外觀
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 | p | p | p(1−p) | 一位病人是否有反應 |
| Binomial 二項 | n 次試驗中幾次成功? | n, p | np | np(1−p) | 100 人中幾人點擊廣告 |
| Poisson 卜瓦松 | 固定區間內發生幾次? | λ | λ | λ(= 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) | μ | μ + αμ² | RNA-seq read count |
| Geometric 幾何 | 第幾次才第一次成功? | p | 1/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, n | nK/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。
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) |
|---|---|
![]() | ![]() |
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 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。
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
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:
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
幾何分配 (Geometric)
第一次成功出現在第 k 次試驗的機率:
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
無記憶性 (memoryless):
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:
| Binomial | Hypergeometric | |
|---|---|---|
| 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。

