Processing math: 27%
본문 바로가기
Studies/확률&통계

이산형 확률분포 - 베르누이분포(Bernoulli Distribution), 이항분포(Binomial Distribution)

by 알푼 2023. 5. 8.
300x250

Bernoulli Distribution (버눌리, 베르누이 분포)

 

베르누이 분포의 정의


확률변수 X가 0과 1을 갖는 확률변수를 베르누이 확률변수라고 하고, 이것의 분포를 베르누이 분포라고 한다. 이 때, 0과 1을 확률로 바꾸려면 함수가 필요하며 이를 베르누이 확률 함수라고 한다. 베르누이 확률함수는 다음과 같다. (일반적으로 베르누이 분포에서 P는 시행 결과가 ‘성공’일 확률을 말한다.)

fx(x;p)=px(1p)1x,x=0,1

 

베르누이 확률 함수의 기대값과 분산


  • 기대값의 정의

E[X]=x=0,1xpx(1p)1x

여기서 X가 0일때는 0, X가 1일때는 p 이므로 0+p=p

  • 분산의 정의

V[X] = E[X^{2}] - \{E(X)\}^{2}

E[X^{2}] = \sum_{x=0,1}x^{2}\cdot p^{x}(1-p)^{1-x}

기대값의 경우와 마찬가지로 0+p = p 이므로

\therefore V[X] = p - p^{2} = p(1-p)

 

Binomial Distribution (이항분포)

 

이항분포의 정의


베르누이 분포가 한 번 시행되는 것을 베르누이 trial 이라고 부르며, 베르누이 시행을 독립적으로 여러번 시도 한 것을 이항분포라고 한다. 독립적이다는 것은 두번째 시행이 첫번째 시행에 영향을 받지 않는 다는 것이다.

따라서 이항분포는 n번 시행해서 나오는 총 성공 횟수 x를 말하며 (성공확률은 p), 이항분포의 확률변수 XBinomial(n, p)를 따른다.

p(x) = \left(\!\!\begin{array}{c}n\\x\end{array}\!\!\right)p^{x}(1-p)^{n-x} for x = 0, 1, ... , n

이항분포의 Parameter


Parameter란 확률분포의 모양을 결정하는 값이며, 이항분포에서의 parameter는 n, p이다.

같은 개념에서 베르누이 분포에서의 parameter는 n=1이므로 p 하나이다.

아래 그림과 같이 p의 값에 따라 이항분포의 모양이 다름을 확인할 수 있다. (n도 마찬가지)

→ 모든 확률 함수에는 하나 이상의 parameter가 있다.

 

이항분포가 확률 함수라는 증명


 

이항분포의 기대값과 분산


이항분포는 앞에 서술한대로 서로 독립이면서 동일한 베르누이 분포를 따르는 확률변수 n개를 합한 것이므로

V(X) = V(\sum_{x=0}^{n}X_{i}) = \sum_{x=0}^nV(X_{i}) = np(1-p)

E(X) = E(\sum_{x=0}^{n} X_{i}) = \sum_{x=0}^{n} E(X_{i}) = np

 

참고 : 김성범 교수님 통계 강의 유튜브

 

댓글