二项式分布

二项式分布（Binomial Distribution）是概率论中最基本的分布之一，广泛应用于各种实际问题中，比如：

一、定义

二项式分布是n次独立试验中成功次数的分布，其中每次试验有两个结果：成功（记为“1”）或失败（记为“0”）。

• 参数：

  • $ n $：试验次数（固定）
  • $ p $：每次试验成功的概率（$ 0 < p < 1 $）
  • $ q = 1 - p $：每次试验失败的概率

• 概率质量函数（PMF）： $$ P(X = k) = \binom{n}{k} p^k (1 - p)^{n - k} $$ 其中：

  • $ \binom{n}{k} $ 是组合数，表示从 $ n $ 次试验中选出 $ k $ 次成功的组合数。
  • $ k $ 是成功次数，$ 0 \leq k \leq n $

二、特点

1. 独立性：每次试验是独立的。
2. 二项性：每次试验只有两种结果。
3. 固定次数：试验次数 $ n $ 是固定的。
4. 概率固定：每次试验成功的概率 $ p $ 是固定的。

三、举例说明

假设我们进行 10 次抛硬币试验，每次抛硬币成功概率为 0.5（即 $ p = 0.5 $），求成功次数为 3 的概率：

$$ P(X = 3) = \binom{10}{3} \cdot (0.5)^3 \cdot (0.5)^{10 - 3} = \binom{10}{3} \cdot (0.5)^{10} $$

计算： $$ \binom{10}{3} = \frac{10!}{3! \cdot 7!} = 120 $$ $$ (0.5)^{10} = \frac{1}{1024} $$ $$ P(X = 3) = 120 \cdot \frac{1}{1024} \approx 0.1172 $$

四、应用

二项式分布广泛应用于：

• 掷骰子、抛硬币
• 质量控制
• 临床试验
• 市场调研
• 金融风险分析

五、分布图

二项式分布的图形通常是对称的（当 $ p = 0.5 $ 时），但随着 $ p $ 的变化，图形会逐渐偏向一边。

六、期望值与方差

• 期望值（均值）： $$ \mu = n \cdot p $$
• 方差： $$ \sigma^2 = n \cdot p \cdot (1 - p) $$
• 标准差： $$ \sigma = \sqrt{n \cdot p \cdot (1 - p)} $$

七、Python 实现（使用 scipy）

from scipy.stats import binom

n = 10
p = 0.5
k = 3

prob = binom.pmf(k, n, p)
print(f"P(X = {k}) = {prob}")

输出：

P(X = 3) = 0.1171875

八、总结

如果你有具体问题（比如计算、图形、应用等），欢迎继续提问！