二项概率分布计算器

欢迎使用 二项概率分布计算器，这是一个全面的统计工具，可计算精确和累积二项分布概率，提供逐步解题过程、互动式分布可视化以及详细的统计分析。无论您是学习概率论的学生、分析实验数据的研究人员，还是质量控制领域的专业人士，此计算器都能提供您所需的精确性和清晰度。

什么是二项分布？

二项分布 是一种离散概率分布，模拟了在固定次数的独立伯努利试验中成功的次数。每次试验只有两种可能的结果（成功或失败），且每次试验成功的概率保持不变。

二项分布由两个参数特征化：

• n - 试验（实验）次数
• p - 每次试验成功的概率

二项分布概率公式 (PMF)

在 n 次试验中恰好获得 k 次成功的概率由概率质量函数 (PMF) 给出：

其中：

• $\binom{n}{k} = \frac{n!}{k!(n-k)!}$ 是二项式系数（“n 取 k”）
• $p^k$ 代表 k 次成功的概率
• $(1-p)^{n-k}$ 代表 (n-k) 次失败的概率

累积分布函数 (CDF)

CDF 给出最多 k 次成功的概率：

本计算器的主要功能

如何使用本计算器

1. 输入试验次数 (n)： 这是独立实验的总次数。例如，如果抛硬币 10 次，则 n = 10。
2. 输入成功概率 (p)： 单次试验成功的概率，介于 0 和 1 之间。对于均匀硬币，p = 0.5。
3. 输入成功次数 (k)： 您想要查找其概率的具体成功次数。必须介于 0 和 n 之间。
4. 点击“计算概率”： 查看完整的概率分析，包括精确概率、累积概率、逐步解题过程和可视化图表。

理解结果

概率值

• P(X = k): 恰好获得 k 次成功的概率 (PMF)
• P(X ≤ k): 获得 k 次或更少成功的概率 (CDF)
• P(X ≥ k): 获得 k 次或更多成功的概率 = 1 - P(X ≤ k-1)
• P(X < k): 获得少于 k 次成功的概率 = P(X ≤ k-1)

统计量

• 平均值 (μ): 预期的成功次数 = n × p
• 方差 (σ²): 离散程度的度量 = n × p × (1-p)
• 标准差 (σ): 方差的平方根
• 众数: 最有可能发生的成功次数
• 偏度: 分布不对称程度的度量

现实世界的应用

质量控制

制造企业使用二项分布来确定在一批产品中发现一定数量缺陷产品的概率。例如，如果生产线的缺陷率为 2%，而您检验了 50 个产品，发现 3 个以上缺陷产品的概率是多少？

临床试验

医学研究人员使用二项分布来分析治疗效果。如果一种新药的成功率为 70% 且施用于 20 名患者，那么至少 15 名患者好转的概率是多少？

调查分析

民意调查机构使用二项分布来计算误差幅度和置信区间。如果 60% 的人口支持某项政策，而您调查了 100 人，那么观察到 55 到 65 名支持者的概率是多少？

体育统计

分析师使用二项分布来预测比赛结果。如果一名篮球运动员的罚球成功率为 75%，那么 10 次罚球中至少命中 8 次的概率是多少？

二项分布的条件

当满足以下所有条件时，二项分布是适用的：

• 固定次数的试验： 实验次数 (n) 是预先确定的
• 两种结果： 每次试验结果不是成功就是失败
• 独立试验： 一次试验的结果不影响其他试验
• 恒定概率： 每次试验成功的概率 (p) 保持不变

常见问题解答

什么是二项分布？

二项分布模拟了在固定次数 की स्वतंत्र बर्नौली परीक्षणों में सफलताओं की संख्या, प्रत्येक में सफलता की समान संभावना के साथ। उदाहरण के लिए, यह 10 बार सिक्का उछालने पर चित (Heads) की संख्या, या 50 की खेप में दोषपूर्ण वस्तुओं की संख्या को मॉडल कर सकता है जब प्रत्येक वस्तु की दोष दर 5% हो।

二项分布概率公式是什么？

二项分布概率公式为 P(X = k) = C(n,k) × p^k × (1-p)^(n-k)，其中 C(n,k) 是二项式系数，n 是试验次数，k 是成功次数，p 是单次试验成功的概率。

PMF 和 CDF 有什么区别？

PMF（概率质量函数）给出恰好 k 次成功的概率：P(X = k)。CDF（累积分布函数）给出最多 k 次成功的概率：P(X ≤ k)，它是从 0 到 k 所有概率的总和。

二项分布的平均值和方差是多少？

对于参数为 n 和 p 的二项分布：平均值 (μ) = n × p，方差 (σ²) = n × p × (1-p)，标准差 (σ) = √(n × p × (1-p))。

什么时候应该使用二项分布而不是其他分布？

当您有固定次数的独立试验，且每次试验只有两个结果和恒定的概率时，请使用二项分布。当 n 很大且 p 很小时，使用泊松分布来计算固定间隔内的事件。当 n×p 和 n×(1-p) 都大于 5 时，使用正态近似。

如何计算累积二项分布概率？

要计算 P(X ≤ k)，请将从 X=0 到 X=k 的所有单个概率相加。对于 P(X ≥ k)，请使用互补：P(X ≥ k) = 1 - P(X ≤ k-1)。我们的计算器可自动计算所有这些概率。

其他资源

• 二项分布 - 维基百科
• 二项分布 - 可汗学院