什么是二项分布?

二项式分布公式:P=C(X,n)*π^X*(1-π)^(n-X)。

一、二项分布的概念:

二项分布是由伯努利提出的概念,指的是重复n次独立的伯努利试验。在每次试验中只有两种可能的结果,而且两种结果发生与否互相对立,并且相互独立,与其它各次试验结果无关,事件发生与否的概率在每一次独立试验中都保持不变。 

二、二项分布和超几何分布的区别:

超几何分布需要知道总体的容量,而二项分布不需要;二项分布是放回抽取(独立重复) 当总体的容量非常大时,超几何分布近似于二项分布。他们的相同点是超几何分布和二项分布都是离散型分布。

三、二项分布正态近似:

如果n足够大,那么分布的偏度就比较小。在这种情况下,如果使用适当的连续性校正,那么B(n,p)的一个很好的近似是正态分布

当n越大(至少20)且p不接近0或1时近似效果更好。不同的经验法则可以用来决定n是否足够大,以及p是否距离0或1足够远,其中一个常用的规则是np和n(1 −p)都必须大于 5。

二项分布的应用范围:

一、经济学:

在保险业务中,经常需要根据实际情况适当调整保费问题,以保证保险公司的利润达到一定要求,同时保险公司的业务量也达到要求,对于这一类问题,可以对已知实际情况做一定的概率分析。

实际上对于随机现象,了解其分布非常有意义,利用概率论讨论得到的结果对保险公司有一定的指导意义。

二、管理学:

管理学在生产实践过程中经常需要配备一些设备,但是设备经常需要维修。为了保证设备正常工作,需配备适量的维修工人(工人配备多了就浪费,配备少了又影响生产)。

例如现有同类型设备300台,各台工作是相互独立的,发生故障的概率都是0.01。假设通常情况下一台设备的故障由一个人处理,可由二项分布算出至少需配备多少工人,才能保证设备发生故障但不能及时维修的概率小于0.01。

三、医学:

在医学领域中,二项分布(binomialdistribution)可以对这类只具有两种互斥结果的离散型随机事件的规律性进行描述。



  • 浠涔堟槸浜岄」鍒嗗竷?
    绛旓細浜岄」鍒嗗竷涓秹鍙婂埌鐨勪袱绫讳簨浠朵箣闂寸殑鍏崇郴鏄浉浜掔嫭绔嬬殑銆備簩椤瑰垎甯冨氨鏄噸澶峮娆$嫭绔嬬殑浼姫鍒╄瘯楠屻傚湪姣忔璇曢獙涓彧鏈変袱绉嶅彲鑳界殑缁撴灉锛岃屼笖涓ょ缁撴灉鍙戠敓涓庡惁浜掔浉瀵圭珛锛屽苟涓旂浉浜掔嫭绔嬶紝涓庡叾瀹冨悇娆¤瘯楠岀粨鏋滄棤鍏炽備簨浠跺彂鐢熶笌鍚︾殑姒傜巼鍦ㄦ瘡涓娆$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...
  • 浠涔堝彨鍋氫簩椤瑰垎甯?
    绛旓細浜岄」鍒嗗竷锛岀畝鑰岃█涔嬶紝鏄竴绉嶇粺璁″姒傚康锛岄傜敤浜庢弿杩板湪涓绯诲垪鐙珛涓旀鐜囨亽瀹氱殑浼姫鍔涜瘯楠屼腑锛屾煇涓壒瀹氫簨浠跺彂鐢熸鏁扮殑姒傜巼鍒嗗竷鎯呭喌銆傝繖绉嶈瘯楠岀殑鐗圭偣鍖呮嫭锛氭瘡娆¤瘯楠屼粎鏈変袱绉嶅绔嬬殑缁撴灉锛屾瘡娆¤瘯楠岀殑缁撴灉浜掍笉褰卞搷锛屼笖鍦ㄦ暣涓郴鍒椾腑锛屼簨浠跺彂鐢熺殑姒傜巼淇濇寔涓嶅彉銆備緥濡傦紝鍙潬鎬ц瘯楠屼腑锛屾垜浠彲鑳藉n涓浉鍚岀殑浜у搧杩涜T...
  • 浠涔堝彨鍋氫簩椤瑰垎甯 浜岄」鍒嗗竷鏄粈涔堟剰鎬
    绛旓細1銆佸湪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鍒橷鐨勫彲鑳藉彇鍊间负0锛1锛屸︼紝n,涓斿姣忎竴涓猭锛0鈮鈮锛,浜嬩欢{X=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鐜囧垎甯冨嵆涓浜岄」鍒嗗竷銆2銆佸湪姒傜巼璁哄拰缁熻瀛︿腑锛屼簩椤瑰垎甯冩槸...
  • 浠涔堟槸浜岄」鍒嗗竷?
    绛旓細浜岄」鍒嗗竷鐨刢鏄粍鍚堟剰鎬濓紝杩欐槸楂樹腑鏁板涓殑缁勫悎鏁帮紝浠5涓笉鍚岀殑鏁颁腑浠诲彇3涓紝绠楁硶鏄細C锛5锛3锛=5锛/锛3锛伱楋紙5-3锛夛紒锛5锛=5脳4脳3脳2脳1=120 3锛伱楋紙5-3锛夛紒=3锛伱2锛=锛3脳2脳1锛壝楋紙2脳1锛=12 C锛5锛3锛=10 绯绘暟鎬ц川锛1銆佸拰棣栨湯涓ょ绛夎窛绂荤殑绯绘暟鐩哥瓑銆2銆佸綋浜岄」寮...
  • 浠涔堟槸浜岄」鍒嗗竷
    绛旓細褰撴讳綋鐜嘝鎺ヨ繎0.5锛岄槼鎬ф暟x杈冨皬鏃讹紝鍙洿鎺ヨ绠椾簩椤瑰垎甯冪殑绱姒傜巼杩涜鍗曚晶鐨勫亣璁炬楠屻傚綋P=0.5鎴杗杈冨ぇ锛宯P鍙妌(1-P)鍧囧ぇ浜庣瓑浜5鏃讹紝鍙敤姝f佽繎浼兼硶杩涜鏍锋湰鐜囦笌鎬讳綋鐜囷紝涓や釜鏍锋湰鐜囨瘮杈冪殑u妫楠屻備笁銆丳oisson鍒嗗竷鐨勬蹇靛強搴旂敤鏉′欢 1. Poisson鍒嗗竷鐨勬蹇:Poisson鍒嗗竷鏄簩椤瑰垎甯n寰堝ぇ鑰孭寰堝皬鏃剁殑...
  • 浠涔堝彨浜岄」鍒嗗竷?
    绛旓細浜岄」鍒嗗竷绛夌瓑杩欎簺鏄涓浜涙鐜囬棶棰樼殑鍛藉悕銆傛鐜囧鏄粺璁″鐨勫垎鏀紝鑰岀粺璁″鍙堟槸鏁板鐨勫垎鏀紝杩欎簺鍚嶈瘝鏄鐗瑰畾鐨勬鐜囬棶棰樼殑缁熺О銆傛蹇:鍦ㄤ骇鍝佽川閲忕殑涓嶆斁鍥炴娊妫涓紝鑻浠朵骇鍝佷腑鏈塎浠舵鍝侊紝鎶芥n浠舵椂鎵寰楁鍝佹暟X=k锛屽垯P(X=k)锛屾鏃剁О闅忔満鍙橀噺X鏈嶄粠瓒呭嚑浣曞垎甯冦傝秴鍑犱綍鍒嗗竷鐨勬ā鍨嬫槸涓嶆斁鍥炴娊鏍 瓒呭嚑浣...
  • 浠涔堟槸浜岄」鍒嗗竷?
    绛旓細鐪嬩笅闈㈣繖寮犲浘鍚э細鍏蜂綋鍐呭锛(1)浜岄」鍒嗗竷鏄鏁e瀷鍒嗗竷姒傜巼鐩存柟鍥炬槸璺冮樁寮忕殑銆傗憼褰損=q鏃跺浘褰㈡槸瀵圭О鐨勶紱鈶″綋p锛=q鏃剁洿鏂瑰浘鍛堝亸鎬併傦紙2)浜岄」鍒嗗竷鐨勫钩鍧囨暟銆佹爣鍑嗗樊銆傚鏋滀簩椤瑰垎甯冩弧瓒硃锛渜np鈮5(鎴杙銆傚嵆X鍙橀噺涓簎=np 鐨勬鎬佸垎甯冦傚叕寮忎腑n涓虹嫭绔嬭瘯楠岀殑娆℃暟p涓烘垚鍔熶簨浠剁殑姒傜巼q=1-p銆傦紙1)浜岄」...
  • 浜岄」鍒嗗竷鏄浠涔
    绛旓細鍦ㄦ鐜囪鍜岀粺璁″涓紝浜岄」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
  • 浠涔堟槸浜岄」鍒嗗竷?
    绛旓細浜岄」鍒嗗竷鐨勭壒鐐癸細1銆佺鏁fэ細浜岄」鍒嗗竷涓紝鎴愬姛鐨勬鏁版槸绂绘暎鐨勶紝鍏跺彇鍊煎彧鑳芥槸0锛1锛2锛...锛宯銆傝繖绉嶇鏁fт娇寰椾簩椤瑰垎甯冨湪鎻忚堪鏌愪簺鐜拌薄鏃舵洿鍔犵洿瑙傚拰鏂逛究銆2銆佺嫭绔嬫э細姣忔璇曢獙鐨勬垚鍔熶笌鍚︿笌鍏朵粬璇曢獙鐨勭粨鏋滄棤鍏筹紝鍗冲悇娆¤瘯楠屾槸鐩镐簰鐙珛鐨勩傝繖绉嶇嫭绔嬫鏄簩椤瑰垎甯鐨勯噸瑕佺壒鐐逛箣涓锛屼篃鏄簩椤瑰垎甯冧笌娉婃澗鍒嗗竷鍦...
  • 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