硬幣擲出機率計算器 - 二項分布

公平硬幣只有兩種結果——正面與反面——而且每種結果的機率都是 0.5。當你多次擲同一枚硬幣時，每次結果彼此獨立：硬幣沒有記憶，所以一次擲出的結果不會影響下一次。這種固定機率與獨立性的組合，正是二項試驗的定義特徵，因此二項分布就是硬幣擲出序列的精確數學模型。 在 n 次擲出中恰好出現 k 次正面的機率，由二項分布的機率質量函數給出：P(X = k) = C(n, k) × (0.5)^n，其中 C(n, k) 是二項式係數 n! / (k! × (n − k)!)。C(n, k) 計算的是在 n 次擲出中恰好包含 k 次正面的不同序列數量。 (0.5)^n 則是任意一條長度為 n 的具體序列出現的機率。兩者相乘，就得到在所有可能排列下恰好出現 k 次正面的總機率。 對於「至少 k 次正面」或「至多 k 次正面」這類累計問題，計算器會在相關範圍內把各個單點機率相加。「至少 k」表示從 i = k 加到 i = n；「至多 k」表示從 i = 0 加到 i = k。對於較大的 n，這些加總可能包含成千上萬項，因此計算工具遠比手算實用得多。 有些結果一看就很直觀。對於擲出 10 次公平硬幣，恰好 5 次正面的機率約為 24.61%。由於對稱性，至少 5 次正面的機率正好是 50%。連續 10 次都是正面的機率是 (0.5)^10 ≈ 0.098%，這聽起來很意外，直到你意識到這只是 1,024 條等可能序列中的一種。沒有任何單條序列比其他序列更可能——只有具有共同屬性的序列集合（例如恰好 5 次正面）才會有不同的總機率。 硬幣擲出機率在娛樂博彩之外也有許多實際用途。在臨床試驗中，基於 50/50 分配的雙臂隨機化方案，在數學上與擲公平硬幣完全等價。在密碼學中，硬體隨機數產生器生成的位元串應當與公平硬幣的分布無法區分。在品質管制中，生產線不良品比例可以建模為二項比例，而判斷缺陷率是否偏離目標時，所用的機率計算完全相同。在運動分析中，勢均力敵球隊的連勝走勢可用硬幣擲出模型來描述，而理解二項分布有助於區分真實實力與隨機波動。 本計算器內部使用對數運算處理較大的 n，避免溢位，因此可以準確計算最多 10,000 次擲出的機率。對於非常大的 n 和中等的 k，二項分布也可以用均值 np、標準差 √(np(1−p)) 的常態分布近似，但為了獲得最高精度，計算器始終使用精確公式。