如何用二项式分布解释概率？
EX拔=EX，DX拔=DX/n
∵随机变量X服从二项分布X～B（n，p），且E（X）=3，D（X）=2，
∴E（X）=3=np，①
D（X）=2=np（1-p）②
①与②相除可得1-p= 23
∴p= 13 ，n=9
图形特点
对于固定的n以及p，当k增加时，概率P{X=k}先是随之增加直至达到最大值，随后单调减少。可以证明，一般的二项分布也具有这一性质，且:
当（n+1）p不为整数时，二项概率P{X=k}在k=[(n+1)p]时达到最大值；
当（n+1）p为整数时，二项概率P{X=k}在k=(n+1)p和k=(n+1)p-1时达到最大值。
绛旓細瓒呭嚑浣曞垎甯冪殑妯″瀷鏄笉鏀惧洖鎶芥牱 瓒呭嚑浣曞垎甯冧腑鐨勫弬鏁版槸M,N,n 涓婅堪瓒呭嚑浣曞垎甯冭浣淴~H(n锛孧锛孨)銆傛暟瀛︽湡鏈涳細E(x)=nM/N 鏂瑰樊锛毾僞2=nM(N-M)(N-n)/[(N^2)(N-1)]浜岄」寮忓垎甯锛氳嫢鏌愪簨浠姒傜巼涓簆锛岀幇閲嶅璇曢獙n娆★紝璇ヤ簨浠跺彂鐢焝娆＄殑姒傜巼涓:P=C(k,n)脳p^k脳(1-p)^(n-k).C(k,n)...
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...
绛旓細/(k! * (n-k)!) 娉ㄦ剰锛氱浜屼釜绛夊彿鍚庨潰鐨勬嫭鍙烽噷鐨勬槸涓婃爣锛岃〃绀虹殑鏄柟骞傘傞偅涔堝氨璇磋繖涓睘浜庝簩椤瑰垎甯冦傚叾涓璓绉颁负鎴愬姛姒傜巼銆傝浣溛緙B(n,p)鏈熸湜锛欵尉=np 鏂瑰樊:D尉=npq 鍏朵腑q=1-p 璇佹槑锛氱敱浜岄」寮忓垎甯鐨勫畾涔夌煡锛岄殢鏈哄彉閲廥鏄痭閲嶄集鍔埄瀹為獙涓簨浠禔鍙戠敓鐨勬鏁帮紝涓斿湪姣忔璇曢獙涓瑼鍙戠敓鐨勬鐜囦负p...
绛旓細浜岄」寮忓垎甯鏄細鍦╪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鍙兘鍙栧间负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鐨勭鏁姒傜巼鍒嗗竷鍗充负浜岄」鍒嗗竷銆傚畾涔 鍦ㄦ鐜囪鍜岀粺璁″涓...
绛旓細/(k! * (n-k)!)娉ㄦ剰锛:绗簩涓瓑鍙峰悗闈㈢殑鎷彿閲岀殑鏄笂鏍囷紝琛ㄧず鐨勬槸鏂瑰箓銆傞偅涔堝氨璇磋繖涓睘浜庝簩椤瑰垎甯冦.鍏朵腑P绉颁负鎴愬姛姒傜巼銆傝浣溛緙B(n,p)鏈熸湜锛欵尉=np鏂瑰樊:D尉=npq鍏朵腑q=1-p璇佹槑:鐢浜岄」寮忓垎甯鐨勫畾涔夌煡锛岄殢鏈哄彉閲廥鏄痭閲嶄集鍔埄瀹為獙涓簨浠禔鍙戠敓鐨勬鏁帮紝涓斿湪姣忔璇曢獙涓瑼鍙戠敓鐨勬鐜囦负p.鍥犳...
绛旓細浜岄」鍒嗗竷鐢˙瀛楁瘝琛ㄧず銆傝鐢˙琛ㄧず鐨勫師鍥狅細浜岄」鍒嗗竷鑻辨枃鏄痓inomial distribution銆傜敤瀹冪殑绗竴涓瓧姣嶈〃绀猴紝鎵浠ユ槸B銆浜岄」寮忓垎甯锛氳嫢鏌愪簨浠姒傜巼涓簆锛岀幇閲嶅璇曢獙n娆★紝璇ヤ簨浠跺彂鐢焝娆＄殑姒傜巼涓:P=C(k,n)脳p^k脳(1-p)^(n-k).C(k,n)琛ㄧず缁勫悎鏁帮紝鍗充粠n涓簨鐗╀腑鎷垮嚭k涓殑鏂规硶鏁般傚埗瀹氬弬鑰冨艰寖鍥达細锛...
绛旓細鎵浠ョ殑鍚箟涓猴細鍚噺涓簄鐨勬牱鏈腑锛屾伆濂芥湁渚嬮槼鎬ф暟鐨姒傜巼銆 鍚噺涓簄鐨勬牱鏈腑锛屽彂鐢熷悇绉嶉槼鎬ф暟鐨勬鐜囨濂戒负涓嬪垪浜岄」寮灞曞紑鐨勫悇椤 (7.2) 寮忎腑锛屜涓烘讳綋闃虫х巼锛沶涓烘牱鏈惈閲忥紱X涓洪槼鎬ф暟锛涳紙nX锛変负缁勫悎鏁帮紝鍗充簩椤瑰紡灞曞紑鍚庡悇椤圭殑绯绘暟銆備簩椤鍒嗗竷搴旂敤鏉′欢 1锛庡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...
绛旓細鐢叉伆濂藉嚮涓洰鏍2娆＄殑姒傜巼鏄細C4,2(2/3)²锛1-2/3)²=8/27 涔欐伆濂戒腑鍑荤洰鏍3娆＄殑姒傜巼鏄細C4,3(3/4)^3(1-3/4)=27/64 鎵浠 鐢叉伆濂藉嚮涓洰鏍2娆′笖涔欐伆濂戒腑鍑荤洰鏍3娆＄殑姒傜巼鏄細8/27*27/64=1/8
绛旓細浜岄」浼姫鍒╁垎甯冿紙Binomial distribution锛夋槸n娆′集鍔埄鍒嗗竷鎴愬姛娆℃暟鐨姒傜巼鍒嗗竷銆俒鍏紡]琛ㄧず鍦╪娆″疄楠屼腑锛屽疄楠屾垚鍔熺殑娆℃暟涓 [鍏紡] 鐨勬鐜囥俒鍏紡]涔嬫墍浠ヨ绉颁负浜岄」鍒嗗竷锛屾槸鍥犱负鍏跺垎甯冨嚱鏁颁腑浣跨敤浜嗕簩椤圭郴鏁 [鍏紡]銆傞氳繃浜岄」寮瀹氱悊涔熷彲浠ヨ瘉鏄庯紝鎵鏈変簨浠跺彂鐢熺殑姒傜巼鍜屼负 [鍏紡]銆備竴涓吀鍨嬬殑浜岄」鍒嗗竷渚嬪瓙鏄...
绛旓細浜岄」鍒嗗竷鐨勬湡鏈涘拰鏂瑰樊鍏紡鎺ㄥ濡備笅锛1銆佷簩椤瑰垎甯冩眰鏈熸湜锛氬叕寮忥細濡傛灉r锝 B(r,p锛夛紝閭ｄ箞E(r)=np銆傜ず渚嬶細娌跨敤涓婅堪鐚滃皬鐞冨湪鍝釜绠卞瓙鐨勪緥瀛愶紝姹傜寽瀵硅繖鍥涢亾棰樼洰鐨勬湡鏈涖侲(r) = np = 4脳0.25 = 1 锛堜釜锛夛紝鎵浠ヨ繖鍥涢亾棰樼洰棰勮鐚滃1閬撱2銆佷簩椤瑰垎甯冩眰鏂瑰樊锛氬叕寮忥細濡傛灉r锝 B(r,p锛夛紝閭ｄ箞Var...
