Skip to content

Statistics › 機率與分配 › 離散分配

離散分配 (Discrete Distributions) ​

描述只能取可數值(通常是非負整數)的隨機變數。選哪一個取決於資料的產生過程。

選擇指南 ​

分配問題參數平均變異數典型情境
Bernoulli單次試驗成功與否ppp(1−p)一位病人是否有反應
Binomial 二項n 次試驗中幾次成功?n, pnpnp(1−p)100 人中幾人點擊廣告
Poisson 卜瓦松固定區間內發生幾次?λλλ(= 平均)每小時到站人數、每 kb 突變數
Negative Binomial 負二項計數資料,但變異 > 平均μ, α(或 r, p)μμ + αμ²RNA-seq read count
Geometric 幾何第幾次才第一次成功?p1/p(1−p)/p²等第一筆成交
Hypergeometric 超幾何不放回抽樣中幾個成功?N, K, nnK/N見下品管抽檢、基因集富集分析

二項分配 (Binomial) ​

條件:試驗次數 n 固定、每次只有兩種結果、成功機率 p 不變、各次獨立。Binomial 就是 n 個 Bernoulli 的和。

P(X=k)=(nk)pk(1−p)n−k

推導見 Binomial 平均與變異數推導。

python
from scipy.stats import binom

n, p = 20, 0.3
binom.mean(n, p), binom.var(n, p)   # 6.0, 4.2
binom.pmf(6, n, p)                  # P(X = 6)
binom.cdf(6, n, p)                  # P(X ≤ 6)
binom.sf(8, n, p)                   # P(X > 8)
Binomial(20, 0.3)常態近似 (n=50, p=0.4)
BinomialBinomial normal approximation

近似規則

條件近似為
n 大、p 不極端(np ≥ 5 且 n(1−p) ≥ 5)常態 N(np, np(1−p)),即 CLT 的預告
n 很大、p 很小(罕見事件)Poisson(λ = np)

卜瓦松分配 (Poisson) ​

條件:事件在固定時間 / 空間區間內隨機發生、彼此獨立、平均發生率 λ 固定。

P(X=k)=e−λλkk!,k=0,1,2,…

推導見 Poisson 平均與變異數推導。

python
from scipy.stats import poisson
import numpy as np

lam = 4
poisson.pmf(4, lam), poisson.cdf(6, lam), poisson.sf(6, lam)

# 診斷:實際資料的變異數 ≈ 平均嗎?
counts = np.array([2, 4, 3, 5, 7, 4, 2, 6, 5, 3, 4, 4])
counts.mean(), counts.var(ddof=1)   # 變異數 >> 平均 → 過度離散

Poisson

過度離散 (overdispersion):變異數遠大於平均。真實計數資料(尤其生物重複間的基因表現量)幾乎都如此,原因是隱藏的異質性 (heterogeneity) 或事件間相依。此時改用 Negative Binomial。

負二項分配 (Negative Binomial) ​

兩種常見的理解方式:

觀點說明
等待時間第 r 次成功前失敗了幾次(Geometric 是 r = 1 的特例)
Poisson–Gamma 混合每個樣本的 λ 本身也是隨機的(來自 Gamma 分配)→ 計數比 Poisson 更分散

第二種觀點是生物資料使用它的原因:Var=μ+αμ2,α 為離散參數 (dispersion),α → 0 時退化為 Poisson。DESeq2、edgeR 等 RNA-seq 差異表現 (differential expression) 工具都以 NB 為核心。迴歸用法見 GLM 與計數模型。

python
from scipy.stats import nbinom

# scipy 使用 (n, p) 參數化;由平均 μ 與離散 α 轉換
mu, alpha = 10, 0.5
n = 1 / alpha
p = n / (n + mu)
nbinom.mean(n, p), nbinom.var(n, p)   # 10, 10 + 0.5*100 = 60

Poisson vs Negative Binomial

幾何分配 (Geometric) ​

第一次成功出現在第 k 次試驗的機率:

P(X=k)=(1−p)k−1p,k=1,2,…

推導見 Geometric 平均與變異數推導。

python
from scipy.stats import geom

geom.mean(0.2)        # 平均需要 5 次
geom.cdf(5, 0.2)      # 5 次內成功的機率

Geometric

無記憶性 (memoryless):P(X>m+n∣X>m)=P(X>n)。過去失敗多少次,不影響未來成功的機率。連續版本是 Exponential。

超幾何分配 (Hypergeometric) ​

從大小 N(含 K 個成功)的有限母體中不放回抽 n 個,抽到 k 個成功的機率:

P(X=k)=(Kk)(N−Kn−k)(Nn),Var(X)=nKNN−KNN−nN−1⏟有限母體校正
BinomialHypergeometric
抽樣放回(或母體無限大)不放回、有限母體
各次獨立是否
成功機率固定每抽一次就改變
python
from scipy.stats import hypergeom

# 100 件中有 15 件不良,抽 10 件
N, K, n = 100, 15, 10
hypergeom.mean(N, K, n)        # 1.5
hypergeom.sf(2, N, K, n)       # P(X ≥ 3)

生資應用:基因集富集分析 (over-representation analysis) 基因體共 N = 20,000 個基因,某 pathway 有 K = 200 個;你的差異表現基因清單有 n = 500 個,其中 k = 15 個落在此 pathway。超幾何右尾機率 hypergeom.sf(k-1, N, K, n) 就是 GO / KEGG enrichment 的 p 值(等同單尾 Fisher's exact test)。對上千個 pathway 檢定後要做 多重檢定校正。