二项分布事件发生满足的条件是什么啊？ 超几何分布跟二项分布有什么关系
\u4ec0\u4e48\u6761\u4ef6\u5224\u65ad\u67d0\u4e8b\u4ef6\u6ee1\u8db3\u4e8c\u9879\u5206\u5e03\uff0c\u4ec0\u4e48\u6761\u4ef6\u53ef\u4ee5\u5224\u65ad\u67d0\u4e8b\u4ef6\u6ee1\u8db3\u8d85\u51e0\u4f55\u5206\u5e03\u6bcf\u6b21\u8bd5\u9a8c\u4e2d\u53ea\u6709\u4e24\u79cd\u53ef\u80fd\u7684\u7ed3\u679c\uff0c\u800c\u4e14\u4e24\u79cd\u7ed3\u679c\u53d1\u751f\u4e0e\u5426\u4e92\u76f8\u5bf9\u7acb\uff0c\u5e76\u4e14\u76f8\u4e92\u72ec\u7acb\uff0c\u4e0e\u5176\u5b83\u5404\u6b21\u8bd5\u9a8c\u7ed3\u679c\u65e0\u5173\uff0c\u4e8b\u4ef6\u53d1\u751f\u4e0e\u5426\u7684\u6982\u7387\u5728\u6bcf\u4e00\u6b21\u72ec\u7acb\u8bd5\u9a8c\u4e2d\u90fd\u4fdd\u6301\u4e0d\u53d8\uff0c
\u8d85\u51e0\u4f55\u5206\u5e03\u662f\u7edf\u8ba1\u5b66\u4e0a\u4e00\u79cd\u79bb\u6563\u6982\u7387\u5206\u5e03\u3002\u5b83\u63cf\u8ff0\u4e86\u7531\u6709\u9650\u4e2a\u7269\u4ef6\u4e2d\u62bd\u51fan\u4e2a\u7269\u4ef6\uff0c\u6210\u529f\u62bd\u51fa\u6307\u5b9a\u79cd\u7c7b\u7684\u7269\u4ef6\u7684\u6b21\u6570\uff08\u4e0d\u5f52\u8fd8\uff09\u3002
\u5728\u4ea7\u54c1\u8d28\u91cf\u7684\u4e0d\u653e\u56de\u62bd\u68c0\u4e2d\uff0c\u82e5N\u4ef6\u4ea7\u54c1\u4e2d\u6709M\u4ef6\u6b21\u54c1\uff0c\u62bd\u68c0n\u4ef6\u65f6\u6240\u5f97\u6b21\u54c1\u6570X=k\uff0c\u5219P(X=k)=C(k M\uff09\u00b7C(n-k N-M)/C(n N\uff09\uff0c C\uff08a b\uff09\u4e3a\u53e4\u5178\u6982\u578b\u7684\u7ec4\u5408\u5f62\u5f0f\uff0ca\u4e3a\u4e0b\u9650\uff0cb\u4e3a\u4e0a\u9650\uff0c\u6b64\u65f6\u6211\u4eec\u79f0\u968f\u673a\u53d8\u91cfX\u670d\u4ece\u8d85\u51e0\u4f55\u5206\u5e03\uff08hypergeometric distribution\uff09
\uff081\uff09\u8d85\u51e0\u4f55\u5206\u5e03\u7684\u6a21\u578b\u662f\u4e0d\u653e\u56de\u62bd\u6837
\uff082\uff09\u8d85\u51e0\u4f55\u5206\u5e03\u4e2d\u7684\u53c2\u6570\u662fM,N,n\u4e0a\u8ff0\u8d85\u51e0\u4f55\u5206\u5e03\u8bb0\u4f5cX~H(N,n,M\uff09\u3002
\u6837\u672c\u4e2a\u6570\u8d8a\u5927\u8d85\u51e0\u4f55\u5206\u5e03\u548c\u4e8c\u9879\u5206\u5e03\u7684\u5bf9\u5e94\u6982\u7387\u76f8\u5dee\u5c31\u8d8a\u5c0f\uff0c\u5f53\u6837\u672c\u4e2a\u6570\u4e3a\u65e0\u7a77\u5927\u65f6\uff0c\u8d85\u51e0\u4f55\u5206\u5e03\u548c\u4e8c\u9879\u5206\u5e03\u7684\u5bf9\u5e94\u6982\u7387\u5c31\u76f8\u7b49\uff0c\u6362\u800c\u8a00\u4e4b\u8d85\u51e0\u4f55\u5206\u5e03\u7684\u6781\u9650\u5c31\u662f\u4e8c\u9879\u5206\u5e03\u3002
1、各观察单位只能具有相互对立的一种结果，如阳性或阴性，生存或死亡等，属于两分类资料。
2、已知发生某一结果（阳性）的概率为π，其对立结果的概率为1-π，实际工作中要求π是从大量观察中获得比较稳定的数值。
3、n次试验在相同条件下进行，且各个观察单位的观察结果相互独立，即每个观察单位的观察结果不会影响到其他观察单位的结果。如要求疾病无传染性、无家族性等。
扩展资料：
二项分布就是重复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。
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，则这一系列试验总称为n重伯努利实验，当试验次数为1时，二项分布服从0-1分布。
图形特点
1、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；
、2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。
注：[x]为不超过x的最大整数。
参考资料来源：百度百科-二项分布
1，每次实验中事件发生的概率都相同。
2，各次实验中的事件相互独立。
3，每次实验结果只有发生和不发生两种情形。
4，随机变量是这n次独立重复实验中事件发生的次数。
绛旓細棣栧厛浣犵殑鎻愭硶鏈夎锛氭彁鍒板垎甯冿紝蹇呴』鏄寚鐨勯殢鏈哄彉閲忕殑鍒嗗竷锛岃屼笉鏄簨浠讹紝鑷充簬鍒ゆ柇鏄惁鏈嶄粠浜岄」鍒嗗竷锛屽厛鐪嬭闅忔満鍙橀噺鏄惁琛ㄧず鐨勬煇涓猲閲嶄集鍔埄瀹為獙鐨勯殢鏈浜嬩欢鐨娆℃暟锛屼竴鑸岃█锛屽湪鍏蜂綋棰樼洰涓紝婊¤冻鐙珛锛屽悓鍒嗗竷锛屼笖缁撴灉閮芥槸涓鍒嗕负浜屽亣璁剧殑锛岄兘搴旇寰浜岄」鍒嗗竷涓婇潬锛佸鎶芥浜у搧鐨勫ソ鍧忥紝棰樼洰鏄惁绛斿锛岀敓鐢风敓濂...
绛旓細浜岄」鍒嗗竷鐨鍒嗗竷鍑芥暟鍏紡锛歴^2=((m-x1)^2+(m-x2)^2+...+(m-xn)^2)/n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浜嬩欢A鍙戠敓鐨姒傜巼涓簆銆傜敤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锛屼笖瀵规瘡涓涓猭锛0鈮鈮锛夛紝浜嬩欢{X=k}鍗充负鈥渘娆¤瘯楠屼腑浜嬩欢A鎭板ソ鍙戠敓k...
绛旓細x鏈嶄粠浜岄」鍒嗗竷 杩樻湁x~n锛坅锛宐锛 鏄寚鏈嶄粠姝ｆ佸垎甯冦俻锛氭煇浜嬩欢鐨勬鐜 n锛氶噸澶嶈瘯楠岀殑娆℃暟 鑻ユ煇浜嬩欢姒傜巼涓簆锛岀幇閲嶅璇曢獙n娆★紝璇浜嬩欢鍙戠敓k娆＄殑姒傜巼涓猴細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
绛旓細浜岄」寮忓垎甯冨叕寮忥細P=C锛圶锛宯锛*蟺^X*锛1-蟺锛塣锛坣-X锛夈備竴銆浜岄」鍒嗗竷鐨姒傚康锛浜岄」鍒嗗竷鏄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¤瘯楠岀粨鏋滄棤鍏筹紝浜嬩欢鍙戠敓涓庡惁鐨勬鐜囧湪姣忎竴娆＄嫭绔嬭瘯楠屼腑閮戒繚鎸佷笉...
绛旓細渚嬪鐜版湁鍚岀被鍨嬭澶300鍙帮紝鍚勫彴宸ヤ綔鏄浉浜掔嫭绔嬬殑锛鍙戠敓鏁呴殰鐨勬鐜囬兘鏄0.01銆傚亣璁鹃氬父鎯呭喌涓嬩竴鍙拌澶囩殑鏁呴殰鐢变竴涓汉澶勭悊锛屽彲鐢浜岄」鍒嗗竷绠楀嚭鑷冲皯闇閰嶅澶氬皯宸ヤ汉锛屾墠鑳戒繚璇佽澶囧彂鐢熸晠闅滀絾涓嶈兘鍙婃椂缁翠慨鐨勬鐜囧皬浜0.01銆3銆佸尰瀛︺傚湪鍖诲棰嗗煙涓紝鏈変竴浜涢殢鏈浜嬩欢鏄鍙叿鏈変袱绉嶄簰鏂ョ粨鏋滅殑绂绘暎鍨嬮殢鏈轰簨浠讹紝绉颁负浜...
绛旓細浜岄」鍒嗗竷锛屼篃绉颁集鍔噷鍒嗗竷锛氳繘琛屼竴绯诲垪璇曢獙,濡傛灉1.鍦ㄦ瘡娆¤瘯楠屼腑鍙湁涓ょ鍙兘鐨勭粨鏋,鑰屼笖鏄簰鐩稿绔嬬殑;2.姣忔瀹為獙鏄嫭绔嬬殑,涓庡叾瀹冨悇娆¤瘯楠岀粨鏋滄棤鍏;3.缁撴灉浜嬩欢鍙戠敓鐨姒傜巼鍦ㄦ暣涓郴鍒楄瘯楠屼腑淇濇寔涓嶅彉,鍒欒繖涓绯诲垪璇曢獙绉颁负浼姫鍔涜瘯楠.鍦ㄨ繖璇曢獙涓,浜嬩欢鍙戠敓鐨勬鏁颁负涓闅忔満浜嬩欢,瀹冩湇浠庝簩娆″垎甯.浜岄」鍒嗗竷鍙互鐢ㄤ簬...
绛旓細浜岄」鍒嗗竷鐨姒傜巼鍏紡鍙互甯姪鎴戜滑璁＄畻鍦ㄨ繘琛宯涓嫭绔嬬殑浼姫鍒╄瘯楠屼腑锛屾伆濂藉嚭鐜発娆℃垚鍔熺殑姒傜巼锛屼篃鍙互鐢ㄤ簬鍒ゆ柇涓浜涙鐜浜嬩欢鐨鍙兘鎬уぇ灏忥紝瀵逛簬缁熻瀛︺佹鐜囪绛夐鍩熷叿鏈夋瀬澶х殑搴旂敤浠峰笺傞櫎姝や箣澶栵紝浜岄」鍒嗗竷杩樺叿鏈変竴浜涢噸瑕佺殑鎬ц川銆傞鍏堬紝浜岄」鍒嗗竷鐨勬湡鏈涘煎拰鏂瑰樊鍒嗗埆涓猴細E(X)=np,Var(X)=np(1-p)鍏朵腑锛孍(X...
绛旓細鈶犵煡璇嗙偣瀹氫箟鏉ユ簮&璁茶В锛 涓ょ偣鍒嗗竷鍜浜岄」鍒嗗竷鏄姒傜巼璁轰腑涓や釜涓嶅悓鐨勬鐜囧垎甯冦備互涓嬫槸瀵逛袱涓鐜囧垎甯冪殑绠鍗曡В閲婏細涓ょ偣鍒嗗竷锛堜篃绉颁负0-1鍒嗗竷锛夋槸鎸囧湪涓涓殢鏈鸿瘯楠屼腑锛屽彧鏈変袱绉嶅彲鑳界殑缁撴灉锛屾垚鍔熷拰澶辫触锛堟垨鑰呰鏄浜嬩欢鍙戠敓鎴栦笉鍙戠敓锛夛紝骞朵笖杩欎袱绉嶇粨鏋滅殑姒傜巼閮芥槸鍥哄畾涓斾簰琛ョ殑銆傝繖绉嶅垎甯冩渶甯歌鐨勪緥瀛愭槸鎶涚‖甯侊紝...
绛旓細璁綳琛ㄧずn閲嶄集鍔埄璇曢獙涓浜嬩欢A鍙戠敓鐨娆℃暟锛岃P(A)=p,A鎭板ソ鍙戠敓k娆＄殑姒傜巼涓 P锛圶=k)=p k=C(n锛宬)锛坧^k锛*q^(n-k)锛宬=0锛1锛2锛...,n.鍥犱负p k=C(n锛宬)锛坧^k锛*q^(n-k)鎭板ソ涓轰簩椤瑰紡锛坧+q锛塣n灞曞紑寮忎腑鐨勯氶」锛屾晠绉癤鏈嶄粠鍙傛暟涓簄锛宲鐨浜岄」鍒嗗竷锛岃涓篨~B(n,p).瀹冪殑...
绛旓細P(x)=cnxPx(1-P)n-x, x=0,1,...n銆2. 浜岄」鍒嗗竷鐨搴旂敤鏉′欢:鍖诲棰嗗煙鏈夎澶氫簩鍒嗙被璁版暟璧勬枡閮界鍚堜簩椤瑰垎甯(浼犳煋鐥呭拰閬椾紶鐥呴櫎澶)锛屼絾搴旂敤鏃朵粛搴旀敞鎰忚冨療鏄惁婊¤冻浠ヤ笅搴旂敤鏉′欢锛(1) 姣忔瀹為獙鍙湁涓ょ被瀵圭珛鐨勭粨鏋滐紱(2) n娆浜嬩欢鐩镐簰鐙珛锛(3) 姣忔瀹為獙鏌愮被缁撴灉鐨鍙戠敓鐨姒傜巼鏄竴涓父鏁般3. 浜...
