二项分布简介

你好！在本章中，我们将探索统计学中最实用的工具之一：二项分布 (Binomial Distribution)。你有没有想过，掷 10 次硬币，出现恰好 3 次正面的概率是多少？又或者在 20 个人的小组中，有多少人可能拥有特定的血型？

二项分布能帮助我们建立“是/否”或“成功/失败”情况的模型。它让我们能够预测在固定次数的试验中，发生特定次数成功结果的可能性。如果现在听起来有点抽象，别担心——只要掌握了四大黄金法则，你很快就能一眼看出哪些情况适用二项分布！

“BINS”准则：何时使用二项分布

要将某种情况视为二项分布，必须满足四个特定条件。记住这些条件的好方法是使用助记词 BINS：

  • B – Binary（二元性）：每次试验只有两种可能的结果。我们通常称之为成功 (Success) 和失败 (Failure)。（例如：“及格”或“不及格”、“正面”或“反面”）。
  • I – Independent（独立性）：每次试验的结果不得影响下一次的结果。（例如：如果你掷硬币得到正面，下一次掷硬币得到正面的概率仍然完全相同）。
  • N – Number of trials（试验次数）：试验次数是固定的，我们称之为 \( n \)。你必须预先知道重复进行了多少次实验。
  • S – Success probability（成功概率）：成功概率（我们称之为 \( p \)）在每一次试验中必须保持相同。

类比：想象你在篮球场上罚球 10 次。如果你的技术水平没有变（S），你确切投了 10 次（N），每次投篮互不影响（I），且结果不是进球就是没进（B），那么这就是一个二项分布的情况！

重点总结：

二项分布是在固定次数的独立试验中，计算成功次数的分布，前提是每次试验的成功概率保持不变。

认识符号标示

在 Mathematics B (MEI) 中，我们使用特定的符号来描述这些分布。这就像是一套简写代码，能告诉你关于该情况所有你需要知道的信息。

我们将其写作：\( X \sim B(n, p) \)

  • \( X \)：这是离散随机变量 (Discrete Random Variable)。它代表我们正在计算的成功次数。
  • \( \sim \)：这个符号的意思是“服从……分布”。
  • \( B \)：代表“二项 (Binomial)”。
  • \( n \)：试验次数。
  • \( p \)：单次试验中的成功概率。
  • \( q \)：有时你会看到 \( q \)。这是失败的概率，计算方式为 \( q = 1 - p \)。

快速示例：如果你掷一枚公平的六面骰子 20 次，并想计算掷出“6”的次数，该分布为 \( X \sim B(20, \frac{1}{6}) \)。这里，\( n = 20 \) 且 \( p = \frac{1}{6} \)。

现实生活中的例子 vs. 非例子

要精通这个主题，你需要能够分辨什么情况不是二项分布。让我们看看两个情境：

情境 A：二项分布

一家种子公司知道他们 80% 的向日葵种子会发芽。你种下 15 颗种子，并计算有多少颗会发芽。
为什么适用：二元性（发芽/不发芽）、独立性（一颗种子发芽不影响另一颗）、试验次数固定（15）、成功概率不变（0.80）。

情境 B：非二项分布

你有一个袋子，装有 5 个红球和 5 个蓝球。你不放回地 (without replacing) 取出 3 个球，并计算红球的数量。
为什么不适用：试验不是独立的。如果你第一次取到红球，剩下的红球数量就会减少，因此第二次取球的成功概率就会改变。这破坏了 BINS 中的“I”和“S”！

常见错误警示：

一定要检查概率是否改变。如果你是从一个小型群体中“不放回”地进行抽样，这通常不是二项分布，因为各次试验之间是相关的。

平均值与期望频率

有时候，我们想知道如果进行多次实验，结果的“平均”会是多少。这被称为平均值 (Mean) 或期望值 (Expected Value)。

公式非常简单：\( \text{Mean} = np \)

示例：如果你掷一枚公平硬币 100 次（\( n = 100 \)，\( p = 0.5 \)），你预期会出现多少次正面？
\( \text{Mean} = 100 \times 0.5 = 50 \text{ 次正面。} \)

你知道吗？这就是我们在现实世界中用来设定目标或判断游戏是否造假的“期望频率”！如果你预期出现 50 次正面却得到了 90 次，你可能就要怀疑这枚硬币是不是公平的了。

总结检查清单

在进行计算之前，请确保你能回答关于任何问题的以下几个问题：

  • 是否有固定次数的试验 (\( n \))？
  • 是否只有两种可能的结果？
  • 成功概率 (\( p \)) 每次都相同吗？
  • 每一次试验都是独立的吗？

重点总结：如果你对这四个问题的答案都是“是”，那么这就是一个二项分布 \( B(n, p) \)！