深入浅出伯努利分布：从 0‑1 随机世界到统计学习基石

“当你能把一个问题拆解成一系列“是/否”答案时，伯努利分布就是第一块砖。”

---

目录

1. 引言：伯努利分布为何如此重要？
2. 历史回顾：从赌博到信息论
3. 形式化定义与基本表示
4. 三种视角下的推导
   • 4.1 样本空间法
   • 4.2 最大熵原理
   • 4.3 二项分布特例
5. 核心数学性质
   • 5.1 概率质量函数 (PMF)
   • 5.2 累积分布函数 (CDF)
   • 5.3 矩与中心矩
   • 5.4 偏度、峰度
   • 5.5 矩生成函数 (MGF) 与特征函数 (CF)
   • 5.6 熵、交叉熵与 KL 散度
6. 指数族与共轭先验
7. 参数估计与区间估计
   • 7.1 最大似然估计 (MLE)
   • 7.2 方法矩估计 (MoM)
   • 7.3 贝叶斯更新 (Beta 共轭)
   • 7.4 置信区间：Wald、Wilson、Clopper–Pearson
8. 假设检验与检验功效
9. 与其他分布的关系
10. 典型应用场景
11. 常见误区与 FAQ
12. 思维导图全景
13. 小结与延伸阅读

---

1. 引言：伯努利分布为何如此重要？

• 最原始的“是否”问题：电子邮件是否为垃圾邮件？零件是否合格？用户是否点击广告？
• 基础地位：伯努利分布是离散分布王国的砖石基石，所有二项分布、几何分布、负二项分布及二分类模型都由它延伸。
• 机器学习核心：在深度学习中，二分类的交叉熵损失函数就是建立在伯努利假设之上。
• 信息论根基：Shannon 熵在二元信源下自然归结为伯努利熵。

理解伯努利分布，等于理解“二分类随机现象”的所有奥秘。

---

2. 历史回顾：从赌博到信息论

• 1713：Jakob Bernoulli 首次研究“伯努利试验”（两种结果随机试验）。
• 19 世纪：Poisson、De Morgan 等将其深入到二项分布与泊松极限。
• 1948：Claude Shannon 用二元信源推导信息熵公式，伯努利分布成为信息论的原点。
• 现代：从 A/B 测试到神经网络，伯努利分布的身影无处不在。

---

3. 形式化定义与基本表示

伯努利随机变量 $X$ 仅取值 { 0 , 1 } \{0,1\} {0,1}，记作

$X\sim \mathrm{Bernoulli}(p)$

• $P(X=1)=p$（“成功”概率）；
• $P(X=0)=1-p$（“失败”概率）；
• 参数 $p\in [0,1]$，代表单次试验的期望值：$E[X]=p$。

统一写法（指数族形式）：
[
P(X=x)=p^x,(1-p){1-x},\quad x\in{0,1}.
]

---

4. 三种视角下的推导

4.1 样本空间法

• 样本空间 Ω = { ω 0 , ω 1 } \Omega=\{\omega_0,\omega_1\} Ω={ω0​,ω1​}，分别指“失败”和“成功”。
• 赋予 $P({\omega }_1)=p,P({\omega }_0)=1-p$。
• 定义指示变量 X ( ω ) = 1 { ω = ω 1 } X(\omega)=1_{\{\omega=\omega_1\}} X(ω)=1{ω=ω1​}​，立得上式 PMF。

4.2 最大熵原理

约束：

1. ${\sum }_{x}P(x)=1$；
2. $E[X]=p$。
   目标：最大化
   [
   H§=-\sum_{x=0}^1 P(x),\ln P(x).
   ]
   使用拉格朗日乘子可解出
   [
   P(1)=p,;P(0)=1-p.
   ]
   结论：在只指定期望的前提下，伯努利分布拥有最大不确定性。

4.3 二项分布特例

• 二项分布：$Y\sim \mathrm{Binomial}(n,p)$，$P(Y=k)=\left(\genfrac{}{}{0ex}{}{n}{k}\right)p^k(1-p{)}^{n-k}$.
• 令 $n=1$，$\left(\genfrac{}{}{0ex}{}{1}{x}\right)=1$，则 k ∈ { 0 , 1 } k\in\{0,1\} k∈{0,1}，恰得伯努利分布。

---

5. 核心数学性质

性质	符号 / 公式	说明
期望	$E[X]=p$
方差	$\mathrm{Var}(X)=p(1-p)$	最大值 $0.25$ 于 $p=0.5$
二阶矩	$E[X^2]=p$	因 $X^2=X$
偏度 (Skewness)	${\gamma }_1=\frac{1-2p}{\sqrt{p(1-p)}}$	$p=0.5$ 对称
峰度 (Kurtosis)	${\gamma }_2=\frac{1-6p(1-p)}{p(1-p)}$
MGF	$M_X(t)=E[e^{tX}]=1-p+p{e}^t$
CF	${\varphi }_X(t)=E[e^{itX}]=1-p+p{e}^{it}$
熵	$H(p)=-p\ln p-(1-p)\ln (1-p)$	单位：nats (ln) / bits (log₂)
交叉熵	$H(p,q)=-p\ln q-(1-p)\ln (1-q)$	衡量两个 Bernoulli 的差异
KL 散度	$D_{KL}(p|q)=p\ln \frac{p}{q}+(1-p)\ln \frac{1-p}{1-q}$

5.1 累积分布函数 (CDF)

[
F(x)=
\begin{cases}
0, & x<0;\
1-p, & 0\le x<1;\
1, & x\ge1.
\end{cases}
]

---

6. 指数族与共轭先验

• 指数族形式：
  [
  P(x)=\exp\bigl{x\ln\frac p{1-p} + \ln(1-p)\bigr}
  ]
  自然参数 $\theta =\ln \frac{p}{1-p}$，充分统计量 $T(x)=x$。
• Beta 共轭先验：设先验 $p\sim \mathrm{Beta}(\alpha ,\beta )$，观测到 $s$ 次成功、$f$ 次失败，则后验
  [
  p\mid\text{data}\sim \mathrm{Beta}(\alpha+s,;\beta+f).
  ]

---

7. 参数估计与区间估计

7.1 最大似然估计 (MLE)

观测样本 { x i } i = 1 n \{x_i\}_{i=1}^n {xi​}i=1n​，对数似然：
[
\ln L§=\sum_i \bigl[x_i\ln p + (1-x_i)\ln(1-p)\bigr].
]
解得
[
\hat p_{\mathrm{MLE}}=\frac1n\sum_{i=1}^n x_i = \bar x.
]

7.2 方法矩估计 (MoM)

理论一阶矩 $E[X]=p$，令样本平均 $\bar{x}$ = 理论矩，得同样结果 ${\hat{p}}_{\mathrm{MoM}}=\bar{x}$。

7.3 贝叶斯更新 (Beta 共轭)

• 先验 $\mathrm{Beta}(\alpha ,\beta )$，观测成功 $s$，失败 $f=n-s$
• 后验 $\mathrm{Beta}(\alpha +s,\beta +f)$
• 后验均值 $\frac{\alpha +s}{\alpha +\beta +n}$ 带平滑效应。

7.4 置信区间

方法	区间估计	备注
Wald	$\hat{p}\pm z_{\alpha /2}\sqrt{\hat{p}(1-\hat{p})/n}$	简单，但小样本或 $p$ 边缘易失败
Wilson	$\frac{\hat{p}+z^2/(2n)\pm z\sqrt{\frac{\hat{p}(1-\hat{p})}{n}+\frac{z^2}{4n^2}}}{1+z^2/n}$	小样本表现更好
Clopper–Pearson	基于 Beta 反函数	精确区间，略保守

---

8. 假设检验与检验功效

• 单样本比例检验
  • 大样本 $z$ 检验：
    [
    Z=\frac{\hat p - p_0}{\sqrt{p_0(1-p_0)/n}} \sim N(0,1).
    ]
  • 小样本：Binomial Exact Test（Fisher 精确检验）。
• 双样本比例检验
  • 比较两个独立样本 ${\hat{p}}_1,{\hat{p}}_2$，联合 $z$ 检验或 Fisher 精确。
• 检验功效 (Power)
  • 给定效应量 $\Delta =p_1-p_0$，可反算所需样本量 $n$ 满足指定功效 β。

---

9. 与其他分布的关系

• 二项分布：$n$ 次独立伯努利之和。
• 几何分布：首次成功前的失败次数，支持 { 0 , 1 , 2 , …   } \{0,1,2,\dots\} {0,1,2,…}。
• 负二项分布：达到 $r$ 次成功所需的试验次数。
• 泊松近似：当 $n$ 大、$p$ 小、$\lambda =np$ 固定时，二项趋于 Poisson($\lambda$)。
• 正态近似：当 $n$ 大时，$\mathrm{Bin}(n,p)\approx N(np,np(1-p))$；特殊 $n=1$ 则退化。
• Beta–Binomial：Beta 先验 + Binomial 数据 → 复合模型，处理过度离散。

---

10. 典型应用场景

1. A/B Test & 点击率
   • 用户点击（1）与未点击（0）的分布建模。
2. 可靠性工程
   • 组件一次测试是否通过合格（1）/不合格（0）。
3. 医学诊断
   • 检测结果阳性 vs 阴性。
4. 二分类机器学习
   • 标签 y ∈ { 0 , 1 } y\in\{0,1\} y∈{0,1}，模型输出 $\hat{p}$，损失=交叉熵。
5. 信息论
   • 单比特信源的信息熵 $H(p)$ 即伯努利熵。

---

11. 常见误区与 FAQ

误区	纠正说明
“方差 = p”	正确是 $p(1-p)$；只有 $p=0,1$ 时方差为 0。
“MLE 不稳定”	当 $n$ 小且 $\hat{p}$ 接近 0/1 时，Wald 区间会失效，应用 Wilson 或 Clopper–Pearson。
“伯努利=公平抛硬币”	抛硬币只是 $p=0.5$ 的特例，任何二元事件都可用伯努利建模。
“交叉熵 ≠ 负对数似然”	在二分类里二者恰为同一表达，但上下文侧重点不同：信息论 vs 统计学。

---

12. 思维导图全景

mindmap
  root((伯努利分布 Bern(p)))
    定义
      PMF: p^x(1-p)^{1-x}
      支持: {0,1}
      参数: p∈[0,1]
    推导
      样本空间
      最大熵
      Binomial n=1
    数学性质
      E[X]=p
      Var[X]=p(1-p)
      MGF:1−p+pe^t
      熵:-p ln p-(1-p) ln(1-p)
      KL(p||q)
    指数族
      自然参 θ=ln(p/(1-p))
      Beta 共轭(α,β)
    估计
      MLE: p̂=Σx_i/n
      MoM: 同MLE
      Bayesian: Beta→Beta
      CI: Wald, Wilson, CP
    检验
      单样本 z-test
      Exact Binomial test
      双样本比例检验
    关联分布
      Binomial(n,p)
      Geometric
      NegBinomial
      Poisson 极限
    应用
      A/B 测试
      可靠性
      医学诊断
      二分类交叉熵
      信息熵
    注意事项
      方差=均值? NO
      小样本用哪种区间?
      p 边界问题

---

13. 小结

• 伯努利分布虽简单，却是离散概率的基石——所有二元事件的统计模型都从它出发。
• 关键理解：PMF、期望/方差、指数族结构、Beta 共轭更新、假设检验、与其他分布的衔接。
• 应用广泛：从 A/B 测试到深度学习，从可靠性工程到信息论。

掌握伯努利分布，等于掌握了“是/否”背后的概率语言。愿它成为你深入概率统计与机器学习的第一枚砖石。