)
结论:若将某些试验结果固定发生多少次,叫你求这样的概率,只需要将试验次数 \(N\) 分成大小分别为 \(k_1、k_2、\cdots 、k_s 、(N - k_1 - k_2 - \cdots - k_s)\) 的堆,分别代表事件 \(A_1、A_2、\cdots 、A_s、\bar{A}\) 发生的次数,每一个试验分别发生的概率分别对应 \(p_1、p_2、\cdots 、p_s、(1 - p_1、p_2、\cdots 、p_s)\),求这样的概率
在多项式分布中,在已知某事件固定发生了几次的情况下,求另一事件发生某次的概率
Question
若进行一次试验,其可能的结果为 \(A_1、A_2、\cdots 、A_n\) 中的一种,并且这些可能的结果相互排斥,每一次试验有且仅有一种结果发生。
每一种结果分别对应的发生概率为:\(p_1、p_2、\cdots 、p_n\)。
若进行 \(N\) 次独立的试验,已知结果为 \(A_2\) 发生了 \(k_2\) 次,求此时 \(A_1\) 发生了 \(k_1\) 次的概率。
先求 \(p(A_2 = k_2)\) 的概率,再求 \(p(A_1 = k_1, A_2 = k_2)\) 的概率,那么答案就是:
\(\frac{p(A_1 = k_1, A_2 = k_2)}{p(A_2 = k_2)}\)
由上面的结论我们容易得:
\(p(A_2 = k_2) = \frac{N!}{k_2!(N - k_2)!}p_2^{k_2}(1 - p_2) ^ (N - k_2)\)
\(p(A_1 = k_1, A_2 = k_2) = \frac{N!}{k_1!k_2!(N - k_1 - k_2)!}p_1^{k_1}p_2^{k_2}(1 - p_1 - p_2) ^ (N - k_1 - k_2)\)
所以 \(p(A_1 = k_1 | A_2 = k_2) \frac{p(A_1 = k_1, A_2 = k_2)}{p(A_2 = k_2)} = \frac{p_1^{k_1}(1 - p_1 - p_2) ^ {N - k_ 2 - k_1} (N - k_2)!}{k_1!(N - k_1 - k_2)!(1 - p_2)^{N - k_2}}\)
化简步骤也看一看吧:
\(\frac{p_1^{k_1}(1 - p_1 - p_2) ^ {N - k_ 2 - k_1} (N - k_2)!}{k_1!(N - k_1 - k_2)!(1 - p_2)^{N - k_2}} = \frac{p_1^{k_1}(1 - p_1 - p_2) ^ {N - k_ 2 - k_1} (N - k_2)!}{(1 - p_2) ^ {k_1} k_1!(N - k_1 - k_2)!(1 - p_2)^{N - k_2 - k_1}}\)
最终可化简成:
\(\frac{(N - k_2)!}{k_1!(N - k_1 - k_2)!}(\frac{p_1}{1 - p_2}) ^ {k_1} (1 - \frac{p_1}{1 - p_2}) ^ {N - k_1 - k_2}\)
可以表示成二项分布:\(b(k_1; N - k_2, \frac{p_1}{1 - p_2})\)