二项分布计算公式是什么?
二项分布公式为:P(X=k)=C (n,k)(p^k)* (1-p)^ (n-k)。
下面是关于二项分布公式的一些拓展
1、二项分布是n个独立的成功/失败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。是显著性差异的二项试验的基础,可以帮助我们了解和监控生产实践过程中由于某些因素而导致的波动。
2、在概率论和统计学中,二项分布是n个独立的成功/失败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。
3、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。
4.泊松近似:当试验的次数趋于无穷大,而乘积np固定时,二项分布收敛于泊松分布。因此参数为λ=np的泊松分布可以作为二项分布B(n,p)的近似,近似成立的前提要求n足够大,而p足够小,np不是很小。
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。
绛旓細1銆浜岄」鍒嗗竷姹傛湡鏈涳細鍏紡锛氬鏋渞锝 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(r)=npq銆傜ず渚嬶細娌跨敤涓婅堪鐚滃皬鐞冨湪...
绛旓細鏍规嵁浜岄」鍒嗗竷鐨勬柟宸鍏紡 D(X1)=n路p1路(1-p1)D(X2)=n路p2路(1-p2)D(Y)=n(p1+p2)(1-p1-p2)鍙︿竴鏂归潰 D(Y)=D(X1+X2)=D(X1)+D(X2)+2Cov(X1,X2)鈭磏(p1+p2)(1-p1-p2)=n路p1路(1-p1)+n路p2路(1-p2)+2Cov(X1,X2)灞曞紑骞跺寲绠寰楀埌 Cov(X1,X2)=-n路p1路p2 ...
绛旓細浜岄」鍒嗗竷鍏紡鎺ㄥ埌杩囩▼锛氬鏋滀簨浠跺彂鐢熺殑姒傜巼鏄疨,鍒欎笉鍙戠敓鐨勬鐜噏=1-p锛孨娆$嫭绔嬮噸澶嶈瘯楠屼腑鍙戠敓K娆$殑姒傜巼鏄疨(尉=K)= C(n,k) * p^k * (1-p)^(n-k), 鍏朵腑C(n, k) = n!/(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...
绛旓細浼姫鍒╂彁鍑轰簡杩欎釜妯″瀷锛屽綋姣忔璇曢獙浠呮湁涓ょ瀵圭珛鐨勭粨鏋滐紝涓旀瘡娆¤瘯楠岀粨鏋滅嫭绔嬩簬鍏朵粬锛屼笖姒傜巼鎭掑畾锛岃繖鏍风殑绯诲垪璇曢獙琚О涓簄閲嶄集鍔埄瀹為獙銆傜壒鍒湴锛屽綋n绛変簬1鏃讹紝浜岄」鍒嗗竷灏辩畝鍖栦负0-1鍒嗗竷锛屽弽鏄犱簡鍗曚竴璇曢獙涓簨浠跺彂鐢熺殑纭畾鎬с傝繖涓鍏紡鍦ㄥ悇绉嶆鐜囬棶棰樹腑鎵紨鐫閲嶈瑙掕壊锛岀敤浜璁$畻鍜岀悊瑙i殢鏈虹幇璞′腑鐗瑰畾缁撴灉鐨勫嚭鐜伴鐜...
绛旓細鐢ㄎ捐〃绀洪殢鏈鸿瘯楠岀殑缁撴灉.濡傛灉浜嬩欢鍙戠敓鐨勬鐜囨槸P,N娆$嫭绔嬮噸澶嶈瘯楠屼腑鍙戠敓K娆$殑姒傜巼鏄 P(尉=K)=Cn(k)P(k)q(n-k)娉ㄦ剰!:绗簩涓瓑鍙峰悗闈㈤噷鐨勬嫭鍙烽噷鐨勬槸鍐欏湪鍙充笂瑙掔殑.閭d箞灏辫杩欎釜灏卞睘浜浜岄」鍒嗗竷..璁颁綔尉~B(n,p)鏈熸湜:E尉=np 鏂瑰樊:D尉=npq q=1-p ...
绛旓細1銆佸悇瑙傚療鍗曚綅鍙兘鍏锋湁鐩镐簰瀵圭珛鐨勪竴绉嶇粨鏋滐紝濡傞槼鎬ф垨闃存э紝鐢熷瓨鎴栨浜$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...
绛旓細鍏舵暟瀛﹁〃杈惧紡涓篜(X=k) = p^k * p^(n-k)锛屽叾涓璶鏄荤殑璇曢獙娆℃暟銆傚洜姝わ紝浜岄」鍒嗗竷鏄缁熻瀛︿腑鐢ㄦ潵棰勬祴闅忔満浜嬩欢鍑虹幇娆℃暟鐨勪竴涓噸瑕佸伐鍏枫傚叿浣撴潵璇达紝褰撴垜浠潰涓翠竴绯诲垪鐙珛鐨勩佷互鍥哄畾姒傜巼p鍙戠敓鐨勪簨浠舵椂锛屼簩椤瑰垎甯冧负鎴戜滑鎻愪緵浜璁$畻鍦╪娆″皾璇曚腑鎴愬姛k娆$殑姒傜巼鐨鍏紡銆傚畠骞挎硾搴旂敤浜庡悇绉嶅疄闄呴棶棰橈紝濡備骇鍝...
绛旓細浜岄」鍒嗗竷鍏紡鏄P=p^k*p^(n-k)銆傚湪n娆$嫭绔嬮噸澶嶇殑浼姫鍒╄瘯楠屼腑锛岃姣忔璇曢獙涓簨浠禔鍙戠敓鐨勬鐜囦负p銆傜敤X琛ㄧずn閲嶄集鍔埄璇曢獙涓簨浠禔鍙戠敓鐨勬鏁帮紝浜嬩欢锝沊=k}鍗充负鈥渘娆¤瘯楠屼腑浜嬩欢A鎭板ソ鍙戠敓k娆♀濓紝闅忔満鍙橀噺X鐨勭鏁f鐜囧垎甯冨嵆涓轰簩椤瑰垎甯冦傛弧瓒充互涓嬩笁涓潯浠剁殑鍒嗗竷锛屽氨鏄簩椤瑰垎甯冿細锛1锛夊仛鏌愪欢浜嬫儏鐨勬鏁...
绛旓細浜岄」鍒嗗竷鐨勬鐜囪川閲忓嚱鏁帮紙Probability Mass Function, PMF锛夊彲浠ヨ〃绀轰负锛歅(X = k) = (n k) * p^k * (1 - p)^(n - k)鍏朵腑 k = 0, 1, ..., n銆傝繖涓鍏紡琛ㄧず鍦ㄤ竴娆′簩椤硅瘯楠屼腑锛屾垚鍔熺殑姒傜巼涓 p锛屽け璐ョ殑姒傜巼涓 1 - p銆傞氳繃 n 娆$嫭绔嬬殑璇曢獙锛屾垜浠彲浠璁$畻寰楀埌鎴愬姛鐨勬鏁颁负 k 鐨...
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