k=1,2,3,什么时候使用二项分布公式如何计算什

重复n次的伯努力试验, 用ξ表示随机试

结果. 如果事件发生的概率是P,则不发生的概率q=1-pN次独立重复试验中发生K次的概率是 P(ξ=K)=Cn(k)P(k)q(n-k) 注意!:第二个等号后面里的括号里的是写在右上角的. 那么就说这个就属于二项分布.. 其中P称为成功概率。 记作ξ~B(n,p) 期望:Eξ=np 方差:Dξ=npq 如果1.在每次试验中只有两种可能的结果,而且是互相对立的; 2.每次实验昰独立的,与其它各次试验结果无关; 3.结果事件发生的概率在整个系列试验中保持不变,则这一系列试验称为伯努力试验. 在这试验中,事件发生的佽数为一随机事件,它服从二次分布.二项分布可以用于可靠性试验.可靠性试验常常是投入n个相同的式样进行试验T小时,而只允许k个式样失败,应鼡二项分布可以得到通过试验的概率. 若某事件概率为p现重复试验n次,该事件发生k次的概率为:P=C(k,n)×p^k×(1-p)^(n-k).C(k,n)表示组合数即从n个事物中拿出k个的方法数. 计算:记作ξ~B(n,p) 期望:Eξ=np 方差:Dξ=npq 其中n为实验次数,p为发生概率q为不发生概率 应用:运用在医学和数学或其他数据分析等方面,用用判断倳物的走向有助于投资或决策

 最近在看Sedgewick的《算法》的时候有一題习题是关于改进用递归实现的二项分布算法这里我令服从二项分布为$X\sim b(N,k,p)$,书本上习题给出的算法是:

我们可能刚开始看这个递归算法的時候会不太明白(当时我都看懵逼了)那我们就从小一点的值来分析一下,假如 那么我们按照这个算法来分析一下接下来的递归过程:
我们可以看到每一次都可以分开两部分然后再继续递归,直到出现 N=0 ,k=0 可能刚会不太明白为什么这个算法可以算出二项分布,如果我们看┅下我们的概率统计相关的书就可以知道有这样一条递归公式:

你就会懂为什么有这个递推算法了而且上面的公式本质上其实是组合递嶊公式:


那么我们搞懂了这个算法之后,我们会发现这个算法在

很大的时候会发生递归层数很深从我们上面这幅图也可以看出来,每一個递归又会产生两个递归所以假设

的情况下函数将被递归调用大约在

数量相当的庞大,反正我用这个算法运行的时候压根就等不到运算結果

所以后来就改了一下算法,改用大量循环不用递归实现。

 
 
 
 
 
 
 
 
 
 
 
经过去掉递归后的算法就能很快的算出 N <script


推荐于 · 说的都是干货快来关紸

二项分布就是重复n次独立的伯努利试验。在每次试验中只有两种可能的结果而且两种结88e69d6465果发生与否互相对立,并且相互独立与其它各次试验结果无关,事件发生与否的概率在每一次独立试验中都保持不变则这一系列试验总称为n重伯努利实验,当试验次数为1时二项汾布服从0-1分布。

二项分布的平均数与标准差

如果二项分布满足p<qnp≥5,(或p>qnp≥5)时,二项分布接近正态分布这时,也仅仅在这时二项分布嘚x变量(即成功的次数)具有如下性质:

即x变量具有μ = np,的正态分布

二项分布在心理与教育研究中,主要用于解决含有机遇性质的问题所謂机遇问题,即指在实验或调查中实验结果可能是由猜测而造成的。比如选择题目的回答,划对划错可能完全由猜测造成。凡此类問题欲区分由猜测而造成的结果与真实的结果之间的界限,就要应用二项分布来解决

已知有正误题10题,问答题者答对几题才能认为他昰真会或者说答对几题,才能认为不是出于猜测因素?

分析:此题p=q=1/2即猜对猜错的概率各为0.5。np≥5故此二项分布接近正态分布:

根据正態分布概率,当Z=1.645时该点以下包含了全体的95%。如果用原分数表示则为

它的意义是,完全凭猜测10题中猜对8题以下的可能性为95%,猜对8、9、10題的概率只5%因此可以推论说,答对8题以上者不是凭猜测而是会答。但应该明确:作此结论也仍然有犯错误的可能,即那些完全靠猜測的人也有5%的可能性答对8、9、10道题


· TA获得超过3.7万个赞

,并且相互独立与其它各次试验结果无关。

事件发生与否的概率在每一次独立试驗中都保持不变则这一系列试验总称为n重伯努利实验,当试验次数为1时二项分布服从0-1分布。

符合以下4个特点的就是二项分布

1、做某件倳的次数是固定的;

2、每一次事件都有两个可能的结果(成功或者失败);

3、每一次成功的概率都是相等的;

4、你感兴趣的是成功x次的概率是多少。

二项分布是建立在有放回抽样的基础上的也就是抽出一个样品测量或处理完后再放回去,然后抽下一个在实际的工作中通常我们很少会这样抽,一般都属于无放回抽样这时候需要用超几何分布来计算概率。

当总体的容量N不大时要用超几何分布来计算,洳果N很大而n很小则可以用二项分布来近似计算,也就是可以将无放回抽样近似看出有放回抽样至于n要小到什么程度,有的书上说n/N小于0.1僦可以了有的书上则要求小于0.05。

参考资料搜狗百科-二项分布


· TA获得超过3.6万个赞

种结果发生与否互相对立并且相互独立,与其它各次试驗结果无关

事件发生与否的概率在每一次独立试验中都保持不变,则这一系列试验总称为n重伯努利实验当试验次数为1时,二项分布服從0-1分布

(1)当(n+1)p不为整数时,二项概率P{X=k}在k=[(n+1)p]时达到最大值;

注:[x]为不超过x的最大整数

1.各观察单位只能具有相互对立的一种结果,如陽性或阴性生存或死亡等,属于两分类资料

2.已知发生某一结果(阳性)的概率为π,其对立结果的概率为1-π,实际工作中要求π是从夶量观察中获得比较稳定的数值。

3.n次试验在相同条件下进行且各个观察单位的观察结果相互独立,即每个观察单位的观察结果不会影響到其他观察单位的结果如要求疾病无传染性、无家族性等

参考资料:搜狗百科——二项分布


推荐于 · 超过16用户采纳过TA的回答

描述随机現象的一种常用概率分布形式,因afe59b9ee7ad3630与二项式展开式相同而得名

二项分布即重复n次的伯努利试验。在每次试验中只有两种可能的结果而苴是互相对立的,是独立的与其它各次试验结果无关,结果事件发生的概率在整个系列试验中保持不变则这一系列试验称为伯努利实驗。

在概率论和统计学中二项分布是n个独立的是/非试验中成功的次数的离散概率分布,其中每次试验的成功概

二项分布与生活息息相关

率为p这样的单次成功/失败试验又称为伯努利试验。实际上当n =

1时,二项分布就是伯努利分布二项分布是显著性差异的二项试验的基础。

在医学领域中有一些随机事件是只具有两种互斥结果的离散型随机事件,称为二项分类变量(dichotomous

variable)如对病人治疗结果的有效与无效,某种化验结果的阳性与阴性接触某传染源的感染与未感染等。二项分布(binomial

distribution)就是对这类只具有两种互斥结果的离散型随机事件的规律性進行描述的一种概率分布

考虑只有两种可能结果的随机试验,当成功的概率(π)是恒定的

且各次试验相互独立,这种试验在统计学仩称为伯努利试验(Bernoulli

trial)如果进行n次伯努利试验,取得成功次数为X(X=0,1,…n)的概率可用下面的二项分布概率公式来描述:

式中的n为独立的伯努利试验次数,π为成功的概率,(1-π)为失败的概率,X为在n次贝努里试验中出现成功的次数表示在n次试验中出现X的各种组合情况,茬此称为二项系数(binomial

所以的含义为:含量为n的样本中恰好有X例阳性数的概率。

Experiment)用ξ表示随机试验的结果。

如果事件发生的概率是P,则鈈发生的概率p=1-p,N次独立重

复试验中发生K次的概率是

注意!:第二个等号后面的括号里的是上标表示的是方幂。

那么就说这个属于二项分布.

证明:由二项式分布的定义知,随机变量X是n重伯努利实验中事件A发生的次数且在每次试验中A发生的概率为p.因此,可以将二项式分布分解荿n个相互独立且以p为参数的(0-1)分布随机变量之和.

以上证明摘自高等教育出版社《概率论与数理统计》第四版

1.在每次试验中只有两种可能的结果而且是互相对立的;

2.每次实验是独立的,与其它各次试验结果无关;

3.结果事件发生的概率在整个系列试验中保持不变,则这一系列试验称为伯努利实验

在这试验中,事件发生的次数为一随机事件,它服从二次分布.二项分布可

以用于可靠性试验可靠性试验常常是投入n个相同的式样进行试验T小时,而只允许k个式样失败,应用二项分布可以得到通过试验的概率.

若某事件概率为p现重复试验n次,该事件发苼k次的概率为:P=C(n,k)×p^k×(1-p)^(n-k).C(n,k)表示组合数即从n个事物中拿出k个的方法数。

1.各观察单位只能具有相互对立的一种结果如阳性或阴性,生存或死亡等属于两分类资料。

2.已知发生某一结果(阳性)的概率为π,其对立结果的概率为1-π,实际工作中要求π是从大量观察中获得比较稳萣的数值

3.n次试验在相同条件下进行,且各个观察单位的观察结果相互独立即每个观察单位的观察结果不会影响到其他观察单位的结果。如要求疾病无传染性、无家族性等

1.二项分布的均数和标准差在二项分布资料中,当π和n已知时它的均数μ及其标准差σ可由式(7.3)和(7.4)算出。

若均数和标准差不用绝对数表示而是用率表示时,即对式(7.

3)和(7.4)分别除以n得

σp是样本率的标准误的理论值,当π未知时,常用样本率p作为π的估计值,式(7.6)变为:

probability)常用的有左侧累计和右侧累计两种方法从阳性率为π的总体中随机抽取含量为n的样本,则

(1)最多有k例阳性的概率

(2)最少有k例阳性的概率

3.二项分布的图形已知π和n,就能按公式计算X=01,…n时的P(X)值。以X为横唑标以P(X)为纵坐标作图,即可绘出二项分布的图形如图7.1,给出了p=0.5和

p=0.3时不同n值对应的二项分布图

二项分布的形状取决于π和n的大小,高峰在m=np处当p接近0.5时,图形是对称的;p离0.5愈远对称性愈差,但随着n的增大分布趋于对称。当n→∞时只要p不太靠近0或1,特别是当nP和n(1-P)都大于5时二项分布近似于正态分布。关于二项分布近似为正态分布的判定条件不同著述中存在争议,在甘怡群《心理与行为科学统計》中:当np>10且n(1-p)>10时二项分布可以近似为正态分布(第72页);在张厚粲《现代心理与教育统计学》中:当p(1-p)且n(1-p)≥5时,二项分布可鉯近似为正态分布(第178页)

π=0.5时,不同n值对应的二项分布

π=0.3时, 不同n值对应的二项分布

两点分布又称伯努利分布

不论题目有什么区别,只有兩种可能要么是这种结果要么是那种结果,通俗点,要么成功要么失败

而二项分布的可能结果是不确定的甚至是没有尽头的,

列一个二项分咘的分布列就是

也就是说当n=1时这个特殊二项分布就会变成两点分布,

即两点分布是一种特殊的二项分布

像其他地方说的二项分布是两点分咘的多重实验也不无道理,因为两者都是独立的重复实验,只不过次数不同罢了

本回答被提问者和网友采纳


· 繁杂信息太多你要学会辨别

丅载百度知道APP,抢鲜体验

使用百度知道APP立即抢鲜体验。你的手机镜头里或许有别人想知道的答案

我要回帖

更多关于 二项分布公式如何计算 的文章

 

随机推荐