離散分布

二項分配的形狀(shape of the binomial)

如果你畫出二項分配的長條圖——對 0 到 n 的每個可能成功次數各畫一根長條——一個清楚的個性會浮現,知道它能讓你一眼檢核答案是否合理。長條升至單一高峰再落下,像一座或歪斜或對稱的小丘。峰在哪、丘有多歪,都僅由 n 與 p 控制。

三件事決定了這幅圖。第一是中心:最可能的次數聚集在均值 np 附近。第二是對稱性:當 p = 0.5 圖形完全對稱(正面與反面可互換);當 p 很小,它向右傾斜,朝較大次數拖出長尾(想想罕見的成功);當 p 很大則向左傾斜。偏態等於 (1 - 2p) 除以 np(1 - p) 的平方根,因此在 p = 0.5 時為零,並隨 n 增大而縮小。第三是離散:標準差為 np(1 - p) 的平方根,所以試驗愈多小丘愈寬,但中心附近的長條也各自變矮,因為機率被攤到更多結果上。

最美的後果是:隨著 n 增大,二項的長條會描繪出熟悉的鐘形曲線。這正是中央極限定理在運作——二項是 n 個獨立 0/1 試驗之和,而許多獨立片段之和會趨於常態。常見的經驗法則說,一旦 np 與 n(1 - p) 都超過約 10,常態近似就還不錯。但要小心另一個極限:若改成 p 縮小而 np 維持中等,鐘形永遠不會成形,你得到的反而是歪斜的卜瓦松形狀。

Binomial(10, 0.5) 對稱,峰在 5。Binomial(10, 0.1) 右偏,峰在 1,朝 5 或 6 拖出細長的尾巴。兩者都完全由 n 與 p 決定。

p = 0.5 時對稱;否則朝罕見的一側偏斜;n 增大時趨於鐘形。

常態近似可能對不可能的次數(如負數或超過 n)算出正機率。連續性校正有幫助;而對小 p、np 中等的情形,卜瓦松形狀比鐘形更貼切。

又称
binomial symmetry and skew二項分配的對稱與偏態