二项分布计算器

计算二项分布的精确概率、累积概率、均值和方差。

二项概率
输入试验次数、每次试验的成功概率和目标成功次数。

关于二项分布

二项分布描述固定次数的独立试验中成功次数的分布。每次试验必须有两种相关结果,通常称为成功和失败,且成功概率在各次试验间保持不变。参数n表示试验次数,p表示单次试验的成功概率。随机变量统计成功发生的次数,因此其可能取值为零至n的整数。 恰好成功k次的概率等于二项式系数“n中选k”,乘以p的k次方,再乘以一减p的n减k次方。该系数统计k次成功可能出现的不同排列顺序。计算器同时求出这一精确概率和两项累积结果。“至多k次”将零至k次的概率相加;“至少k次”将k至n次的概率相加,本工具通过少于k次成功的补事件计算。这些累积概率可回答仅靠精确概率无法解答的阈值问题。 分布的均值为n乘以p,表示将整个实验重复多次时成功次数的长期平均值。方差为n乘以p再乘以一减p,标准差则为方差的平方根。均值不一定是实际可能出现的整数结果;它描述分布的中心,而非保证出现的次数。p接近二分之一时离散程度最大,趋近零或一时则减小。 常见应用包括抛硬币、制造缺陷计数、问卷回答、转化、通过或不通过的测试,以及治疗结果。使用模型前应仔细检查假设:试验相互独立,次数预先固定,且每次成功概率相同。从较小总体中不放回抽样可能违背独立性,通常更适合用超几何分布建模。概率随试验变化的事件也需要其他模型。请将p输入为零到一之间的小数,例如25%输入0.25。单一成功次数使用精确概率,上限问题使用“至多”概率,达到或超过目标则使用“至少”概率。

二项分布示例

以下示例均采用成功概率恒定的独立试验。

参数 (n, p, k)部分结果场景
10, 0.5, 5P(X = 5) = 0.24609375抛十次公平硬币,恰好五次正面朝上。
20, 0.1, 2P(X = 2) = 0.28517981每个项目的标记率为10%时,恰好两个项目被标记。
5, 0.8, 4P(X = 4) = 0.4096五次高成功概率试验中,恰好成功四次。

如何计算二项概率

  1. 输入固定的独立试验次数。
  2. 以零至一的小数输入每次试验的成功概率。
  3. 输入目标成功次数,须为零到试验总次数之间的整数。
  4. 选择“计算二项概率”,比较精确与累积结果。

常见问题

什么情况下适合使用二项模型?

适用于次数固定、相互独立、每次只有两种结果且成功概率恒定的试验。若这些假设不成立,其他概率模型可能更准确。

精确概率和累积概率有什么区别?

精确概率对应某一个成功次数。累积概率将一段次数范围的概率相加,例如所有不超过某阈值的结果。

概率应输入为百分数吗?

请输入零至一的小数。例如,成功概率为35%时输入0.35。

均值可以是小数吗?

可以。均值是长期平均的期望值,不一定是单次可实现的结果。实际成功次数始终是整数。

如果试验不独立怎么办?

相关性会改变分布,因为一次结果可能影响另一次。不放回抽样可能需要改用超几何模型。