硬币投掷概率计算器 - 二项分布

公平硬币只有两种结果——正面和反面——且每种结果的概率都是 0.5。当你多次投掷同一枚硬币时，每次结果彼此独立：硬币没有记忆，所以一次投掷的结果不会影响下一次。这种固定概率与独立性的组合，正是二项试验的定义特征，因此二项分布就是硬币投掷序列的精确数学模型。 在 n 次投掷中恰好出现 k 次正面的概率，由二项分布的概率质量函数给出：P(X = k) = C(n, k) × (0.5)^n，其中 C(n, k) 是二项式系数 n! / (k! × (n − k)!)。C(n, k) 计算的是在 n 次投掷中恰好包含 k 次正面的不同序列数量。 (0.5)^n 则是任意一条长度为 n 的具体序列出现的概率。两者相乘，就得到在所有可能排列下恰好出现 k 次正面的总概率。 对于“至少 k 次正面”或“至多 k 次正面”这类累计问题，计算器会在相关范围内把各个单点概率相加。“至少 k”表示从 i = k 加到 i = n；“至多 k”表示从 i = 0 加到 i = k。对于较大的 n，这些求和可能包含成千上万项，因此计算工具远比手算实用得多。 有些结果一看就很直观。对于投掷 10 次公平硬币，恰好 5 次正面的概率约为 24.61%。由于对称性，至少 5 次正面的概率正好是 50%。连续 10 次都是正面的概率是 (0.5)^10 ≈ 0.098%，这听起来很意外，直到你意识到这只是 1,024 条等可能序列中的一种。没有任何单条序列比其他序列更可能——只有具有共同属性的序列集合（例如恰好 5 次正面）才会有不同的总概率。 硬币投掷概率在娱乐博彩之外也有许多实际用途。在临床试验中，基于 50/50 分配的双臂随机化方案，在数学上与抛掷公平硬币完全等价。在密码学中，硬件随机数生成器生成的比特串应当与公平硬币的分布无法区分。在质量控制中，生产线不良品比例可以建模为二项比例，而判断缺陷率是否偏离目标时，所用的概率计算完全相同。在体育分析中，势均力敌球队的连胜走势可用硬币投掷模型来描述，而理解二项分布有助于区分真实实力与随机波动。 本计算器内部使用对数运算处理较大的 n，避免溢出，因此可以准确计算最多 10,000 次投掷的概率。对于非常大的 n 和中等的 k，二项分布也可以用均值 np、标准差 √(np(1−p)) 的正态分布近似，但为了获得最高精度，计算器始终使用精确公式。