Binomial - 이항분포

Rainy Night for Sapientia·2023년 9월 10일
0

Distributions

목록 보기
4/5

Binomial

이항분포는 확률변수 Random variable이 nn번의 시행에 있어 1과 0 혹은 성공과 실패 등 2가지 값만 가지는 형태를 의미합니다.
즉 결과가 2가지 뿐이므로 이산확률분포에 속하며 만약 시행횟수가 1이라면 베르누이 분포와 동일합니다.
즉, 만약 XiBernoulli(p)X_i \sim \textrm{Bernoulli}(p) 이라면
이항분포의 확률변수 XX는 다음과 같습니다.

X=i=1nXi.X = \sum_{i=1}^n X_i.

이항 분포는 시행횟수를 nn, 성공확률을 pp라고 가정했을 때 다음과 같이 표현합니다

XBinomial(n,p).X \sim \textrm{Binomial}(n, p).

Probabilty Function

pmf를 구하기 위해선 먼저 n번의 시행 중 성공 횟수(k)에 따른 확률을 구해야 합니다.
먼저 순서가 있는 n번의 시행 중 성공의 경우 k를 선택하는 경우의 수 값을 구해야 하므로 (nk)=n!k!(nk)!\binom{n}{k} = \frac{n!}{k!(n-k)!}로 표현됩니다.
그리고 해당하는 경우의 수에 해당하는 확률 값은 pk(1p)nkp^{k} (1-p)^{n-k}로 표현됩니다.

따라서 pmf는 다음과 같습니다.

Binomial(k,n,p)=n!k!(nk)!pk(1p)nk\textrm{Binomial}(k, n, p) = \frac{n!}{k!(n-k)!}\:p^{k} (1-p)^{n-k}

10번의 시행(nn)에 성공확률을 0.2(pp)라고 가정했을때 이항분포는 다음과 같이 생겼습니다.

cmf의 수식과 함수는 다음과 같습니다.

F(x)={0x<0,mk(nm)pm(1p)nmkx<k+1 with 0k<n,1x>=n.F(x) = \begin{cases} 0 & x < 0, \\ \sum_{m \le k} \binom{n}{m} p^m(1-p)^{n-m} & k \le x < k+1 \textrm{ with } 0 \le k < n, \\ 1 & x >= n . \end{cases}

Descriptive Statistics

μ=np\mu = np
σ2=np(1p)\sigma^2 = np(1-p)

References

[1][1] Zhang, A., Lipton, Z.C., Li, M. and Smola, A.J., 2021. Dive into deep learning. arXiv preprint arXiv:2106.11342.

profile
Artificial Intelligence study note

0개의 댓글