欢迎来到二项分布计算！
在这一章，我们将从“什么是二项分布？”进阶到“如何实际运用它来解决问题”。我们将学习如何计算事件发生特定次数的准确概率、如何利用计算器节省时间，以及如何找出你预期的“平均”结果。别担心，这些公式初看之下可能有点吓人——只要我们把它们拆解成小部分，处理起来就会容易多了！
1. 二项概率公式
要找出在 n 次试验中获得刚好 r 次成功的概率，我们会使用二项概率分布公式。你可能会看到它写作 P(X = r)。
公式为：\(P(X = r) = \binom{n}{r} \times p^r \times q^{n-r}\)
拆解公式：
1. \(\binom{n}{r}\)（组合）：这告诉我们成功可能发生的组合方式有多少种。例如，如果你抛硬币三次，你可能在第 1 次和第 2 次抛出“正面”，或者第 2 次和第 3 次抛出，以此类推。
2. \(p^r\)（成功）：成功的概率的 \(r\) 次方，即我们要的成功次数。
3. \(q^{n-r}\)（失败）：失败的概率（\(q = 1 - p\)）的 \(n-r\) 次方，即我们失败的次数。
现实生活中的类比：想象你在篮球比赛中投了 5 个罚球，你的命中率是 70% (\(p = 0.7\))。如果你想知道刚好命中 3 次的概率，你就是在寻找 \(P(X = 3)\)。你会有 3 次成功 (\(0.7^3\)) 和 2 次不中 (\(0.3^2\))，然后再乘以这些命中与不中可能发生的不同顺序组合数量！
重点提示：当你需要计算精确的成功次数时，请在计算器上使用 PD (Probability Distribution) 功能。
2. 有效使用你的计算器
在 MEI H630 的课程大纲中，我们鼓励大家使用计算器功能。这在考试中简直是救星！大多数科学计算器和图形计算器都有两种主要模式：
Binomial PD (Probability Density/Distribution)：用于计算“刚好”的题目。
例子：投掷十次骰子，刚好掷出四次 6 点的概率是多少？
Binomial CD (Cumulative Distribution)：用于计算“最多”或“范围”的题目。这会计算 \(P(X \le x)\)。
例子：掷出两次或更少 6 点的概率是多少？
要避免的常见错误：计算器通常只会计算“小于或等于”(\(\le\))。如果题目问的是“超过 5”(\(P(X > 5)\))，你必须计算 \(1 - P(X \le 5)\)。如果卡住了，随时画个数线图来辅助思考！
快速复习：
- 刚好 \(r\)：使用 Binomial PD
- 至多 \(r\) (\(\le r\))：使用 Binomial CD
- 至少 \(r\) (\(\ge r\))：使用 1 - Binomial CD 来计算 (\(r-1\))
3. 平均值与期望频率
二项分布的平均值 (Mean) 是指如果你进行了无数次实验，你预期会获得的“平均”成功次数。它也被称为期望值 (Expected Value)，记作 E(X)。
公式非常简单：\(Mean = np\)
例子：如果你抛一枚公正的硬币 100 次 (\(n=100\))，正面朝上的概率为 0.5 (\(p=0.5\))，你预期的正面次数就是 \(100 \times 0.5 = 50\)。
数据中的期望频率
如果你有一组观察数据，并想看看它是否符合二项分布模型，你可以通过将总观察次数乘以该结果的概率来计算每个结果的期望频率。
\(Expected Frequency = Total \times P(X = r)\)
你知道吗？平均值 \(np\) 不一定要是整数。如果你抛硬币 5 次，你“预期”的正面次数是 2.5。虽然实际上不可能得到 2.5 次正面，但这代表了长期的平均值！
重点提示：平均值就是 n 乘以 p。这是本章最简单的计算，所以务必确保拿到这些轻松的分数！
4. 计算总结
处理二项分布问题时，请遵循以下步骤：
1. 识别你的参数：找出 \(n\)（试验次数）和 \(p\)（成功概率）。
2. 确定概率类型：你是在寻找精确值 (\(X = r\)) 还是范围 (\(X \le r\), \(X > r\))？
3. 选择工具：简单的精确值使用公式，复杂的则使用计算器的 PD/CD 功能。
4. 运用逻辑处理不等式：请记住，因为我们处理的是离散（整数）数值，所以 \(P(X < 4)\) 与 \(P(X \le 3)\) 是相同的。
记忆技巧：“小于就是少一点！”当题目说“小于 5”时，实际上是计算“至多 4”。一定要检查题目用语是否包含该数字本身。
最后的鼓励：二项分布计算是非常合乎逻辑的。如果你的答案大于 1 或小于 0，你就知道哪里出错了，因为概率永远介于 0 到 1 之间！多用计算器练习，这很快就会变成你的直觉反应。