如何在Vega formula transform中使用阶乘实现二项分布PMF计算

核心问题说明 #

Vega 表达式引擎为沙箱运行环境，仅支持官方定义的内置表达式，无法直接调用原生 JavaScript 的全局方法（如 Math.factorial），且默认未提供阶乘、组合数、二项分布相关计算函数。

实现思路 #

二项分布PMF公式为：$P(X=k) = C(n,k) \cdot p^k \cdot (1-p)^{n-k}$，其中 $C(n,k) = \frac{n!}{k! \cdot (n-k)!}$。
为避免大数值阶乘溢出、同时兼容Vega内置能力，提供两种可落地实现方案：

方案1：纯内置表达式实现（无需额外自定义代码） #

通过对数转换规避阶乘溢出，完全使用Vega内置表达式完成计算：

• 先声明二项分布参数：试验次数nval、单次成功概率pval
• 生成所有可能的k值（取值范围0到n）
• 分步计算对数累加项，最终转换为PMF概率值

对应配置片段 #

{
  "signals": [
    {"name": "nval", "value": 20},
    {"name": "pval", "value": 0.3}
  ],
  "data": [
    {
      "name": "dataset",
      "transform": [
        // 生成k值序列：0 到 nval（sequence的stop为*开区间*，因此取nval+1）
        {"type": "sequence", "start": 0, "stop": {"signal": "nval + 1"}, "step": 1, "as": "k"},
        // 生成1到k的序列，用于累加对数阶乘项
        {"type": "formula", "as": "log_factorial_k", 
         "expr": "sum(range(1, datum.k + 1), i => log(i))"},
        // 计算ln(n!) 和 ln((n-k)!)
        {"type": "formula", "as": "log_factorial_n", 
         "expr": "sum(range(1, nval + 1), i => log(i))"},
        {"type": "formula", "as": "log_factorial_nk", 
         "expr": "sum(range(1, nval - datum.k + 1), i => log(i))"},
        // 计算对数形式的PMF，再取指数得到最终概率
        {"type": "formula", "as": "pmf",
         "expr": "exp( log_factorial_n - log_factorial_k - log_factorial_nk + datum.k * log(pval) + (nval - datum.k) * log(1 - pval) )"}
      ]
    }
  ]
}

方案2：注册自定义表达式函数（适合复用场景） #

如果需要频繁使用阶乘、二项分布计算，可通过Vega官方提供的自定义表达式注册能力，在初始化Vega实例前绑定JS方法，之后即可在表达式中直接调用：

• 初始化Vega前注册自定义函数：

  // 注册阶乘函数
  vega.expressionFunction('factorial', function(n) {
    if (n < 0) return NaN;
    let res = 1;
    for (let i = 2; i <= n; i++) res *= i;
    return res;
  });
  // 注册直接计算二项分布PMF的函数
  vega.expressionFunction('binomialPMF', function(k, n, p) {
    if (k < 0 || k > n) return 0;
    const comb = factorial(n) / (factorial(k) * factorial(n - k));
    return comb * Math.pow(p, k) * Math.pow(1 - p, n - k);
  });
  

• 配置中即可直接调用自定义函数计算y值，替换原错误的math.factorial逻辑：

  {"type": "formula", "as": "pmf", "expr": "binomialPMF(datum.k, nval, pval)"}
  

直方图绘制配置补充 #

计算完成PMF值后，直接绑定条形图标记即可完成绘制，核心映射规则：

• X轴绑定k字段
• Y轴绑定pmf字段
• 条形宽度根据k值间隔设置，实现直方图效果

注意：Vega的sequence变换stop参数为开区间，生成连续整数序列时需将目标最大值加1作为stop值，避免最后一个k值缺失。

内容的提问来源于stack exchange，提问作者Jaidev V