概率论 · 二项分布

高尔顿板

一颗小球落进钉阵,每碰到一颗钉子就随机往左或往右掉一格。单看一颗球,落点完全不可预测; 可成千上万颗球堆起来,中间高、两边低的钟形曲线就自己长了出来。这块板子(也叫豆子机、quincunx) 是中心极限定理最古老的实物演示。

试验台

每颗球要经过 N 次左右二选一,落入「向右次数 = k」的格子。柱高是实际球数,绿色虚线是正态近似曲线,绿色空心点是精确的二项分布概率。

按「开始放球」,或直接点「投 1000 球」
落球速度 4.2 层/秒
累计球数0
经验均值 k̄—
理论期望 Np6.00
经验标准差—
理论标准差 √(Npq)1.73
与理论最大偏差—

逐格对照

「路径数」是到达该格的不同走法数量 C(N,k)。中间格路径最多,这正是钟形中间高、两边低的组合学原因——和概率无关,纯粹是数数。

向右次数 k 路径数 C(N,k) 球数 观测占比 理论占比

五件值得亲手试的事

每一条都对应一个容易被忽略的细节。

1

先看 20 颗球,再看 2000 颗

刚放几颗球时,柱子高矮全凭运气,看不出任何形状。点「投 1000 球」之后,钟形立刻显现。 形状不是设计出来的,是数量堆出来的。

2

盯住一颗球的路径

默认会画出最近一颗球的完整轨迹(橙色折线)。它每一次左右都毫无规律,甚至可能一路往右跑到最边上。 单颗球的不可预测,和整堆球的有序,同时成立。

3

把行数从 4 拉到 18

行数越多,格子越多、柱子越密,钟形越光滑。同时观察「与理论最大偏差」这一格:它随球数增加而变小, 但随行数增加变化不大——因为每种配置下你投的球数是有限的。

4

把 p 改成 0.7

板子整体右移、左侧被拉出长尾。期望变成 Np,标准差变成 √(Npq)——p 越偏离 0.5,分布越不对称, 但只要 N 够大,它仍然近似正态,只是中心不在中间。

5

对照绿色曲线与绿色圆点

圆点是精确的二项分布概率,虚线是正态近似。N=4 时两者明显不合;N 越大,虚线越贴合圆点。 这就是棣莫弗–拉普拉斯定理:二项分布在大 N 下趋于正态。

原理解读

从一次弹跳到整块板子,中间只隔着一个组合数。

1为什么是二项分布

把「向右」记为 1、「向左」记为 0。一颗球经过 N 颗钉子,就是 N 次独立同分布的伯努利试验, 向右的次数

K = X1 + X2 + ⋯ + XN  Xi ~ Bernoulli(p)

因此 K 服从二项分布。要恰好落进第 k 格,必须在 N 次选择里挑出 k 次向右——这样的走法有 CNk 种,每种的概率都是 pk(1−p)N−k:

P(K = k) = NCk pk(1−p)N−k   k = 0, 1, …, N

表格里的「路径数」就是 CNk。第 12 行是 1, 12, 66, 220, 495, 792, 924, 792, …——中间最大, 所以中间格最容易接住球。钟形的第一层原因,是数数,不是概率。

当 p = 0.5 时各格概率正比于路径数,柱子高度就变成了帕斯卡三角的第 N 行。

2均值与标准差的来历

N 次独立试验,每次的贡献是 0 或 1,期望 p、方差 p(1−p)。可加性直接给出:

μ = Np σ2 = Np(1−p)

试验台右侧把「经验均值 / 经验标准差」与这两个理论值并排放,就是为了让你看到它们随球数增加而贴合。

注意 σ 按 √N 增长,而 μ 按 N 增长——所以板子越宽,钟形只是被"横向拉伸", 相对宽度 σ/μ 反而在缩小。

3为什么极限是正态

把 K 标准化:

(K − Np) / √(Np(1−p)) d⟶ N(0, 1)

这就是棣莫弗–拉普拉斯定理,也是中心极限定理最早的特例。它成立的原因很朴素: K 是 N 个独立小量的和,而大量独立小量之和趋于正态,与每个小量本身长什么样关系不大。

所以换成别的随机源(骰子、指数分布),只要叠加得够多,形状照样是钟形。高尔顿板只是把"叠加"这件事摆成了看得见的钉子。

4它在哪里出现

  • 测量误差:一次测量受许多独立小扰动影响,误差之和趋于正态——这是误差分析里"正态假设"的来源。
  • 统计推断:样本均值在大样本下近似正态,t 检验、置信区间都建立在这上面。
  • 金融与风险:把日收益看成许多小额冲击的叠加,就得到对数正态/正态的资产价格模型(也是它失效时会"厚尾"的原因)。
  • 物理扩散:布朗运动的位置分布、热扩散的浓度分布,都是同一套数学。

三个常见误解

它们都来自把"整体形状"错当成"个体规律"。

!

球会互相排斥,所以中间的越来越多?

不会。球与球之间没有任何作用,每一颗都独立地走完自己的 N 步。中间多,是因为通往中间的路径多—— 打开「显示最近一球的路径」,你会看到它完全不理会别人。

!

钟形曲线是板子的形状决定的吧?

板子是三角形,但柱子高度不是三角形。若只由几何决定,最边上也会有同样多的路径。 实际上第 k 格的球数正比于 C(N,k),是指数级的中间隆起——这是组合学,不是几何。

!

看得久了,就能预测下一颗球落哪?

不能。球多了只会让柱子的高度更稳定,单颗球的落点始终是二项分布的一次抽样。 这正是大数定律的边界:频率收敛,个体依旧随机。

一句话总结:高尔顿板把"大量独立随机选择之和"做成了实体模型——每一次弹跳都不可预测, 但落点的分布被组合数锁死成二项分布,再被中心极限定理推向正态。 随机性没有消失,它只是被整理成了形状。