概率论的二项分布公式是什么？
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。
绛旓細鍦姒傜巼璁鍜岀粺璁″涓紝浜岄」鍒嗗竷鏄n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屽綋鏃讹紝浜岄」鍒嗗竷灏辨槸浼姫鍒╁垎甯冿紝浜岄」鍒嗗竷鏄樉钁楁у樊寮鐨勪簩椤璇曢獙鐨勫熀纭銆備簩椤瑰垎甯冩湡鏈鍏紡搴旂敤鏉′欢锛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...
绛旓細娉婃澗鍒嗗竷鍏紡鏄Var(x)=位銆浜岄」鍒嗗竷鐨勬湡鏈汦(r)=np锛屾柟宸甐ar(r)=npq锛岃屾硦鏉惧垎甯冪殑鏈熸湜鍜屾柟宸潎涓何汇1銆丏锛圶锛夋寚鏂瑰樊锛孍锛圶锛夋寚鏈熸湜銆傛柟宸槸鍦ㄦ鐜囪鍜岀粺璁℃柟宸 閲忛殢鏈哄彉閲忔垨涓缁勬暟鎹椂绂绘暎绋嬪害鐨勫害閲忋姒傜巼璁轰腑鏂瑰樊鐢ㄦ潵搴﹂噺闅忔満鍙橀噺鍜屽叾鏁板鏈熸湜锛堝嵆鍧囧硷級涔嬮棿鐨勫亸绂荤▼搴︺2銆丏(X)鎸囨柟宸紝E...
绛旓細浜岄」鍒嗗竷姒傜巼鍏紡鐨鐞嗚В鏄痭鏄瘯楠屾鏁帮紝X琛ㄧず闅忔満璇曢獙鐨勭粨鏋滐紝k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囷紝浜岄」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╄瘯楠屻傚湪姒傜巼璁鍜岀粺璁″涓紝浜岄」鍒嗗竷鏄痭涓嫭绔嬬殑鎴愬姛/澶辫触璇曢獙涓垚鍔熺殑娆℃暟鐨勭鏁姒傜巼鍒嗗竷锛屽叾涓瘡娆¤瘯楠岀殑鎴愬姛姒傜巼涓簆...
绛旓細P(X=k) / P(X=k-1) = (n-k+1) p / k (1-p)銆傛墍浠ュ綋锛坣-k+1) p > k (1-p)锛屼篃灏辨槸k < (n+1)p鏃讹紝P(X=k) / P(X=k-1) > 1銆備篃灏辨槸褰搆 < (n+1)p鏃讹紝P(X=k)鍗曡皟澧炪傛墍浠ユ渶澶у兼槸锛歬 = (n+1)p鍚戜笅鍙栨暣銆傚畾涔 鍦姒傜巼璁鍜岀粺璁″涓紝浜岄」鍒嗗竷鏄n涓...
绛旓細杩欐牱鐨勫崟娆℃垚鍔/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╁垎甯冦傚簲鐢 鍦ㄧ敓浜у疄璺佃繃绋嬩腑浼氭湁鏉ヨ嚜寰堝鏂归潰鍥犵礌鐨勫奖鍝嶏紝鎵鏈夎繖浜涘洜绱犵殑缁煎悎浣滅敤瀵艰嚧杩囩▼鍔ㄨ崱锛屼粠鑰屼綋鐜板嚭涓浜涜川閲忕壒鎬х殑涓嶇ǔ瀹氭. 姒傜巼璁涓庢暟鐞嗙粺璁′竴浜涚粺璁℃妧鏈彲浠ュ府鍔╂垜浠簡瑙ｅ拰鐩戞帶杩欎簺娉㈠姩锛屽府鍔╂垜浠湞鐫鏈夊埄浜庢垜浠殑...
绛旓細涓ょ偣鍒嗗竷鐨勬湡鏈涘拰鏂瑰樊鏄浜岄」鍒嗗竷鏈熸湜锛欵x=np鏂瑰樊锛欴x=np锛1-p锛夛紙n鏄痭娆＄嫭绔嬩簨浠秔涓烘垚鍔熸鐜囷級涓ょ偣鍒嗗竷鏈熸湜锛欵x=p鏂瑰樊锛欴x=p锛1-p锛夈傛柟宸槸鍦ㄦ鐜囪鍜岀粺璁℃柟宸 閲忛殢鏈哄彉閲忔垨涓缁勬暟鎹椂绂绘暎绋嬪害鐨勫害閲忋姒傜巼璁轰腑鏂瑰樊鐢ㄦ潵搴﹂噺闅忔満鍙橀噺鍜屽叾鏁板鏈熸湜锛堝嵆鍧囧硷級涔嬮棿鐨勫亸绂荤▼搴︺傛柟宸殑浣滅敤 瀹冨弽鏄犱簡涓...
绛旓細闅忔満鍙橀噺鏈嶄粠浜岄」鍒嗗竷鍙敤鍏紡E(X)=np锛孌(X)=np(1-p)璁＄畻鏈熸湜鍜屾柟宸紝濡傛灉闅忔満鍙橀噺鍙彇寰楁湁闄愪釜鍊兼垨鏃犵┓鑳芥寜涓瀹氭搴忎竴鈥斿垪鍑猴紝鍏跺煎煙涓轰竴涓垨鑻ュ共涓湁闄愭垨鏃犻檺鍖洪棿銆傜鏁ｅ瀷闅忔満鍙橀噺鐨勪竴鍒囧彲鑳界殑鍙栧紉锛涗笌瀵瑰簲鐨姒傜巼p锛坸锛涳級涔樼Н涔嬪拰绉颁负璇ョ鏁ｅ瀷闅忔満鍙橀噺鐨勬暟瀛︽湡鏈涳紙鑻ヨ姹傚拰缁濆鏀舵暃锛夛紝璁颁负E...
绛旓細濡傚浘
绛旓細姒傜巼璁鍏ぇ鍒嗗竷鍏紡濡備笅锛浜岄」鍒嗗竷锛圔inomial Distribution锛夛細浜岄」鍒嗗竷鐢ㄤ簬鎻忚堪鍦ㄤ竴绯诲垪鐩镐簰鐙珛鐨勪集鍔埄璇曢獙涓紝鎴愬姛鐨勬鏁版弧瓒虫寚瀹氭鐜囩殑鎯呭喌銆傚畠鐨勬鐜囪川閲忓嚱鏁颁负浜岄」寮姒傜巼鍏紡锛屽父鐢ㄦ潵妯℃嫙浜屽厓浜嬩欢鐨勬鐜囷紝濡傜‖甯佹姇鎺枫佷骇鍝佸悎鏍肩巼绛夈傛硦鏉惧垎甯冿紙Poisson Distribution锛夛細娉婃澗鍒嗗竷鐢ㄤ簬鎻忚堪鍦ㄤ竴涓浐瀹氭椂闂存鍐呫...
绛旓細p = 3npq^(n-1),涓よ竟娑堝幓p锛屽緱3nq^(n-1) = 1锛屼竴涓釜寮忓瓙9q^(n-1) = 1锛屾墍浠=3锛 9q^2 = 1, q = 1/3锛 p = 1-q= 2/3
