# 伯努利样本、标准误与 Z 分数

[[MCS/day11/00 学习指南|day11 学习指南]] · [[MCS/00 MCS学习总览|十一天总览]] · [[MCS/day11/阅读核验与疑问|阅读核验与疑问]] · 上一篇：[[MCS/day11/07 大数定律、中心极限定理与赌场问题|大数定律、中心极限定理与赌场问题]] · 下一篇：[[MCS/day11/09 概率分布采样与 NumPy 实践|概率分布采样与 NumPy 实践]]

> 来源：[[MCS/day11补充2|day11补充2]]。用途：补充。原有推导、追问与解答保留；阅读时请结合本日核验说明。

## 概率论与数理统计题目解答

### 题目信息
**已知条件：**
*   单次试验成功概率 p = 0.2
*   失败概率 q = 1 - p = 0.8
*   成功记作 X=1，失败记作 X=0

---

### (1) 求单次的期望和方差

设单次试验的结果为随机变量 X。这是一个典型的伯努利分布 B(1, p)。

*   **期望 E(X)：**
    E(X) = 1 * p + 0 * (1-p) = p = **0.2**
*   **方差 Var(X)：**
    方法一：利用公式 Var(X) = E(X^2) - [E(X)]^2
    因为 X 只能取 0 或 1，所以 X^2 也只能取 0 或 1，故 E(X^2) = E(X) = 0.2。
    Var(X) = 0.2 - (0.2)^2 = 0.2 - 0.04 = **0.16**
    方法二：直接利用伯努利分布方差公式 Var(X) = p(1-p)
    Var(X) = 0.2 * 0.8 = **0.16**

**答案：(1) 期望为 0.2，方差为 0.16。**

---

### (2) n = 1600 时，样本均值的标准差是多少？

样本均值 X_bar 的标准差也被称为**标准误 (Standard Error)**。

根据中心极限定理和样本均值的性质：
*   样本均值的方差 Var(X_bar) = Var(X) / n
*   样本均值的标准差 sigma_X_bar = sqrt(Var(X_bar)) = sqrt(Var(X)) / sqrt(n) = sigma / sqrt(n)

代入数据：
sigma_X_bar = sqrt(0.16) / sqrt(1600) = 0.4 / 40 = **0.01**

**答案：(2) 样本均值的标准差是 0.01。**

---

### (3) 距离有几个标准差？能不能据此说「下一次必须失败来把频率还回去」？

### 第一问：距离有几个标准差？

我们计算观察到的成功率（样本均值）与理论期望值之间的差值，然后除以标准差（标准误）。

Z = (观察值 - 期望值) / 标准差 = (0.23 - 0.2) / 0.01 = 0.03 / 0.01 = **3**

也就是说，这个结果距离期望值有 **3 个标准差**。

### 第二问：能不能据此说「下一次必须失败来把频率还回去」？

**不能。**

理由如下：
1.  **独立性原则：** 题目开头已经明确说明“各次独立”。这意味着每一次试验的结果互不影响。之前的结果无论怎样，都不会改变下一次试验成功的概率。下一次试验成功的概率依然是 p = 0.2。
2.  **大数定律的误解（赌徒谬误）：** 大数定律指出，当试验次数 n 趋于无穷大时，样本频率会趋近于理论概率。但这并不是通过“补偿”过去来实现的，而是通过未来大量的试验将之前的偏差“稀释”掉。
    *   即使接下来连续失败很多次，使得总频率下降，这也不是因为“必须还回去”，而是因为分母 n 变大了。
    *   在统计学上，并没有一种力量强制要求短期内的偏差必须在接下来的几次试验中立即被修正。

**答案：(3) 距离有 3 个标准差。不能这样说。因为各次试验是独立的，下一次试验成功的概率仍然是 0.2，并不受之前结果的影响。**

---

## 补充知识点：什么是“距离几个标准差”？（Z 分数概念）

在上述计算中，我们使用了 **Z 分数（Z-score）**，或者更通俗地称为 **标准分（Standard Score）**。

### 1. 核心公式
Z = (观察值 - 期望值) / 标准差（标准误）

*   **分子（观察值 - 期望值）：** 代表的是**绝对偏差**。在题目里，就是 0.23 - 0.2 = 0.03。它告诉你，实际结果比理论预期高出了 0.03。
*   **分母（标准差/标准误）：** 代表的是**“正常的波动范围”**。在题目里，样本均值的标准差是 0.01。这表示在正常情况下，由于随机性，每次做 1600 次试验，成功率在 0.2 上下波动 0.01 是很正常的。
*   **Z 值（3）：** 代表的是**相对偏差**。它把绝对偏差“标准化”了。意思是：你这次的偏差（0.03），是正常波动幅度（0.01）的 **3 倍**。

### 2. 为什么要有这个概念？（直观理解）
想象一下，如果只看绝对偏差 0.03，你很难判断这个偏差算大还是算小。
*   如果标准差是 0.1（波动很大），那么偏差 0.03 根本不算什么，Z 值只有 0.3。
*   但如果标准差是 0.01（波动很小），那么偏差 0.03 就显得非常突兀了，Z 值达到了 3。

所以，Z 分数就是把不同的数据放到同一个“尺子”下去衡量，看它到底偏离了平均水平多远。

### 3. 在统计学中的意义（正态分布与 68-95-99.7 法则）
当样本量足够大时（比如题目中的 n=1600），根据**中心极限定理**，样本均值的分布会近似服从**正态分布**。在正态分布中，Z 分数有一个非常著名的经验法则：

*   **Z 在 -1 到 +1 之间（1 个标准差内）：** 包含约 **68%** 的数据。也就是说，大部分正常的随机波动都在这个范围内。
*   **Z 在 -2 到 +2 之间（2 个标准差内）：** 包含约 **95%** 的数据。
*   **Z 在 -3 到 +3 之间（3 个标准差内）：** 包含约 **99.7%** 的数据。

**结论：**
计算出 Z = 3，意味着这个结果（0.23 的成功率）落在偏离期望值 3 个标准差的位置。
在统计学上，超过 2 个标准差（即概率小于 5%）通常就被认为是**“小概率事件”**；超过 3 个标准差（概率小于 0.3%）则是**非常罕见的事件**。

这说明，如果真实的成功概率真的是 0.2，那么在一次 1600 次的试验中得到 0.23 这么高的成功率，是非常罕见的（属于小概率事件）。这通常会引起研究者的警觉，怀疑是不是前提条件（真实的 p 值）出了问题，或者只是运气极其好地碰上了那 0.3% 的极端情况。