欢迎来到分布的世界！
你好！今天我们要探索统计学中两个最强大的工具：二项分布 (Binomial Distribution) 与 泊松分布 (Poisson Distribution)。
别被这些名字吓到了。你可以把它们简单地理解为协助我们预测未来的“数学模型”。无论你想知道篮球运动员罚球 10 投 8 中的概率，还是想计算一小时内看到三颗流星的概率，这些分布都能给你答案。
读完这份笔记，你就能像专家一样识别该使用哪个模型，并精准地算出概率！
1. 二项分布 (The Binomial Distribution)
二项分布的核心就是“成功”或“失败”。当我们有固定的试验次数，且每次试验只有两种可能的结果时，我们就会用到它。
何时使用？（BINS 记忆法）
要使用二项模型，你的情况必须符合以下四个规则。记住 BINS：
1. B - Binary (二元)： 只有两种结果（成功或失败）。
2. I - Independent (独立)： 每次试验互不影响（就像抛硬币一样）。
3. N - Number (次数)： 试验次数固定为 \(n\)。
4. S - Success (成功)： 每次试验成功的概率 (\(p\)) 保持不变。
公式
如果随机变量 \(X\) 服从二项分布，我们记作：
\(X \sim B(n, p)\)
获得刚好 \(r\) 次成功的概率为：
\(P(X = r) = \binom{n}{r} \times p^r \times (1-p)^{n-r}\)
公式拆解：
- \(\binom{n}{r}\)：这是计算器上的“组合”(combinations) 按键。它代表从 \(n\) 个项目中挑选 \(r\) 个的方法总数。
- \(p^r\)：成功概率的 \(r\) 次方。
- \((1-p)^{n-r}\)：失败概率的 \((n-r)\) 次方。
快速步骤：
1. 找出 \(n\)（总试验次数）和 \(p\)（成功概率）。
2. 找出 \(r\)（你想要的成功次数）。
3. 代入公式。
4. 小心翼翼地输入计算器！
快速复习框
- 二项分布平均数 (Mean/Average)： \(E(X) = np\)
- 二项分布方差 (Variance)： \(Var(X) = np(1-p)\)
重点提示： 当你有固定次数且结果只有“是/否”的试验时，就用二项分布。
2. 泊松分布 (The Poisson Distribution)
此分布以法国数学家西梅翁·德尼·泊松命名，用于处理在特定的时间或空间区间内，以固定平均速率发生的事件。
现实生活类比
想象你站在倾盆大雨中的树下，盯着地面上的一块方形瓷砖。泊松分布能帮你计算这一分钟内，有 0、1、2 或更多雨滴打在那块瓷砖上的概率。
其他例子：
- 一小时内收到的电子邮件数量。
- 一页文件中的打字错误数量。
- 10 分钟内经过闸口的汽车数量。
条件（SIND 记忆法）
要让泊松模型成立，事件必须符合：
1. S - Single (单一)： 事件一次只发生一个。
2. I - Independent (独立)： 事件的发生不会影响下一次发生的概率。
3. N - No simultaneity (无同时发生)： 两个事件不可能在同一瞬间发生。
4. D - Deterministic Rate (确定速率)： 它们以固定的平均速率 (\(\lambda\)) 发生。
公式
如果 \(X\) 服从泊松分布，我们记作：
\(X \sim Po(\lambda)\)
（其中 \(\lambda\)，读作“lambda”，是平均发生次数）。
刚好发生 \(x\) 次事件的概率为：
\(P(X = x) = \frac{e^{-\lambda} \lambda^x}{x!}\)
这些符号代表什么？
- \(e\)：一个特殊的常数（约等于 2.718）。你的计算器上有 \(e^x\) 按键！
- \(\lambda\)：平均发生速率。
- \(x!\)：“x 的阶乘”（例如 \(4! = 4 \times 3 \times 2 \times 1\)）。
重要数学小技巧！
在泊松分布中，平均数 (Mean) 和 方差 (Variance) 是一样的！
\(Mean = \lambda\)
\(Variance = \lambda\)
这是考试中非常常见的考点！
重点提示： 当你已知平均速率，且需计算在特定时间或空间内的发生次数时，请使用泊松分布。
3. 我该用哪种分布？
有时很难抉择，这里有个快速指南：
- 是否有“成功”次数上限？（例如：20 人中有几人...）。如果是，用 二项分布。
- 是否没有明确的“最大值”？（例如：天上有多少颗星星...）。如果是，用 泊松分布。
- 你是否在关注一个“区间”（时间/距离）？ 用 泊松分布。
4. 使用泊松近似二项分布
有时候，二项分布的计算会非常繁琐（例如 \(n = 1000\) 时）。如果 \(n\) 很大且 \(p\) 很小，我们可用泊松公式作为捷径！
经验法则：
当符合以下条件时，你可以用泊松来近似二项分布：
1. \(n > 50\)
2. \(np < 5\)（大约值）
这时，你只需设定泊松速率为 \(\lambda = np\) 即可。
重点提示： 当试验次数很多但成功概率极低时，泊松是二项分布的一个超好用的“懒人捷径”。
5. 避开常见陷阱
1. “至少”陷阱： 如果题目要求 \(P(X \geq 1)\)，千万别一个一个算 1、2、3、4...直到无限！请使用余事件规则：\(1 - P(X = 0)\)。
2. 零的阶乘： 记住 \(0! = 1\)。如果把 0 代入泊松公式，别被它搞糊涂了！
3. 改变区间： 在泊松中，如果速率是每小时 2 次，但题目问的是 2 小时，你必须将 \(\lambda\) 加倍变成 4。务必让 \(\lambda\) 与题目要求的时间区间一致！
4. 计算器模式： 确保你清楚计算器上“概率质量函数”(Probability Mass Function, 刚好 \(x\)) 与“累积分布函数”(Cumulative Distribution Function, 直到 \(x\)) 的差别。
最终检查清单
- 二项分布： 固定 \(n\)，固定 \(p\)，成功/失败。
- 泊松分布： 平均速率 \(\lambda\)，没有固定 \(n\)，时间/空间区间。
- 平均数/方差： 泊松平均数 = 方差。二项平均数 = \(np\)。
- 统计表： 考试时记得使用提供的统计表来查找累积概率 (\(P(X \leq x)\))，可以省下不少时间！
如果刚开始觉得有点难，别担心！多练习在题目中找出 \(n, p,\) 和 \(\lambda\)，这些公式很快就会变成你的直觉。你一定做得到的！