关于构建带相关性结构的二项联合概率分布及求解其均值与方差的技术咨询

阿华AIGC实验室

2026-4-23

构建带相关性结构的二项联合概率分布及求解其均值与方差的技术咨询

嘿，你提的这个问题非常好——带相关性的联合二项分布确实存在，而且有几种常用的构造方式，刚好可以结合你举的硬币翻转例子来一步步拆解清楚！

首先，先从你给出的那个依赖型硬币翻转例子入手，再扩展到通用的联合二项分布构造方法，最后讲清楚均值、方差的计算方式：

一、先拆解你的具体例子：马尔可夫依赖的伯努利序列

你说的“头后跟头概率0.6，尾后跟尾概率0.6”属于一阶马尔可夫伯努利序列——每一次翻转的结果只依赖前一次的状态。先从两次翻转的联合分布开始分析：

1. 两次翻转的联合分布

首先求平稳状态下的边缘概率：设单次翻转出正面（X=1）的概率为π，根据平稳性，π = P(X₂=1|X₁=1)P(X₁=1) + P(X₂=1|X₁=0)P(X₁=0)，代入数值可得：
$$π = 0.6π + 0.4(1-π)$$
解这个方程得到π=0.5，也就是说单次翻转的边缘概率和公平硬币一样，但相邻翻转有相关性。

那两次翻转的联合概率分布为：

P(X₁=1,X₂=1) = 0.6×0.5 = 0.3
P(X₁=1,X₂=0) = 0.4×0.5 = 0.2
P(X₁=0,X₂=1) = 0.4×0.5 = 0.2
P(X₁=0,X₂=0) = 0.6×0.5 = 0.3

由此可以算出协方差：
$$Cov(X₁,X₂) = E[X₁X₂] - E[X₁]E[X₂] = 0.3 - 0.5×0.5 = 0.05$$
相关系数ρ=0.05/(0.5×0.5)=0.2，确实存在正相关性。

2. 扩展到二项变量（多次翻转的成功数）

如果Y₁是n₁次这类依赖翻转的正面次数，Y₂是紧接着的n₂次翻转的正面次数，我们可以计算它的矩：

均值：因为平稳状态下单次翻转的成功概率是0.5，所以E[Y₁]=0.5n₁，E[Y₂]=0.5n₂，和独立二项分布的均值一致。
方差：马尔可夫二项分布的方差比独立二项分布要大（因为正相关性），公式为：
$$Var(Y₁) = n₁π(1-π) + 2(n₁-1)π(1-π)ρ$$
代入π=0.5，ρ=0.2，可得：
$$Var(Y₁) = 0.25n₁ + 0.2(n₁-1) = 0.45n₁ - 0.2$$
Y₂的方差同理可得。
协方差：Y₁和Y₂的依赖仅通过Y₁的最后一次翻转状态，我们可以通过相邻变量的相关系数衰减规律（间隔k次的翻转相关系数为ρᵏ）来求和计算：
$$Cov(Y₁,Y₂) = \frac{ρ(1-ρ^{n₁})(1-ρ{n₂})}{(1-ρ)^2}$$
代入ρ=0.2，就是：
$$Cov(Y₁,Y₂) = \frac{0.2(1-0.2^{{n₁})(1-0.2}{n₂})}{0.8^2} = \frac{5}{16}(1-0.2^{{n₁})(1-0.2}{n₂})$$

二、通用的带相关性联合二项分布构造方法

除了马尔可夫依赖，还有几种常用的构造方式，适用于不同的相关性场景：

1. 共享随机效应（复合二项分布）

引入一个共享的随机变量θ（比如服从Beta分布），给定θ后，两组伯努利试验独立，且每个试验的成功概率都是θ。此时Y₁=ΣX₁ⱼ（n₁次试验）和Y₂=ΣX₂ⱼ（n₂次试验）的联合分布是Beta-二项联合分布，有闭合形式的概率质量函数：
$$f_{Y_1,Y_2}(y_1,y_2) = \frac{\Gamma(α+β)}{\Gamma(α)\Gamma(β)} \frac{\Gamma(α+y_1+y_2)\Gamma(β+n_1+n_2-y_1-y_2)}{\Gamma(α+β+n_1+n_2)} \binom{n_1}{y_1}\binom{n_2}{y_2}$$
其中θ~Beta(α,β)，边缘分布Y₁和Y₂都是Beta-二项分布，它们的协方差和相关系数可以通过Beta分布的参数直接计算：
$$Cov(Y₁,Y₂) = \frac{n₁n₂αβ}{(α+β)^2(α+β+1)}$$
$$ρ = \sqrt{\frac{αβ}{(α+β)(α+β+1)}}$$

2. 潜在正态变量（Probit/Logit链接）

利用二元正态变量的相关性生成相关的伯努利变量：假设(Z₁,Z₂)是二元正态变量，相关系数为ρ，定义X₁ⱼ=1当且仅当Z₁>Φ⁻¹(p₁)，X₂ⱼ=1当且仅当Z₂>Φ⁻¹(p₂)（Φ是标准正态CDF）。此时Y₁=ΣX₁ⱼ和Y₂=ΣX₂ⱼ就是两个相关的二项变量，边缘分布分别为Binomial(n₁,p₁)和Binomial(n₂,p₂)。这种方法的联合分布没有闭合形式，但可以通过数值积分计算，常用于统计建模（比如广义线性模型）。