二项分布的例子
二项分布例
例1 一大批电子管中有10%已损坏，若我们从这批电子管中随机地选取20只来组成一个线路，问这个线路能正常工作（20个电子管全好）的概率？
解：因这批电子管数量很大，因此可近似地把选取20只管作为进行独立试验。
把选得好管作为成功，其概率为0.9，故所求的概率为：
1216.09.09.0)9.0,20;20(20
202020≈=⋅=C b
例2 设每颗子弹打中飞机的概率为0.01，问在500发中打中飞机的最可能次数是多少？并求相应的概率。
解：设X 表示打中的次数，则 {}17635
.0)99.0()01.0(55,01.5)1()
01.0,500(~49555500≈⋅⋅====+C X P m p n B X
例3 若一年中某类保险者里面每个人死亡的概率等于0.005，现有10000个这类人参加人寿保险。
试求在未来一年中在这些保险者里面，①有40个人死亡的概率；②死亡人数不超过70个的概率。
解：作为初步的近似，可利用Bernoulli 概型；n=10000，p=0.005；设X 为未来一年中死亡人数，则：
()005.0,10000~B X
① {}9960404010000
)995.0()005.0(40C X P ==; ②
∑=-=≤700
1000010000
)995.0()005.0()70(k k k k C X P .。
高中数学二项分布例题
高中数学二项分布例题二项分布适用于一系列独立重复试验，每次试验只有两种结果，通常称为“成功”和“失败”。
设每次试验成功的概率为p，失败的概率为1p，进行n次试验后，成功的次数X遵循二项分布，其概率质量函数为：P(X = k) = C(n, k) p^k (1 p)^(n k)其中，C(n, k)表示从n次试验中选取k次成功的组合数。
例题一：简单二项分布的应用在一项产品质量检验中，某种产品合格率为80%。
若随机抽取10件产品，求其中恰好8件合格的概率。
解：此问题可以看作进行10次独立试验，每次试验成功的概率p 为0.8，失败的概率为0.2，n为10，k为8。
根据二项分布的概率质量函数，可以计算如下：P(X = 8) = C(10, 8) (0.8)^8 (0.2)^2计算组合数C(10, 8) = 45，带入公式后得：P(X = 8) = 45 (0.8)^8 (0.2)^2 ≈ 0.1937。
恰好8件合格的概率约为19.37%。
例题二：计算不超过某个成功次数的概率在一场考试中，某学生在过去的测试中，答对题目的概率为0.7。
若该学生参加5次测试，求至少有3次答对的概率。
解：求至少有3次答对的概率，可以通过计算0到2次答对的概率并用1减去得到：P(X ≥ 3) = 1 P(X ≤ 2)计算P(X ≤ 2)：P(X = 0) = C(5, 0) (0.7)^0 (0.3)^5 = 1 1 0.00243 ≈ 0.0024。
P(X = 1) = C(5, 1) (0.7)^1 (0.3)^4 = 5 0.7 0.0081 ≈ 0.028.P(X = 2) = C(5, 2) (0.7)^2 (0.3)^3 = 10 (0.49) 0.027 ≈ 0.1323。
P(X ≤ 2) = P(X = 0) + P(X = 1) + P(X = 2) ≈ 0.0024 + 0.028 + 0.1323 ≈ 0.1627。
二项分布应用举例
二项分布及其应用知识归纳1．条件概率及其性质(1)对于任何两个事件A 和B ，在已知事件A 发生的条件下，事件B 发生的概率叫做 ，用符号 来表示，其公式为P (B |A )＝ .在古典概型中，若用n (A )表示事件A 中基本事件的个数，则P (B |A )＝ . (2)条件概率具有性质：① ；②如果B 和C 是两互斥事件，则P (B ＋C |A )＝ ． 2．相互独立事件(1)对于事件A 、B ，若A 的发生与B 的发生互不影响，则称A 、B 是相互独立事件． (2)若A 与B 相互独立，则P (B |A )＝ ， P (AB )＝P (B |A )·P (A )＝ ．(3)若A 与B 相互独立，则 ， ， 也都相互独立． (4)若P (AB )＝P (A )P (B )，则 ． 3．二项分布(1)独立重复试验是指在相同条件下可重复进行的，各次之间相互独立的一种试验，在这种试验中每一次试验只有两种相互对立的结果，即要么发生，要么不发生，且任何一次试验中发生的概率都是一样的．(2)在n 次独立重复试验中，事件A 发生k 次的概率为 (p 为事件A 发生的概率)，若一个随机变量X 的分布列如上所述，称X 服从参数为n ，p 的二项分布，简记为 ．自我检测1．(2011·辽宁高考，5)从1,2,3,4,5中任取2个不同的数，事件A ＝“取到的2个数之和为偶数”，事件B ＝“取到的2个数均为偶数”，则P (B |A )＝( ) A.18 B.14 C.25D.12解析：条件概率P (B |A )＝P AB P A P (A )＝C 23＋1C 25＝410＝25，P (AB )＝1C 25＝110，∴P (B |A )＝11025＝14.2．一袋中有5个白球，3个红球，现从袋中往外取球，每次任取一个记下颜色后放回，直到红球出现10次时停止，设停止时共取了ξ次球，则P (ξ＝12)等于( )A ．C 1012⎝ ⎛⎭⎪⎫3810⎝ ⎛⎭⎪⎫582B ．C 911⎝ ⎛⎭⎪⎫389⎝ ⎛⎭⎪⎫58238 C ．C 911⎝ ⎛⎭⎪⎫589⎝ ⎛⎭⎪⎫382D ．C 911⎝ ⎛⎭⎪⎫389⎝ ⎛⎭⎪⎫582解：事件{ξ＝12}表示第12次取到红球，前11次取到9个红球，故P (ξ＝12)＝C 911⎝ ⎛⎭⎪⎫389·⎝ ⎛⎭⎪⎫582·38.3．(2011·广东高考)甲、乙两队进行排球决赛，现在的情形是甲队只要再赢一局就获冠军，乙队需要再赢两局才能得冠军，若两队胜每局的概率相同，则甲队获得冠军的概率为( )A.12B.35C.23 D.34解析：∵甲、乙两队决赛时每队赢的概率相等，∴每场比赛甲、乙赢的概率均为12.记甲获冠军为事件A ，则P (A )＝12＋12×12＝344．(2010·福建高考，13)某次知识竞赛规则如下：在主办方预设的5个问题中，选手若能连续正确回答出两个问题，即停止答题，晋级下一轮．假设某选手正确回答每个问题的概率都是0.8，且每个问题的回答结果相互独立，则该选手恰好回答了4个问题就晋级下一轮的概率为________．解析：由题设分两种情况：(1)第1个正确，第2个错误，第3、4个正确，由乘法公式得P 1＝0.8×0.2×0.8×0.8＝0.102 4. (2)第1、2个错误，第3、4个正确，由互斥事件的概率公式得P 2＝0.2×0.2×0.8×0.8＝0.025 6. ∴P ＝P 1＋P 2＝0.128. 5．(2011·上海高考，12)随机抽取的9位同学中，至少有2位同学在同一月份出生的概率是________(默认每个月的天数相同，结果精确到0.001)．解析：设事件A 为“至少有2位同学在同一月份出生”，则A 的对立事件A 为“所有人出生月份均不相同”，则P (A )＝1－P (A )＝1－A 912129＝1－12×11×10×9×8×7×6×5×4129≈1－0.015 5＝0.984 5≈0.985.题型讲解例1.(2011·湖南高考，15)如图，EFGH 是以O 为圆心、半径为1的圆的内接正方形．将一颗豆子随机地扔到该圆内，用A 表示事件“豆子落在正方形EFGH 内”，B 表示事件“豆子落在扇形OHE (阴影部分)内”，则(1)P (A )＝________； (2)P (B |A )＝________.[解析] ∵P (A )＝S 正方形S 圆＝22π＝2π. P (B |A )＝P AB P A ＝S △EOH S 正方形＝14.[规律方法]……………►►条件概率的求法：(1)利用定义，分别求P (A )和P (AB )，得P (B |A )＝P ABP A.这是通用的求条件概率的方法．(2)借助古典概型概率公式，先求事件A 包含的基本事件数n (A )，再在事件A 发生的条件下求事件B 包含的基本事件数，即n (AB )，得P (B |A )＝n ABn A.练习1．抛掷红、蓝两颗骰子，设事件A 为“蓝色骰子的点数为3或6”，事件B 为“两颗骰子的点数之和大于8”．(1)求P(A)，P(B)，P(AB)；(2)当已知蓝色骰子的点数为3或6时，求两颗骰子的点数之和大于8的概率．解析：(1)①P (A )＝26＝13. ②∵两个骰子的点数之和共有36个等可能的结果，点数之和大于8的结果共有10个．∴P (B )＝1036＝518. ③当蓝色骰子的点数为3或6时，两颗骰子的点数之和大于8的结果有5个，故P (AB )＝536. (2)由(1)知P (B |A )＝P ABP A ＝53613＝512.例2.(2012·重庆高考，18)甲、乙两人轮流投篮，每人每次投一球，约定甲先投且先投中者获胜，一直到有人获胜或每人都已投球3次时投篮结束．设甲每次投篮投中的概率为13，乙每次投篮投中的概率为12，且各次投篮互不影响．(1)求乙获胜的概率；(2)求投篮结束时乙只投了2个球的概率． 解析] 设A k ，B k 分别表示甲、乙在第k 次投篮投中，则P (A k )＝13，P (B k )＝12(k ＝1,2,3)．(1)记“乙获胜”为事件C ，由互斥事件有一个发生的概率与相互独立事件同时发生的概率计算公式知P (C )＝P (A 1B 1)＋P (A 1 B 1 A 2B 2)＋P (A 1 B 1 A 2 B 2 A 3 B 3)＝P (A 1)P (B 1)＋P (A 1)P (B 1)P (A 2)P (B 2)＋P (A 1)P (B 1)P (A 2)P (B 2)P (A 3)P (B 3) ＝23×12＋⎝ ⎛⎭⎪⎫232⎝ ⎛⎭⎪⎫122＋⎝ ⎛⎭⎪⎫233⎝ ⎛⎭⎪⎫123＝1327. (2)记“投篮结束时乙只投了2个球”为事件D ，则由互斥事件有一个发生的概率与相互独立事件同时发生的概率计算公式知P (D )＝P (A 1 B 1 A 2B 2)＋P (A 1 B 1 A 2 B 2A 3) ＝P (A 1)P (B 1)P (A 2)P (B 2)＋P (A 1)P (B 1)P (A 2)P (B 2)P (A 3)＝⎝ ⎛⎭⎪⎫232⎝ ⎛⎭⎪⎫122＋⎝ ⎛⎭⎪⎫232⎝ ⎛⎭⎪⎫122⎝ ⎛⎭⎪⎫13＝427. [规律方法]……………►►(1)相互独立事件是指两个试验中，两事件发生的概率互不影响；相互对立事件是指同一次试验中，两个事件不会同时发生；(2)求用“至少”表述的事件的概率时，先求其对立事件的概率往往比较简单．练习2．(2011·山东高考，18改编)红队队员甲、乙、丙与蓝队队员A 、B 、C 进行围棋比赛，甲对A ，乙对B ，丙对C 各一盘．已知甲胜A ，乙胜B ，丙胜C 的概率分别为0.6,0.5,0.5.假设各盘比赛结果相互独立．(1)求红队至少两名队员获胜的概率；(2)用ξ表示红队队员获胜的总盘数，求ξ的分布列．解析：(1)设甲胜A 的事件为D ，乙胜B 的事件为E ，丙胜C 的事件为F .则D ，E ，F 分别表示甲不胜A 、乙不胜B 、丙不胜C 的事件．因为P (D )＝0.6，P (E )＝0.5，P (F )＝0.5，由对立事件的概率公式知P (D )＝0.4，P (E )＝0.5，P (F )＝0.5.红队至少两人获胜的事件有：DE F ，D E F ，D EF ，DEF .由于以上四个事件两两互斥且各盘比赛的结果相互独立，因此红队至少两人获胜的概率为P ＝P (DE F )＋P (D E F )＋P (D EF )＋P (DE F )＝0.6×0.5×0.5＋0.6×0.5×0.5＋0.4×0.5×0.5＋0.6×0.5×0.5＝0.55(2)由题意知ξ可能的取值为0,1,2,3.又由(1)知D E F、D E F、D E F是两两互斥事件，且各盘比赛的结果相互独立，因此P(ξ＝0)＝P(D E F)＝0.4×0.5×0.5＝0.1，P(ξ＝1)＝P(D E F)＋P(D E F)＋P(D E F)＝0.4×0.5×0.5＋0.4×0.5×0.5＋0.6×0.5×0.5＝0.35，P(ξ＝3)＝P(DEF)＝0.6×0.5×0.5＝0.15. 由对立事件的概率公式得P(ξ＝2)＝1－P(ξ＝0)－P(ξ＝1)－P(ξ＝3)＝0.4.所以ξ的分布列为：例3.(2010·四川高考，17改编)某种有奖销售的饮料，瓶盖内印有“奖励一瓶”或“谢谢购买”字样，购买一瓶若其瓶盖内印有“奖励一瓶”字样即为中奖，中奖概率为16.甲、乙、丙三位同学每人购买了一瓶该饮料．(1)求甲中奖且乙、丙都没有中奖的概率，(2)求中奖人数Ｘ的分布列．[解析] (1)设甲、乙、丙中奖的事件分别为A 、B 、C ，那么P (A )＝P (B )＝P (C )＝16.P (A ·B ·C )＝P (A )P (B )P (C )＝16×⎝ ⎛⎭⎪⎫562＝25216.甲中奖且乙、丙都没有中奖的概率是25216. (2)X 的可能取值为0,1,2,3. P (Ｘ＝k )＝C k 3 ⎛⎪⎫16k ⎛⎪⎫563－k，k ＝0,1,2,3.所以中奖人数X 的分布列为[规律方法]………………►►(1)独立重复试验是在同样的条件下重复地、各次之间相互独立地进行的一种试验．在这种试验中，每一次试验只有两种结果，即某事件要么发生，要么不发生，并且任何一次试验中发生的概率都是一样的． (2)二项分布满足的条件①每次试验中，事件发生的概率是相同的．②各次试验中的事件是相互独立的．③每次试验只有两种结果：事件要么发生，要么不发生．④随机变量是这n 次独立重复试验中事件发生的次数．练习3．(2012·四川高考，17)某居民小区有两个相互独立的安全防范系统(简称系统)A 和B ，系统A 和系统B 在任意时刻发生故障的概率分别为110和p .(1)若在任意时刻至少有一个系统不发生故障的概率为4950，求p 的值；(2)求系统A 在3次相互独立的检测中不发生故障的次数大于发生故障的次数的概率．解析：(1)设“至少有一个系统不发生故障”为事件C ，那么1－P (C －)＝1－110·p ＝4950.解得p ＝15.(2)设“系统A 在3次相互独立的检测中不发生故障的次数大于发生故障的次数”为事件D ， 那么P (D )＝C 23110·(1－110)2＋(1－110)3＝9721000＝243250. 故系统A 在3次相互独立的检测中不发生故障的次数大于发生故障的次数的概率为243250.例4.(2013·苏州模拟)一个袋中装有黑球、白球和红球共n (n ∈N *)个，这些球除颜色外完全相同．已知从袋中任意摸出1个球，得到黑球的概率是25.现从袋中任意摸出2个球．(1)若n ＝15，且摸出的2个球中至少有1个白球的概率是47，设ξ表示摸出的2个球中红球的个数，求随机变量ξ的概率分布列；(2)当n 取何值时，摸出的2个球中至少有1个黑球的概率最大，最大概率为多少？[解析] (1)设袋中黑球的个数为x 个，记“从袋中任意摸出一个球，得到黑球”为事件A ，则P (A )＝x15＝25.∴x ＝6. 设袋中白球的个数为y 个，记“从袋中任意摸出两个球，至少得到一个白球”为事件B ，则P (B )＝1－C 215－yC 215＝47，∴y 2－29y ＋120＝0，∴y ＝5或y ＝24(舍)．∴红球的个数为15－6－5＝4(个) ∴随机变量ξ的取值为0,1,2ξ 0 1 2P1122 44105 235(2)设袋中有黑球z 个，则z ＝25n (n ＝5,10,15，…)．设“从袋中任意摸出两个球，至少得到一个黑球”为事件C ，则P (C )＝1－C 235nC 2n ＝1625＋625×1n －1，当n ＝5时，P (C )最大，最大值为710.强化训练1．抛掷甲、乙两枚骰子，若事件A ：“甲骰子的点数小于3”，事件B ：“甲、乙两枚骰子的点数之和等于6”，则P (B |A )的值等于( )A.13B.118C.16D.19 解析：由题意知P (A )＝1236＝13，P (AB )＝236＝118，∴P (B |A )＝P ABP A ＝11813＝16.2．(2010·辽宁高考)两个实习生每人加工一个零件，加工为一等品的概率分别为23和34，两个零件是否加工为一等品相互独立，则这两个零件中恰好有一个一等品的概率为( ) A.12 B.512 C.14 D.16解析：设事件A ：“一个实习生加工一等品”，事件B ：“另一个实习生加工一等品”，由于A 、B 相互独立，则恰有一个一等品的概率P ＝P (A ∩B )＋P (A ∩B ) ＝P (A )＝P (B )＋P (A )P (B )＝23×14＋13×34＝512.3．(2011·湖北高考)如图，用K 、A 1、A 2三类不同的元件连接成一个系统，当K 正常工作且A 1、A 2至少有一个正常工作时，系统正常工作，已知K 、A 1、A 2正常工作的概率依次为0.9、0.8、0.8，则系统正常工作的概率为( )A ．0.960B ．0.864C ．0.720D ．0.576解析：A 1、A 2同时不能工作的概率为0.2×0.2＝0.04，所以A 1、A 2至少有一个正常工作的概率为1－0.04＝0.96，所以系统正常工作的概率为0.9×0.96＝0.864.故选B.4．位于坐标原点的一个质点P按下列规则移动：质点每次移动一个单位，移动的方向为向上或向右，并且向上、向右移动的概率都是12.质点P 移动五次后位于点(2,3)的概率是( ) A.⎝ ⎛⎭⎪⎫125 B ．C 25⎝ ⎛⎭⎪⎫125 C ．C 25⎝ ⎛⎭⎪⎫123 D ．C 25C 35(12)5解析：质点在移动过程中向右移动2次，向上移动3次，因此质点P 移动5次后位于点(2,3)的概率为C 25⎝ ⎛⎭⎪⎫122⎝ ⎛⎭⎪⎫1－123，故选B.5．如果ξ～B (15，14)，则使P (ξ＝k )取最大值的k 值为( )A ．3B ．4C ．5D ．3或4解析：(特殊值法)∵P (ξ＝3)＝C 315⎝ ⎛⎭⎪⎫143⎝ ⎛⎭⎪⎫3412， P (ξ＝4)＝C 415⎝ ⎛⎭⎪⎫144⎝ ⎛⎭⎪⎫3411，P (ξ＝5)＝C 515⎝ ⎛⎭⎪⎫145⎝ ⎛⎭⎪⎫3410从而易知P (ξ＝3)＝P (ξ＝4)>P (ξ＝5)．6．(2012·重庆高考，15)某艺校在一天的6节课中随机安排语文、数学、外语三门文化课和其它三门艺术课各1节间接法，分两，则在课表上的相邻两节文化课之间最多间隔1节艺术课的概率为________(用数字作答解析：使用间接法，分两类：①某两节文化课之间间隔2节艺术课方法数为C 23·A 22·C 12·C 13·A 33＝216种．②某2节文化课之间间隔3节艺术课方法数为：C 12·A 33·A 33＝72种，故所求事件概率为P ＝1－216＋72A 66＝1－25＝35. 7．将一个半径适当的小球放入如图所示的容器最上方的入口处，小球将自由下落．小球在下落的过程中，将3次遇到黑色障碍物，最后落入A 袋或B 袋中．已知小球每次遇到黑色障碍物时，向左、右两边下落的概率都是12，则小球落入A 袋中的概率为________．＝1－⎝ ⎛⎭⎪⎫18＋18解：小球落入A 袋左侧的概率为12×12×12＝18，同理落入右侧的概率为18，∴P＝34. 8．(2010·安徽高考，15)甲罐中有5个红球，2个白球和3个黑球，乙罐中有4个红球，3个白球和3个黑球．先从甲罐中随机取出一球放入乙罐，分别以A 1，A 2和A 3表示由甲罐取出的球是红球，白球和黑球的事件；再从乙罐中随机取出一球，以B 表示由乙罐取出的球是红球的事件．则下列结论中正确的是________(写出所有正确结论的编号)①P (B )＝25；②P (B |A 1)＝511；③事件B 与事件A 1相互独立；④A 1，A 2，A 3是两两互斥的事件；⑤P (B )的值不能确定，因为它与A 1，A 2，A 3中究竟哪一个发生有关． 解析：对①，P (B )＝C 15C 110×C 15C 111＋C 15C 110×C 14C 111＝922；②，P (B |A 1)＝C 15C 111＝511；③，由P (A 1)＝12，P (B )＝922，P (A 1·B )＝522知P (A 1·B )≠P (A 1)·P (B )．故事件B 与事件A 1不是相互独立事件；④，从甲罐中只取一球，若取出红球就不可能是其他，故两两互斥； ⑤，由①可算得． 答案：②④9．(2011·大纲卷，18)根据以往统计资料，某地车主购买甲种保险的概率为0.5，购买乙种保险但不购买甲种保险的概率为0.3.设各车主购买保险相互独立．(1)求该地1位车主至少购买甲、乙两种保险中的1种的概率；(2)X 表示该地的100位车主中，甲、乙两种保险都不购买的车主数．求X 的期望．解析：记A 表示事件：该地的1位车主购买甲种保险；B 表示事件：该地的1位车主购买乙种保险但不购买甲种保险；C 表示事件：该地的1位车主至少购买甲、乙两种保险中的1种； D 表示事件：该地的1位车主甲、乙两种保险都不购买；(1)P (A )＝0.5，P (B )＝0.3，C ＝A ＋B ，P (C )＝P (A ＋B )＝P (A )＋P (B )＝0.8. (2)D ＝C ，P (D )＝1－P (C )＝1－0.8＝0.2，X ～B (100,0.2)，即X 服从二项分布，所以期望EX ＝100×0.2＝20.10．(2011·天津高考，16)学校游园活动有这样一个游戏项目：甲箱子里装有3个白球，2个黑球，乙箱子里装有1个白球、2个黑球，这些球除颜色外完全相同，每次游戏从这两个箱子里各随机摸出2个球，若摸出的白球不少于2个，则获奖．(每次游戏结束后将球放回原箱)． (1)求在1次游戏中；(ⅰ)摸出3个白球的概率；(ⅱ)获奖的概率； (2)求在2次游戏中获奖次数X 的分布列及数学期望EX .解析：(1)(ⅰ)设“在1次游戏中摸出i 个白球”为事件A i (i ＝0,1,2,3)，则P (A 3)＝C 23C 25·C 12C 23＝15.(ⅱ)设“在1次游戏中获奖”为事件B ，则B ＝A 2∪A 3.又P (A 2)＝C 23C 25·C 22C 23＋C 13C 12C 25·C 12C 23＝12，且A 2，A 3互斥，所以P (B )＝P (A 2)＋P (A 3)＝12＋15＝710.(2)由题意可知X 的所有可能取值为0,1,2.P (X ＝0)＝⎝ ⎛⎭⎪⎫1－7102＝9100，P (X ＝1)＝C 12710⎝ ⎛⎭⎪⎫1－710＝2150，P (X ＝2)＝⎝ ⎛⎭⎪⎫7102＝49100. 所以X 的分布列是X 的数学期望EX ＝0×9100＋1×2150＋2×49100＝75. 11．(2012·山东高考，19)现有甲、乙两个靶．某射手向甲靶射击一次，命中的概率为34，命中得1分，没有命中得0分；向乙靶射击两次，每次命中的概率为23，每命中一次得2分，没有命中得0分．该射手每次射击的结果相互独立．假设该射手完成以上三次射击．(1)求该射手恰好命中一次的概率；(2)求该射手的总得分X 的分布列及数学期望EX . 解析：(1)记该射手命中“甲”、“乙”靶分别为事件A ，B . 由已知P (A )＝34，P (B )＝23.记“该射手恰好命中一次”为事件C ，因为每次射击结果相互独立，∴P (C )＝P (A B B )＋P (A B B )＋P (A B B )＝34×⎝ ⎛⎭⎪⎫1－232＋2×14×23×13＝736.(2)由已知，X 的可能取值有：0,1,2,3,4,5，P (X ＝0)＝P (A B B )＝14×⎝ ⎛⎭⎪⎫132＝136；P (X ＝1)＝P (A B B )＝34×⎝ ⎛⎭⎪⎫132＝112；P (X ＝2)＝P (A B B )＋P (A B B )＝2×14×23×13＝19；P (X ＝3)＝P (AB B )＋P (A B B )＝2×34×13×23＝13； P (X ＝4)＝P (A BB )＝14×⎝ ⎛⎭⎪⎫232＝19； P (X ＝5)＝P (ABB )＝34×⎝ ⎛⎭⎪⎫232＝13， ∴X 的分布列如下：∴EX ＝0×136＋1×112＋2×19＋3×13＋4×19＋5×13＝4112.（注：可编辑下载，若有不当之处，请指正，谢谢!）。
概率与统计中的二项分布
概率与统计中的二项分布概率与统计是数学中的重要分支，涉及到随机事件的概率计算和统计数据的分析。
在这个领域中，二项分布是一种常见且重要的概率分布。
一、二项分布的定义及特点二项分布是离散型概率分布的一种，用于描述在一系列独立重复的伯努利试验中成功次数的概率分布。
伯努利试验指的是只有两个可能结果的随机试验，如抛硬币的正反面或者某产品合格与否等。
二项分布的特点如下：1. 每次试验的结果只有两个可能，记为成功（S）和失败（F）。
2. 每次试验的成功概率为p，失败概率为1-p。
3. 每次试验独立重复进行，试验次数记为n。
4. 求得成功次数k的概率。
二、二项分布的概率计算对于二项分布而言，可以通过以下公式来计算成功次数k的概率：P(X=k) = C(n, k) * p^k * (1-p)^(n-k)其中，P(X=k)表示成功次数为k的概率，即二项分布的概率质量函数；C(n, k)表示从n次试验中取出k次成功的组合数；p^k表示k次成功的概率；(1-p)^(n-k)表示n-k次失败的概率。
三、二项分布的应用举例1. 投掷硬币的例子假设我们有一枚均匀硬币，投掷10次，成功定义为出现正面，失败定义为出现反面。
设定成功概率p为0.5，那么可以利用二项分布计算出在10次投掷中出现k次正面的概率。
2. 测试产品合格率的例子假设某产品的合格率为0.8，现从中抽取20个样本进行测试，成功定义为抽取的产品合格，失败定义为抽取的产品不合格。
可以利用二项分布计算出在20个样本中有k个合格产品的概率。
四、二项分布的性质二项分布具有以下重要性质：1. 期望与方差：二项分布的概率分布的期望值和方差分别为E(X) = np，Var(X) = np(1-p)。
其中，E(X)表示成功次数的平均值，Var(X)表示成功次数的方差。
2. 定理：当试验次数n足够大，成功概率p足够小（或足够大），则二项分布可以近似为泊松分布或正态分布。
五、总结在概率与统计中，二项分布是一种常见的离散型概率分布，适用于描述在多次独立重复的伯努利试验中成功次数的概率分布。
典例解析：二项分布
有关二项分布的典型问题分析二项分布是在n 次独立重复试验中引入的一个概念，它是一种常见的、重要的离散型随机变量的概率分布，引入他们实际上是对独立重复试验从概率分布角度的进一步研究。
然而我们在利用二项分布原理解决实际问题时只注意到两点，即解释为什么可以看成二项分布模型，其次是考虑到它的计算，却往往忽视对计算结果进行解释，造成初学者无法摆脱知识上的种种困惑。
鉴于此，我们选取几个典型案例进行剖析，供参考。
一 保险问题例1设某保险公司有10000人参加人身意外保险。
该公司规定:每人每年付公司120元，若逢意外死亡，公司将赔偿10000元。
若每人每年死亡率为0.006，试讨论该公司是否会赔本，其利润状况如何。
（不考虑公司的其它赔偿费用、其他开支和其它收入）分析：在这个问题中，公司的收入是完全确定的，10000个投保人每人付给公司120元，公司的年收入为120万元。
公司的支出取决于投保人中意外死亡的人数（这里略去有关公司日常性开支的讨论，如公司职工工资，行政开支等等），而这是完全随机的，公司无法在事前知道其确切人数。
但公司可以知道死亡人数的分布。
设X 表示这10000人中意外死亡的人数，由于每个人的死亡率为0.006，则X 服从n=10000，p=0.006的二项分布:k k k C k X P --==1000010000)006.01(006.0)(，k=0,1,2,…,10000。
死亡X 个人时，公司要赔偿X 万元，此时公司的利润为（120-X ）万元。
尽管我们无法事前知道这利润的确切值，但由上述分布可知，公司赔本的概率为∑==-=≤-=<-120)(1)120(1)0120(k k X P X P X P121200100001000010994.0006.01-=-≤-=∑k k k k C ≈0即公司几乎不会赔本（这里的计算量很大，可设计算法程序来计算，体会算法的重要性）。
类似地，可以计算，例如公司利润不少于40万元的概率,995.0994.0006.0)()80()40120(8001000010000800≈===≤=≥-∑∑=-=k k k k k C k X P X P X P即公司有99.5%的概率能赚到40万元以上。
二项分布最大概率公式
二项分布最大概率公式二项分布是概率论中一种重要的离散概率分布，它描述了在一系列独立的重复试验中，成功事件发生的次数。
举个例子来说，假设我们有一枚公正的硬币，进行了10次独立的抛掷，每次抛掷的结果要么是正面朝上（成功），要么是反面朝上（失败）。
那么，在这10次抛掷中，出现正面的次数就是二项分布的应用。
二项分布最大概率公式是用来计算在n次试验中成功事件发生k次的概率的公式。
公式可以表示为P(X=k) = C(n, k) * p^k * (1-p)^(n-k)，其中P(X=k)表示成功事件发生k次的概率，C(n, k)表示组合数，表示从n次试验中取k次成功事件的组合数，p表示每次试验中成功事件发生的概率，(1-p)表示每次试验中失败事件发生的概率。
二项分布最大概率公式的使用可以帮助我们计算在一定条件下成功事件发生的概率，从而在实际问题中进行预测和决策。
下面我们通过几个具体的例子来说明。
例子一：假设某汽车零部件生产线上，每小时生产的零部件数量符合二项分布。
已知每小时平均生产10个零部件，且每个零部件不合格的概率为0.1。
现在我们想知道在一个小时内，生产线上不合格的零部件数量为1个的概率是多少。
解答：根据二项分布最大概率公式，我们可以计算P(X=1) = C(n, k) * p^k * (1-p)^(n-k)，其中n=10，k=1，p=0.1。
代入公式计算得到P(X=1) = C(10, 1) * 0.1^1 * (1-0.1)^(10-1) = 10 * 0.1 * 0.9^9 ≈ 0.387。
所以，在这个小时内，生产线上不合格的零部件数量为1个的概率约为0.387。
例子二：假设某品牌的某种产品在市场上的购买率为0.3，现在我们从中随机选择了20个人，想知道其中有5个人购买该产品的概率是多少。
解答：同样地，根据二项分布最大概率公式，我们可以计算P(X=5) = C(n, k) * p^k * (1-p)^(n-k)，其中n=20，k=5，p=0.3。
二项分布的应用实例
二项分布的应用实例二项分布是概率论中的一种离散概率分布，常用于描述在n次独立重复试验中成功次数的概率分布。
它在实际生活中有着广泛的应用，下面将介绍二项分布的几个应用实例。
1. 投资决策假设某公司有一个投资项目，该项目有50%的概率获得100%的回报，50%的概率获得0%的回报。
公司决定投资10次，每次投资的金额为100万元。
我们可以使用二项分布来计算在这10次投资中，公司获得回报的概率分布。
通过计算可以得到不同回报次数的概率，从而帮助公司做出投资决策。
2. 质量控制在生产过程中，产品的合格率是一个重要的指标。
假设某产品的合格率为90%，现在需要生产100个产品。
我们可以使用二项分布来计算在这100个产品中，合格品的数量的概率分布。
通过计算可以得到不同合格品数量的概率，从而帮助企业进行质量控制和生产计划的制定。
3. 市场调研在市场调研中，我们经常需要对一定数量的样本进行调查，以了解整个人群的情况。
假设我们对1000个人进行调查，其中有80%的人对某个产品表示满意。
我们可以使用二项分布来计算在这1000个人中，对该产品表示满意的人数的概率分布。
通过计算可以得到不同满意人数的概率，从而帮助我们对整个人群的满意度进行估计。
4. 信号传输在通信领域，二项分布也有着重要的应用。
假设我们发送了1000个二进制信号，其中每个信号以概率p被正确接收。
我们可以使用二项分布来计算在这1000个信号中，被正确接收的信号数量的概率分布。
通过计算可以得到不同正确接收信号数量的概率，从而帮助我们评估信号传输的质量。
5. 金融风险评估在金融领域，二项分布也可以用于评估风险。
假设某个投资组合中有10个股票，每个股票上涨的概率为60%。
我们可以使用二项分布来计算在这10个股票中，上涨股票的数量的概率分布。
通过计算可以得到不同上涨股票数量的概率，从而帮助我们评估投资组合的风险。
以上是二项分布在实际生活中的几个应用实例。
通过使用二项分布，我们可以对不同事件发生的概率进行估计，从而帮助我们做出决策、控制风险、评估市场等。
二项分布的现实例子
二项分布的现实例子二项分布是概率论中的一种离散概率分布，它描述了在n次独立重复的伯努利试验中成功次数的概率分布。
在现实生活中，我们可以找到许多与二项分布相关的实际例子。
本文将介绍几个常见的二项分布现实例子，并解释其应用。
一、硬币投掷硬币投掷是最常见的二项分布实例之一。
当我们投掷一枚硬币时，每次投掷都是一个伯努利试验，成功可以定义为正面朝上，失败可以定义为反面朝上。
假设我们投掷硬币10次，成功次数可以是0、1、2、3、4、5、6、7、8、9或10。
通过计算每个成功次数的概率，我们可以得到一个二项分布。
二、产品质量检验在制造业中，产品质量检验是一个重要的环节。
假设某公司生产了1000个产品，每个产品都有一定的概率存在缺陷。
我们可以将每个产品是否存在缺陷定义为一个伯努利试验，成功表示存在缺陷，失败表示不存在缺陷。
通过对这1000个产品进行质量检验，我们可以得到每个成功次数的概率分布，从而判断产品质量的合格率。
三、选举投票选举投票是另一个与二项分布相关的实际例子。
假设某个选区有10000名选民，每个选民都有一定的概率投票给候选人A。
我们可以将每个选民是否投票给候选人A定义为一个伯努利试验，成功表示投票给候选人A，失败表示投票给其他候选人。
通过对这10000名选民进行投票，我们可以得到每个成功次数的概率分布，从而判断候选人A的选举胜率。
四、赌博游戏赌博游戏中的赌注结果也可以用二项分布来描述。
例如，在掷骰子游戏中，每次掷骰子都是一个伯努利试验，成功可以定义为掷出指定的点数，失败可以定义为掷出其他点数。
通过多次掷骰子，我们可以得到每个成功次数的概率分布，从而判断赌注的胜率。
五、市场营销市场营销中的广告点击率也可以用二项分布来描述。
假设某公司在互联网上投放了1000次广告，每次广告的点击率为0.1。
我们可以将每次广告是否被点击定义为一个伯努利试验，成功表示被点击，失败表示未被点击。
通过对这1000次广告的点击情况进行统计，我们可以得到每个成功次数的概率分布，从而评估广告的效果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
二项分布的例子
【篇一：二项分布的例子】
在介绍贝塔分布(beta distribution)之前，需要先明确一下先验概率、后验概率、然函数以及共轭分布的概念。
通俗的讲，先验概率就是事情尚未发生前，我们对该事发生概率的
估计。
利用过去历史资料计算得到的先验概率，称为客观先验概率；当历史资料无从取得或资料不完全时，凭人们的主观经验来判断而
得到的先验概率，称为主观先验概率。
例如抛一枚硬币头向上的概
率为0.5，这就是主观先验概率。
后验概率是指通过调查或其它方式
获取新的附加信息，利用贝叶斯公式对先验概率进行修正，而后得
到的概率。
先验概率和后验概率的区别：先验概率不是根据有关自然状态的全
部资料测定的，而只是利用现有的材料(主要是历史资料)计算的；后
验概率使用了有关自然状态更加全面的资料，既有先验概率资料，
也有补充资料。
另外一种表述：先验概率是在缺乏某个事实的情况
下描述一个变量；而后验概率（probability of outcomes of an experiment after it has been performed and a certain event has occured.）是在考虑了一个事实之后的条件概率。
然函数共轭分布(conjugacy)：后验概率分布函数与先验概率分布函数具有相同形式好了，有了以上先验知识后，终于可以引入贝塔分
布啦！！首先，考虑一点，在试验数据比较少的情况下，直接用最
大然法估计二项分布的参数可能会出现过拟合的现象（比如，扔硬
币三次都是正面，那么最大然法预测以后的所有抛硬币结果都是正面）。
为了避免这种情况的发生，可以考虑引入先验概率分布来控
制参数，防止出现过拟合现象。
那么，问题现在转为如何选择！
先验概率和后验概率的关系为：
二项分布的然函数为（就是二项分布除归一化参数之外的后面那部分，然函数之所以不是pdf，是因为它不需要归一化）：
如果选择的先验概率也与和次方德乘积的关系，那么后验概率分布
的函数形式就会跟它的先验函数形式一样了。
具体来说，选择prior
的形式是，那么posterior就会变成这个样子了(为pdf的归一化参数)，所以posterior和prior具有相同的函数形式(都是也与和次方
的乘积)，这样先验概率与后验概率就是共轭分布了。
所以，我们选择了贝塔分布作为先验概率，其概率分布函数为：
，其中狄利克雷分布狄利克雷分布(dirichlet distribution)是多项分布的共轭分布，也就是它与多项分布具有相同形式的分布函数。
概率分布函数为：
【篇二：二项分布的例子】。