本文目录
什么是二项分布
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，二项分布服从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《q，np≥5，(或p》q，np≥5)时，二项分布接近正态分布。这时，也仅仅在这时，二项分布的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。
扩展资料：
二项分布的应用：
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。所谓机遇问题，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。凡此类问题，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。
下面给出一个例子。
已知有正误题10题，问答题者答对几题才能认为他是真会，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：
根据正态分布概率，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题的概率只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，即那些完全靠猜测的人也有5%的可能性答对8、9、10道题。
参考资料：百度百科-二项分布
二项分布定义
在n次独立重复的伯努利试验中，设每次试验中事件A发生的概率为P。用X表示n重伯努利试验中事件A发生的次数，则X的可能取值为0，1，...，n，且对每一个k（0≤k≤n），事件{X=k}即为“n次试验中事件A恰好发生k次”，随机变量X的离散概率分布即为二项分布（Binomial Distribution）。
在概率论和统计学中，二项分布是n个独立的成功/失败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率为p。这样的单词成功/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
一般地，如果随机变量X服从参数为n和p的二项分布，我们记为X~B（n,p）或X~b(n,p)。n次试验中正好得到k次成功的概率由概率质量函数给出：
二项分布，其英文名为Binomial Distribution，提出者是伯努利，应用学科为统计学。
请问什么是二项式分布
二项分布 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. 二项分布概念 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进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,这种试验在统计学上称为贝努里试验（Bernoulli trial）.如果进行n次贝努里试验,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： (7.1) 式中的n为独立的贝努里试验次数,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,在此称为二项系数（binomial coefficient）. 所以的含义为：含量为n的样本中,恰好有例阳性数的概率. 含量为n的样本中,发生各种阳性数的概率正好为下列二项式展开的各项 (7.2) 式中,π为总体阳性率；n为样本含量；X为阳性数；（nX）为组合数,即二项式展开后各项的系数. 二项分布应用条件 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. 二项分布性质 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. μ=nπ（7.3） σ=（7.4） 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 μp=π（7.5） σp=（7.6） 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： sp= （7.7） 2．二项分布的累计概率（cumulative 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 (7.8) （2）最少有k例阳性的概率 （7.9） 其中,X=0,1,2,…,k,…,n. 3．二项分布的图形已知π和n,就能按公式计算X=0,1,…,n时的P（X）值.以X为横坐标,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. 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 两点分布的分布列就是 X 0 1 P p 1-p 不论题目有什么区别,只有两种可能,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, 列一个二项分布的分布列就是 X 0 1 2 ……… n P C(0)(n)·(1-p)^n C(1)(n)·p·(1-p)^(n-1) …… C(n)(n)·p^n·(1-p)^0 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 像一楼说的二项分布是两点分布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 E(n) = np,var(n) = np(1-p) (n是实验次数,p是每次实验的概率）
二项分布的优缺点
二项分布的优缺点，二项分布是重复n次独立的伯努利试验。
每次试验中只有两种可能的结果，两种结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，这一系列试验总称为n重伯努利实验。
相关信息
1、二项分布的特点，二项分布的均值为np，方差为npq。以事件A出现的次数为横坐标，以概率为纵坐标，画出二项分布的图象。二项分布是一种离散性分布。
2、当p=q=0.5时，图象对称。当p不等于q时，图形是偏斜的。p》q时，呈负偏态q。当n-》∞时，趋近于正态分布N(np,npq）。
3、二项分布函数主要用来判断试验结果的机遇性与真实性的界限。例如，求测验猜测行为的判断标准。在选择题测验中，通过二项分布计算得出被试凭猜测答对N道以上的概率。
4、经常应用在经济学、管理学、医学。在医学领域中，二项分布（binomialdistribution）可以对这类只具有两种互斥结果的离散型随机事件的规律性进行描述。
二项分布的定义
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进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，这种试验在统计学上称为伯努利试验（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：P=C(X,n)*π^X*(1-π)^(n-X)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次伯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，在此称为二项系数（binomial coefficient）。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。
高中数学二项分布公式是什么
二项分布公式是P=p^k*p^(n-k)。
在n次独立重复的伯努利试验中，设每次试验中事件A发生的概率为p。用X表示n重伯努利试验中事件A发生的次数，事件｛X=k}即为“n次试验中事件A恰好发生k次”，随机变量X的离散概率分布即为二项分布。
满足以下三个条件的分布，就是二项分布：
（1）做某件事情的次数（也叫试验次数）是固定的，用n表示。例如：抛硬币3次，求婚101次等。
（2）每一次事件都有两个可能的结果（成功，或者失败）。例如每次求婚都有两种可能结果，被接受（成功），被拒绝（失败）。
（3）每一次成功的概率都是相等的，成功的概率用p表示。
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。
二项分布公式
P（X=k)=C(n,k)（p^k）*(1-p)^(n-k)
n是试验来次数，k是指定事件发生的次数，p是指定事件在一次试验中发生的概率。
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，源当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。
扩展资料：
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，而且两种结果发生与否互相对立，知并且相互独立，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，二项分布服从0-1分布。
参考资料来源：百度百科-二项分布
二项分布方差DX=np(1-p)怎么推的
以n,p为参数的二项分布变量，可分解为n个相互独立且都服从以p为参数的（0-1）分布的随机变量之和。即Xi服从(0-1)分布，D(Xi)=p(1-p)。又因为如果X,Y相互独立，D(X+Y)=D(X)+D(Y)，所以D(X)=D(∑Xi)=∑(DXi)=np(1-p)。
二项分布的方差的公式
同学，你给我这个分布列不是二项分布的。是简单随机事件的其中n是某个随机变量发生的次数p是这个事件发生的概率比如一个人打枪100次有10次打到10环已知每次打10环的概率是0.01那么n=10p=0.01
