title: 【概率论】5-9:多项式分布(The Multinomial Distributions)

categories:

- Mathematic

- Probability

keywords:

- The Multinomial Distributions

toc: true

date: 2018-04-04 22:17:23



Abstract: 本文介绍多项式分布的相关知识

Keywords: The Multinomial Distributions

开篇废话

生病的时候才会体会到人生的短暂和生命的含义,你可以选择自己的生活,也可以选择自己的快乐,一切都是正确的。

本文开始介绍多于一个变量的分布,其实分布我们已经学了不少了后面再讲一个双变量的正态分布本章就算结束了,主要学的就是如何使用前面学到的工具来对新的随机变量的性质进行分析。今天我们来分析多项式分布。

多项式是二项分布的一个扩展。

Definition and Derivation of Multinomial Distribution

二项分布中的两个变量扩展成多个变量,就能得到我们我们今天要介绍的多项式分布,而且遵守和二项式分布一样的放回的采样方式(with replacement),在计数方法中我们也学过多项式系数这个知识,与我们今天要说的多项式分布是紧密相关的,比如我们举个例子:

人类的血型可以分为 A,B,o,AB 四种类型,每种类型都有相应的比例(这个比例是从所有人的类型中统计计算出来的)现在才去放回式的抽样,假设我们抽取了若干个样本,得到随机变量的向量为: x⃗=(XA,XB,Xo,XAB)\vec{x}=(X_A,X_B,X_o,X_{AB})x=(XA​,XB​,Xo​,XAB​) 对应的概率为 p⃗=(pA,pB,po,pAB)\vec{p}=(p_A,p_B,p_o,p_{AB})p​=(pA​,pB​,po​,pAB​) 那么我们可以根据多项式系数的相关知识得到其分布:

f(x⃗∣4,p⃗)=Pr(XA=x1,XB=x2,Xo=x3,XAB=x4)={(nx1x2x3x4)pAx1pBx2pox3pABx4if x1+x2+x3+x4=n0otherwise
f(\vec{x}|4,\vec{p})=Pr(X_A=x_1,X_B=x_2,X_o=x_3,X_{AB}=x_4)\\
=\begin{cases}
\begin{pmatrix}
&n&\\
x_1&x_2&x_3&x_4
\end{pmatrix}p_A^{x_1}p_B^{x_2}p_o^{x_3}p_{AB}^{x_4}&\text{if } x_1+x_2+x_3+x_4=n\\
0&\text{otherwise}
\end{cases}
f(x∣4,p​)=Pr(XA​=x1​,XB​=x2​,Xo​=x3​,XAB​=x4​)=⎩⎨⎧​(x1​​nx2​​x3​​x4​​)pAx1​​pBx2​​pox3​​pABx4​​0​if x1​+x2​+x3​+x4​=notherwise​

这就是多项式系数的扩展,称为多项式分布的的样子,对应于多个随机变量,随机变量的个数为固定值。可以写成一下形式:

(5.9.1)f(x⃗∣n,p⃗)={(nx1…xk)p1x1…pkxkif x1+⋯+xk=n0otherwise
f(\vec{x}|n,\vec{p})=
\begin{cases}
\begin{pmatrix}
&n&\\
x_1&\dots&x_k
\end{pmatrix}p_1^{x_1}\dots p_{k}^{x_k}&\text{if } x_1+\dots+x_k=n\\
0&\text{otherwise}
\end{cases}\tag{5.9.1}
f(x∣n,p​)=⎩⎨⎧​(x1​​n…​xk​​)p1x1​​…pkxk​​0​if x1​+⋯+xk​=notherwise​(5.9.1)

Definition Multinomial Distributions.A discrete random vector X⃗=(X1,…,Xk)\vec{X}=(X_1,\dots,X_k)X=(X1​,…,Xk​) whose p.f. is given Eq(5.9.1) has the multinomial distribution with parameters nnn and p⃗=(p1,…,pk)\vec{p}=(p_1,\dots,p_k)p​=(p1​,…,pk​) .

这个定义看起来没什么,而且上面的例子也给出了多项式分布的一般用法,接下来我们就说说多项式分布和二项分布的关系。

Relation between the Multinomial and Binomial Distributions

Theorem Suppose that the random vector X⃗=(X1,X2)\vec{X}=(X_1,X_2)X=(X1​,X2​) has the multinomial distribution with parameters nnn and p⃗=(p1,p2)\vec{p}=(p_1,p_2)p​=(p1​,p2​) .Then X1X_1X1​ has the binomial distribution with parameters nnn and p1p_1p1​ ,and X2=n−X1X_2=n-X_1X2​=n−X1​

完整原文地址:https://www.face2ai.com/Math-Probability-5-9-Multinomial-Distribution转载请标明出处

【概率论】5-9:多项式分布(The Multinomial Distributions)的更多相关文章

  1. 【概率论】5-7:Gama分布(The Gamma Distributions Part I)

    title: [概率论]5-7:Gama分布(The Gamma Distributions Part I) categories: - Mathematic - Probability keywor ...

  2. 【概率论】5-8:Beta分布(The Beta Distributions)

    title: [概率论]5-8:Beta分布(The Beta Distributions) categories: - Mathematic - Probability keywords: - Th ...

  3. 【概率论】5-7:Gama分布(The Gamma Distributions Part II)

    title: [概率论]5-7:Gama分布(The Gamma Distributions Part II) categories: - Mathematic - Probability keywo ...

  4. 【概率论】3-7:多变量分布(Multivariate Distributions Part II)

    title: [概率论]3-7:多变量分布(Multivariate Distributions Part II) categories: Mathematic Probability keyword ...

  5. 【概率论】3-7:多变量分布(Multivariate Distributions Part I)

    title: [概率论]3-7:多变量分布(Multivariate Distributions Part I) categories: Mathematic Probability keywords ...

  6. (转)Gamma分布,Beta分布,Multinomial多项式分布,Dirichlet狄利克雷分布

    1. Gamma函数 首先我们可以看一下Gamma函数的定义: Gamma的重要性质包括下面几条: 1. 递推公式: 2. 对于正整数n, 有 因此可以说Gamma函数是阶乘的推广. 3.  4.  ...

  7. 帕累托分布(Pareto distributions)、马太效应

    什么是帕累托分布 帕累托分布是以意大利经济学家维弗雷多·帕雷托命名的. 是从大量真实世界的现象中发现的幂次定律分布.这个分布在经济学以外,也被称为布拉德福分布. 帕累托因对意大利20%的人口拥有80% ...

  8. NLP点滴——文本相似度

    [TOC] 前言 在自然语言处理过程中,经常会涉及到如何度量两个文本之间的相似性,我们都知道文本是一种高维的语义空间,如何对其进行抽象分解,从而能够站在数学角度去量化其相似性.而有了文本之间相似性的度 ...

  9. Python实现12种概率分布(附代码)

    今天给大家带来的这篇文章是关于机器学习的,机器学习有其独特的数学基础,我们用微积分来处理变化无限小的函数,并计算它们的变化:我们使用线性代数来处理计算过程:我们还用概率论与统计学建模不确定性. 在这其 ...

随机推荐

  1. Java8时间转换

    ===java8中时间的各种转换(LocalDateTime)=== 1.将LocalDateTime转为自定义的时间格式的字符串 public static String getDateTimeAs ...

  2. [LOJ#3119][Luogu5405][CTS2019]氪金手游(DP+容斥)

    先考虑外向树的做法,显然一个点在其子树内第一个出现的概率等于它的权值除以它子树的权值和.于是f[i][j]表示i的子树的权值和为j时,i子树内所有数的相互顺序都满足条件的概率,转移直接做一个背包卷积即 ...

  3. IdentityServer4实现OAuth2.0四种模式之客户端模式

    一,准备内容 IdentityServer4 是Asp.net core的一个中间件,用于添加符合OpenId Connect和OAuth2.0规范的终端到Asp.net Core应用.在这里简单介绍 ...

  4. 常用的MySQL命令

    1.新建数据库: create database person; 2.使用数据库 use person: 3.创建一个表格 create table student ( id int(10) not ...

  5. 接口认证:Bearer Token(Token 令牌)

    因为HTTP协议是开放的,可以任人调用.所以,如果接口不希望被随意调用,就需要做访问权限的控制,认证是好的用户,才允许调用API. 目前主流的访问权限控制/认证模式有以下几种: 1)Bearer To ...

  6. JavaPoet的基本使用

    原文:https://blog.csdn.net/crazy1235/article/details/51876192 JavaPoet JavaPoet 是一个用来生成 .java源文件的Java ...

  7. IOS SDK详解

    来源:http://blog.csdn.net/column/details/huangwenchen-ios-sdk.html?page=1#42803301 博客专栏>移动开发专栏>I ...

  8. Oracle 多表插入

    多表插入 作用:一条INSERT语句可以完成向多张表的插入任务(Multitable insert).有两种形式:insert all与insert first,准备测试环境:1.创建表T并初始化测试 ...

  9. Qt5安装及组件选择(Qt 5.12.0)

    组件选择 如下图所示,安装Qt时有选择组件这一步,全部安装未免太占磁盘控件,只需安装我们所需要的组件即可.接下来就分析分析各个组件的作用及含义. “Qt 5.12.0”节点下面是 Qt 的功能模块,包 ...

  10. 私有容器镜像仓库harbor

    私有镜像仓库Harbor 1.Harbor概述 Habor是由VMWare公司开源的容器镜像仓库.事实上,Habor是在Docker Registry上进行了相应的企业级扩展,从而获得了更加广泛的应用 ...