伯努利试验（Bernoulli trial） 是概率论中的一个基本概念，它指的是只有两种可能结果的随机实验，这两种结果通常被称为成功和失败。伯努利试验的名字来源于瑞士数学家雅各布·伯努利（Jacob Bernoulli），他是概率论的重要奠基者之一。
1. 伯努利试验的定义
伯努利试验是一个单次随机实验，它具有以下特征：
- 试验结果只有两种可能性，通常称为成功和失败。
- 发生成功的概率为 p p p，发生失败的概率为 1 − p 1 - p 1−p，其中 0 ≤ p ≤ 1 0 \leq p \leq 1 0≤p≤1。
数学表达
设 X X X 为一个伯努利随机变量，表示一次伯努利试验的结果。 X X X 可以取值 1 或 0：
- X = 1 X = 1 X=1 表示成功，发生概率为 P ( X = 1 ) = p P(X = 1) = p P(X=1)=p。
- X = 0 X = 0 X=0 表示失败，发生概率为 P ( X = 0 ) = 1 − p P(X = 0) = 1 - p P(X=0)=1−p。
伯努利随机变量的概率分布可以表示为：
P ( X = x ) = { p 如果 x = 1 1 − p 如果 x = 0 P(X = x) = \begin{cases} p & \text{如果 } x = 1 \\ 1 - p & \text{如果 } x = 0 \end{cases} P(X=x)={p1−p如果 x=1如果 x=0
这种二项结果的试验模型也被称为两点分布或者0-1分布。
2. 伯努利试验的例子
伯努利试验的一个重要特性是结果的二元性，也就是说，它的结果只能是成功或失败。这使得伯努利试验在许多实际应用中广泛使用。
以下是一些伯努利试验的例子：
-
投掷硬币：将一枚硬币抛向空中，可能的结果是正面或反面。假设出现正面的概率为 p p p，那么这是一次伯努利试验，其中成功可以定义为“正面朝上”，而失败可以定义为“反面朝上”。
-
产品检测：检查某个生产线上生产的产品是否有缺陷。这里，可能的结果是合格（成功）或不合格（失败）。假设合格的概率为 p p p，那么每次检测就是一次伯努利试验。
-
考试通过率：假设某个学生参加考试，通过的概率为 p p p，而不通过的概率为 1 − p 1 - p 1−p。那么这场考试可以视作一次伯努利试验，结果要么是通过（成功），要么是不通过（失败）。
3. 伯努利试验的期望值与方差
伯努利试验可以通过期望值和方差来描述其统计特征。
a. 期望值（Expectation）
伯努利试验的期望值 E ( X ) E(X) E(X) 表示成功的平均概率。伯努利随机变量 X X X 的期望值为：
E ( X ) = 1 ⋅ p + 0 ⋅ ( 1 − p ) = p E(X) = 1 \cdot p + 0 \cdot (1 - p) = p E(X)=1⋅p+0⋅(1−p)=p
即，伯努利试验的期望值就是成功的概率 p p p。
b. 方差（Variance）
方差 V a r ( X ) Var(X) Var(X) 用于衡量伯努利随机变量 X X X 的波动性。伯努利试验的方差为：
V a r ( X ) = E ( X 2 ) − ( E ( X ) ) 2 = p ( 1 − p ) Var(X) = E(X^2) - (E(X))^2 = p(1 - p) Var(X)=E(X2)−(E(X))2=p(1−p)
即，伯努利试验的方差取决于成功概率 p p p 和失败概率 1 − p 1 - p 1−p 的乘积。
4. 多次伯努利试验与二项分布
多次独立的伯努利试验 是指重复进行多次相同的伯努利试验，且每次试验之间是相互独立的。每次试验的成功概率 p p p 都是相同的。这种情况下，如果我们进行 n n n 次独立的伯努利试验，统计成功发生的次数，那么成功次数 X X X 就服从二项分布。
二项分布（Binomial Distribution）
设 X X X 表示 n n n 次独立的伯努利试验中成功的次数，则 X X X 服从参数为 n n n 和 p p p 的二项分布，其概率质量函数为：
P ( X = k ) = ( n k ) p k ( 1 − p ) n − k , k = 0 , 1 , 2 , … , n P(X = k) = \binom{n}{k} p^k (1 - p)^{n - k}, \quad k = 0, 1, 2, \dots, n P(X=k)=(kn)pk(1−p)n−k,k=0,1,2,…,n
其中， ( n k ) \binom{n}{k} (kn) 是组合数，表示在 n n n 次试验中，恰好有 k k k 次成功的方式数。
- 例如，投掷硬币 10 次，统计出现正面的次数，这是一个二项分布问题，每次硬币出现正面的概率为 p p p，而出现 k k k 次正面的概率可以用二项分布公式计算。
5. 伯努利试验的性质
a. 独立性
伯努利试验的一个关键性质是独立性。每次伯努利试验的结果不会受到其他试验结果的影响，换句话说，前一次试验的结果（无论成功或失败）不会改变下一次试验的成功概率。
b. 成功概率的稳定性
伯努利试验的成功概率 p p p 是固定的。无论进行多少次试验，成功的概率不会改变。
c. 记忆无关性
伯努利试验具有“记忆无关性”，即下一次试验的结果不依赖于过去的试验结果。这使得伯努利试验能够用于建模许多独立的随机现象。
6. 伯努利试验的实际应用
a. 医学实验
在药物实验中，伯努利试验常用于建模某种治疗方法是否有效。每个病人的治疗结果（成功或失败）都可以被看作是一次伯努利试验。
b. 生产过程的质量控制
在工厂生产中，每个产品可能是合格或不合格，这就是一个伯努利试验。如果对某批产品进行抽样检测，可以用伯努利试验的结果来推断整个生产过程的质量水平。
c. 金融市场中的涨跌
金融市场中的涨跌也可以看作是伯努利试验。假设某个股票每天有上涨或下跌两种可能，上涨的概率为 p p p，下跌的概率为 1 − p 1 - p 1−p。每个交易日的结果就是一次伯努利试验。
d. 通信系统中的错误检测
在通信系统中，每次传输可能会有错误或无错误。传输过程中的每次错误检测可以看作是伯努利试验，成功的概率是无错误，失败的概率是检测到错误。
7. 总结
伯努利试验 是一个基本的随机实验模型，用于描述只有两个可能结果的事件。它具有独立性和固定的成功概率 p p p，被广泛应用于统计学、概率论及其众多实际领域。通过多次伯努利试验可以构建出二项分布，这使得它在研究重复独立实验、质量控制、金融分析等领域有着重要的应用。
