二项分布示例题及讨论
二项分布是最常用的离散概率分布之一。它适用于模拟多次独立重复试验中成功次数的分布，每次试验的结果要么是成功，要么是失败。本文将通过几个例子和详细的讨论，深入探讨二项分布。
二项分布简介
二项分布的主要特征：
1. n：试验或重复次数。
2. p：每次试验成功的概率。
3. q = 1-p：每次试验失败的概率。
二项分布的概率质量函数为：
\[ P(X = k) = {n \choose k} p^k (1-p)^{nk} \]
di mana:
– \( {n \choose k} = \frac{n!}{k!(nk)!} \)
– \( X \): 表示成功次数的随机变量。
– \( k \): 所寻求的成功次数。
康托·索尔·丹·彭巴哈桑
让我们从一些例题开始，更详细地了解二项分布的概念。
例1：从一组学生中进行选择
例如，假设我们有 10 名学生，每个学生被选中参加比赛的概率是 0,3。我们想知道恰好选中 4 名学生的概率。
步骤 1：确定二项分布的参数。
– \( n = 10 \)
– \( p = 0.3 \)
步骤 2：使用二项分布计算 \( X = 4 \) 的概率。
\[ P(X = 4) = {10 \choose 4} (0.3)^4 (0.7)^6 \]
计算 \( {10 \choose 4} \):
\[ {10 \choose 4} = \frac{10!}{4!(10-4)!} = \frac{10!}{4!6!} = 210 \]
现在计算 \( (0.3)^4 \) 和 \( (0.7)^6 \):
\[ (0.3)^4 = 0.0081 \]
\[ (0.7)^6 = 0.117649 \]
杰迪
\[ P(X = 4) = 210 \cdot 0.0081 \cdot 0.117649 \approx 0.20012 \]
因此，恰好选出 4 名学生的概率约为 0.20012 或 20.012%。
例2：概率小于或等于2
例如，现在我们被问到选中的学生人数少于或等于 2 人的概率是多少。
步骤 1：我们需要计算 \( P(X = 0) \)、\( P(X = 1) \) 和 \( P(X = 2) \)。
– 对于 \( P(X = 0) \):
\[ P(X = 0) = {10 \choose 0} (0.3)^0 (0.7)^{10} \]
\[ {10 \choose 0} = 1 \]
\[ (0.7)^{10} = 0.0282475 \]
\[ P(X = 0) = 1 \cdot 1 \cdot 0.0282475 = 0.0282475 \]
– 对于 \( P(X = 1) \):
\[ P(X = 1) = {10 \choose 1} (0.3)^1 (0.7)^9 \]
\[ {10 \choose 1} = 10 \]
\[ (0.3) \cdot (0.7)^9 = 0.1210608 \]
\[ P(X = 1) = 10 \cdot 0.3 \cdot 0.1210608 = 0.3631824 \]
– 对于 \( P(X = 2) \):
\[ P(X = 2) = {10 \choose 2} (0.3)^2 (0.7)^8 \]
\[ {10 \choose 2} = 45 \]
\[ (0.3)^2 \cdot (0.7)^8 = 0.2334744 \]
\[ P(X = 2) = 45 \cdot 0.09 \cdot 0.2334744 = 0.2334744 \]
步骤 2：计算概率。
\[ P(X \leq 2) = P(X = 0) + P(X = 1) + P(X = 2) \]
\[ P(X \leq 2) = 0.0282475 + 0.3631824 + 0.3826372 = 0.7740671 \]
因此，选中少于或等于 2 名学生的概率约为 0.7740671 或 77.41%。
例3：至少为8的概率
如果一项实验进行了 12 次，每次实验成功的概率为 0.5，那么至少成功 8 次的概率是多少？
步骤 1：设置二项式参数：\( n = 12, p = 0.5 \)。
步骤 2：求 \( X \geq 8 \) 的概率。
这需要计算多个单独的概率并将它们相加：
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) + P(X = 11) + P(X = 12) \]
逐一计数：
– 对于 \( P(X = 8) \):
\[ P(X = 8) = {12 \choose 8} (0.5)^8 (0.5)^4 \]
\[ {12 \choose 8} = 495 \]
\[ (0.5)^{12} = 0.0002441406 \]
\[ P(X = 8) = 495 \cdot 0.0002441406 = 0.1208496 \]
– 对于 \( P(X = 9) \):
\[ P(X = 9) = {12 \choose 9} (0.5)^9 (0.5)^3 \]
\[ {12 \choose 9} = 220 \]
\[ P(X = 9) = 220 \cdot 0.0002441406 = 0.05371094 \]
– 对于 \( P(X = 10) \):
\[ P(X = 10) = {12 \choose 10} (0.5)^{10} (0.5)^2 \]
\[ {12 \choose 10} = 66 \]
\[ P(X = 10) = 66 \cdot 0.0002441406 = 0.01611328 \]
– 对于 \( P(X = 11) \):
\[ P(X = 11) = {12 \choose 11} (0.5)^{11} (0.5)^1 \]
\[ {12 \choose 11} = 12 \]
\[ P(X = 11) = 12 \cdot 0.0002441406 = 0.002929688 \]
– 对于 \( P(X = 12) \):
\[ P(X = 12) = {12 \choose 12} (0.5)^{12} \]
\[ {12 \choose 12} = 1 \]
\[ P(X = 12) = 1 \cdot 0.0002441406 = 0.0002441406 \]
步骤 3：将所有概率相加。
\[ P(X \geq 8) = 0.1208496 + 0.05371094 + 0.01611328 + 0.002929688 + 0.0002441406 \approx 0.1938477 \]
因此，在 12 次试验中至少发生 8 次成功的概率约为 0.1938477 或 19.38%。
结论
二项分布是统计学中的一个基本概念，在许多实际应用中至关重要。通过理解如何计算二项分布各种情况的概率（如上例所示），我们可以将这一概念应用于现实情境中。此外，本练习还有助于我们在清晰系统的框架下理解概率结构。
