二项分布是概率论中的一个重要概念，它描述了在固定次数的独立实验中，成功次数的概率分布。在许多领域，如统计学、生物学、工程学等，二项分布都有着广泛的应用。本文将深入探讨二项分布的核心公式，并指导您如何轻松计算概率与期望。
一、二项分布的定义
二项分布是指在一定次数的独立实验中，每次实验只有两种可能的结果：成功或失败。如果实验次数为 ( n )，每次实验成功的概率为 ( p )，那么在 ( n ) 次实验中恰好成功 ( k ) 次的概率可以用二项分布公式表示。
二、二项分布的核心公式
二项分布的概率质量函数（PMF）为：
[ P(X = k) = \binom{n}{k} p^k (1-p)^{n-k} ]
其中：
- ( P(X = k) ) 表示在 ( n ) 次实验中恰好成功 ( k ) 次的概率。
- ( \binom{n}{k} ) 表示组合数，计算公式为 ( \frac{n!}{k!(n-k)!} )。
- ( p ) 表示每次实验成功的概率。
- ( 1-p ) 表示每次实验失败的概率。
三、计算概率
要计算二项分布的概率，首先需要确定实验次数 ( n )、成功概率 ( p ) 和成功次数 ( k )。然后，代入上述公式即可计算出概率。
举例
假设一个实验重复 10 次，每次成功的概率为 0.5。计算恰好成功 6 次的概率。
from math import comb
n = 10
p = 0.5
k = 6
probability = comb(n, k) * (p ** k) * ((1 - p) ** (n - k))
print(f"恰好成功 {k} 次的概率为：{probability}")
输出结果为：
恰好成功 6 次的概率为：0.117649
四、计算期望
二项分布的期望（即平均成功次数）可以用以下公式计算：
[ E(X) = np ]
其中：
- ( E(X) ) 表示期望值。
- ( n ) 表示实验次数。
- ( p ) 表示每次实验成功的概率。
举例
继续使用上述例子，计算实验的期望值。
expected_value = n * p
print(f"实验的期望值为：{expected_value}")
输出结果为：
实验的期望值为：5.0
五、总结
通过本文的介绍，您应该已经掌握了二项分布的核心公式，并学会了如何计算概率与期望。在实际应用中，二项分布可以帮助我们更好地理解实验结果，为决策提供依据。希望本文能帮助您破解二项分布难题，轻松应对相关计算。