二项分布公式

P(X=k)=C(n,k)(p^k)*(1-p)^(n-k)

n是试验次数,k是指定事件发生的次数,p是指定事件在一次试验中发生的概率。

在概率论和统计学中,二项分布是n个独立的是/非试验中成功的次数的离散概率分布,其中每次试验的成功概率为p。这样的单次成功/失败试验又称为伯努利试验。实际上,当n=1时,二项分布就是伯努利分布,二项分布是显著性差异的二项试验的基础。

扩展资料

二项分布是离散型分布,概率直方图是跃阶式的。因为x为不连续变量,用概率条图表示更合适,用直方图表示只是为了更形象些。

1、当p=q时图形是对称的

例如,

 ,p=q=1/2,各项的概率可写作:

2、当p≠q时,直方图呈偏态,p<q与p>q的偏斜方向相反。如果n很大,即使p≠q,偏态逐渐降低,最终成正态分布,二项分布的极限分布为正态分布。

故当n很大时,二项分布的概率可用正态分布的概率作为近似值。一般规定:当p<q且np≥5,或p>q且nq≥5,这时的n就被认为很大,可以用正态分布的概率作为近似值了。

参考资料来源:百度百科-二项分布



用比值法就可以.P(X=k)/P(X=k-1)=(n-k+1)p/k(1-p)所以当(n-k+1)p>k(1-p),也就是k1也就是当k<(n+1)p时,P(X=k)单调增.所以最大值是:k=(n+1)p向下取整

  • 浜岄」鍒嗗竷姒傜巼鍏紡
    绛旓細浜岄」鍒嗗竷姒傜巼鍏紡鏄疨(X=k)=C(n,k)(p^k)*(1-p)^(n-k)锛屽湪姒傜巼璁哄拰缁熻瀛︿腑锛屼簩椤瑰垎甯冩槸n涓嫭绔嬬殑鎴愬姛/澶辫触璇曢獙涓垚鍔熺殑娆℃暟鐨勭鏁f鐜囧垎甯冿紝鍏朵腑姣忔璇曢獙鐨勬垚鍔熸鐜囦负p銆傝繖鏍风殑鍗曟鎴愬姛/澶辫触璇曢獙鍙堢О涓轰集鍔埄璇曢獙銆傚疄闄呬笂锛屽綋n=1鏃讹紝浜岄」鍒嗗竷灏辨槸浼姫鍒╁垎甯冦傚湪n娆$嫭绔嬮噸澶嶇殑浼姫鍒╄瘯楠屼腑...
  • 浜岄」鍒嗗竷鎶芥牱鍒嗗竷鎬庝箞姹
    绛旓細鍏紡鏄疨(X=k)=C(n锛宬)(p^k)*(1-p)^(n-k)銆浜岄」鍒嗗竷鍏紡鏄疨锛圶=k)=C(n锛宬)锛坧^k锛*(1-p)^(n-k)n鏄瘯楠屾鏁帮紝X琛ㄧず闅忔満璇曢獙鐨勭粨鏋溿俴鏄寚瀹氫簨浠跺彂鐢熺殑娆℃暟锛宲鏄寚瀹氫簨浠跺湪涓娆¤瘯楠屼腑鍙戠敓鐨勬鐜囥備簩椤瑰垎甯冩槸鐢变集鍔埄鎻愬嚭鐨勬蹇碉紝鎸囩殑鏄噸澶峮娆$嫭绔嬬殑浼姫鍒╄瘯楠屻
  • 浜岄」鍒嗗竷鍏紡
    绛旓細P锛圶=k)=C(n,k)锛坧^k锛*(1-p)^(n-k)n鏄瘯楠屾潵娆℃暟锛宬鏄寚瀹氫簨浠跺彂鐢熺殑娆℃暟锛宲鏄寚瀹氫簨浠跺湪涓娆¤瘯楠屼腑鍙戠敓鐨勬鐜囥傚湪姒傜巼璁哄拰缁熻瀛︿腑锛浜岄」鍒嗗竷鏄痭涓嫭绔嬬殑鏄/闈炶瘯楠屼腑鎴愬姛鐨勬鏁扮殑绂绘暎姒傜巼鍒嗗竷锛屽叾涓瘡娆¤瘯楠岀殑鎴愬姛姒傜巼涓簆銆傝繖鏍风殑鍗曟鎴愬姛/澶辫触璇曢獙鍙堢О涓轰集鍔埄璇曢獙銆傚疄闄呬笂锛屾簮褰搉=1...
  • 浜岄」鍒嗗竷鐨勬剰涔夋槸浠涔?
    绛旓細浜岄」鍒嗗竷灏辨槸閲嶅n娆$嫭绔嬬殑浼姫鍒╄瘯楠屻傚湪姣忔璇曢獙涓彧鏈変袱绉嶅彲鑳界殑缁撴灉锛岃屼笖涓ょ缁撴灉鍙戠敓涓庡惁浜掔浉瀵圭珛锛屽苟涓旂浉浜掔嫭绔嬶紝涓庡叾瀹冨悇娆¤瘯楠岀粨鏋滄棤鍏炽備簨浠跺彂鐢熶笌鍚︾殑姒傜巼鍦ㄦ瘡涓娆$嫭绔嬭瘯楠屼腑閮戒繚鎸佷笉鍙橈紝鍒欒繖涓绯诲垪璇曢獙鎬荤О涓簄閲嶄集鍔埄瀹為獙锛屽綋璇曢獙娆℃暟涓1鏃讹紝浜岄」鍒嗗竷鏈嶄粠0-1鍒嗗竷銆浜岄」鍒嗗竷鍏紡鎺ㄥ埌杩囩▼锛...
  • 浜岄」鍒嗗竷鐨勬湡鏈涘拰鏂瑰樊鍏紡鎺ㄥ
    绛旓細Var(X)=Var(X1)+Var(X2)+⋯+Var(Xn)姣忔璇曢獙涓垚鍔熺殑鏂瑰樊涓簆(1−p)銆傚洜姝わ細Var(Xi)=p(1−p)灏嗘瘡娆¤瘯楠岀殑鏂瑰樊甯﹀叆鎬绘柟宸殑琛ㄨ揪寮忎腑锛歏ar(X)=np(1−p)浜岄」鍒嗗竷鐨勬湡鏈涘拰鏂瑰樊鎬荤粨锛氱患涓婃墍杩帮紝浜岄」鍒嗗竷鐨勬湡鏈涘拰鏂瑰樊鍏紡涓猴細E(X)=np Var(X)=np(1−p)...
  • 楂樹腑鏁板浜岄」鍒嗗竷鍏紡鏄粈涔?
    绛旓細浜岄」鍒嗗竷鍏紡鏄疨=p^k*p^(n-k)銆傚湪n娆$嫭绔嬮噸澶嶇殑浼姫鍒╄瘯楠屼腑锛岃姣忔璇曢獙涓簨浠禔鍙戠敓鐨勬鐜囦负p銆傜敤X琛ㄧずn閲嶄集鍔埄璇曢獙涓簨浠禔鍙戠敓鐨勬鏁帮紝浜嬩欢锝沊=k}鍗充负鈥渘娆¤瘯楠屼腑浜嬩欢A鎭板ソ鍙戠敓k娆♀濓紝闅忔満鍙橀噺X鐨勭鏁f鐜囧垎甯冨嵆涓轰簩椤瑰垎甯冦傛弧瓒充互涓嬩笁涓潯浠剁殑鍒嗗竷锛屽氨鏄簩椤瑰垎甯冿細锛1锛夊仛鏌愪欢浜嬫儏鐨勬鏁...
  • 浜岄」鍒嗗竷鍏紡
    绛旓細1銆佸悇瑙傚療鍗曚綅鍙兘鍏锋湁鐩镐簰瀵圭珛鐨勪竴绉嶇粨鏋滐紝濡傞槼鎬ф垨闃存э紝鐢熷瓨鎴栨浜$瓑锛屽睘浜庝袱鍒嗙被璧勬枡銆2銆佸凡鐭ュ彂鐢熸煇涓缁撴灉锛堥槼鎬э級鐨勬鐜囦负蟺锛屽叾瀵圭珛缁撴灉鐨勬鐜囦负1-蟺锛屽疄闄呭伐浣滀腑瑕佹眰蟺鏄粠澶ч噺瑙傚療涓幏寰楁瘮杈冪ǔ瀹氱殑鏁板笺浜岄」鍒嗗竷鍏紡3锛巒娆¤瘯楠屽湪鐩稿悓鏉′欢涓嬭繘琛岋紝涓斿悇涓瀵熷崟浣嶇殑瑙傚療缁撴灉鐩镐簰鐙珛锛屽嵆姣忎釜瑙傚療...
  • 浜岄」寮鍒嗗竷鐨勯椤瑰叕寮鏄粈涔?
    绛旓細(a+b)n娆℃柟锛滳(n锛0)a(n娆℃柟)+C(n锛1)a锛坣-1娆℃柟锛塨锛1娆℃柟锛+鈥+C锛坣锛宺锛塧(n-r娆℃柟)b(r娆℃柟)+鈥+C(n锛宯)b(n娆℃柟)(n鈭圢*)C(n锛0)琛ㄧず浠巒涓腑鍙0涓
  • 浜岄」鍒嗗竷鐨勬柟宸鍏紡涓轰粈涔?
    绛旓細浜岄」鍒嗗竷鐨勬柟宸鍏紡涓猴細Var(X) = np(1-p)锛屽叾涓璶涓鸿瘯楠屾鏁帮紝p涓哄崟娆¤瘯楠屾垚鍔熺殑姒傜巼锛孷ar(X)涓洪殢鏈哄彉閲廥鐨勬柟宸備簩椤瑰垎甯冩槸鎸囧湪n娆$嫭绔嬮噸澶嶇殑浼姫鍒╄瘯楠屼腑锛屾垚鍔熺殑娆℃暟X鏈嶄粠鐨勬鐜囧垎甯冦傚叾涓瘡娆¤瘯楠岀殑缁撴灉鍙湁涓ょ鍙兘锛氭垚鍔熸垨澶辫触锛屼笖鎴愬姛鐨勬鐜囦负p锛屽け璐ョ殑姒傜巼涓1-p銆傚湪姣忔璇曢獙涓紝鎴愬姛鍜...
  • 浜岄」鍒嗗竷鏈熸湜鍏紡
    绛旓細浜岄」鍒嗗竷鏈熸湜鍏紡鏄疎(r)=np銆傚湪姒傜巼璁哄拰缁熻瀛︿腑锛屼簩椤瑰垎甯冩槸n涓嫭绔嬬殑鎴愬姛/澶辫触璇曢獙涓垚鍔熺殑娆℃暟鐨勭鏁f鐜囧垎甯冿紝鍏朵腑姣忔璇曢獙鐨勬垚鍔熸鐜囦负p銆傝繖鏍风殑鍗曟鎴愬姛/澶辫触璇曢獙鍙堢О涓轰集鍔埄璇曢獙銆傚疄闄呬笂锛屽綋n=1鏃讹紝浜岄」鍒嗗竷灏辨槸浼姫鍒╁垎甯冦傚湪鐢熶骇瀹炶返杩囩▼涓細鏈夋潵鑷緢澶氭柟闈㈠洜绱犵殑褰卞搷锛屾墍鏈夎繖浜涘洜绱犵殑缁煎悎...
  • 本站交流只代表网友个人观点,与本站立场无关
    欢迎反馈与建议,请联系电邮
    2024© 车视网