簡介：成功、失敗與其中的一切
歡迎來到二項分佈 (Binomial Distributions) 的世界！如果你曾經多次投擲硬幣、向目標發射多支箭，或是檢查一批燈泡是否有瑕疵，那麼你其實已經接觸過這一章的邏輯了。在統計學中，我們使用二項分佈來計算在固定次數的試驗中，獲得特定次數「成功」的概率。
如果剛開始看到公式覺得有點令人膽怯，別擔心！我們會把它們拆解成容易消化的小部分。當你讀完這些筆記時，你將會像專家一樣計算概率！
1. 識別參數：n 和 p
在開始計算之前，我們需要知道將哪些數字代入公式。每一個二項分佈都由兩個主要要素定義：
- \(n\)（試驗次數）： 這單純是指你進行實驗的次數（例如，拋硬幣 10 次，則 \(n = 10\)）。
- \(p\)（成功概率）： 這是你在單次試驗中獲得預期結果的機會（例如，硬幣正面朝上的概率是 \(0.5\)）。
- \(q\)（失敗概率）： 我們通常用 \(q\) 來表示「失敗」的機會。計算方式為 \(1 - p\)。
簡短標記法： 我們將其寫為 \(X \sim B(n, p)\)。這只是一種簡寫，意思是「隨機變量 \(X\) 服從參數為 \(n\) 次試驗及成功概率為 \(p\) 的二項分佈」。
記憶小幫手：BINS 記憶法
要檢查你是否能使用這些計算，請記住 BINS：
B - Binary（二元性：只有兩種結果，成功或失敗）。
I - Independent（獨立性：一次試驗不會影響下一次）。
N - Number of trials is fixed（試驗次數固定）。
S - Success probability is the same（每次成功的概率都相同）。
重點摘要： 務必先找出你的 \(n\) 和 \(p\)。只要知道這兩個數值，你就擁有了解決問題所需的一切！
2. 使用概率質量函數（PMF）計算「恰好」的概率
假設你想找出獲得恰好 \(r\) 次成功的概率。例如，如果你投擲 5 次骰子，出現兩次 6 點的概率是多少？我們使用以下公式：
\(P(X = r) = \binom{n}{r} \times p^r \times q^{n-r}\)
拆解公式：
- \(\binom{n}{r}\)： 這是計算機上的 "nCr" 按鍵。它告訴我們有多少種不同的方法可以排列這些成功次數。
- \(p^r\)： 這是成功概率，提升到我們想要的成功次數次方。
- \(q^{n-r}\)： 這是失敗概率，提升到剩餘試驗次數（即「失敗」次數）的次方。
例子：投擲一枚公平硬幣 3 次（\(n=3, p=0.5\)）。恰好出現 2 次正面的概率（\(r=2\)）：
\(P(X = 2) = \binom{3}{2} \times 0.5^2 \times 0.5^1 = 3 \times 0.25 \times 0.5 = 0.375\)
避免常見錯誤： 請確保你的次方（\(r\) 和 \(n-r\)）相加永遠等於 \(n\)。如果你進行 10 次試驗且想要 3 次成功，那麼必然會有 7 次失敗！
重點摘要： 使用 nCr 公式來處理「恰好」類型的題目，但別忘了計算機內置了函數，能讓你算得更快！
3. 使用你的計算機：PD 與 CD
針對 OCR H640 考試，你需要高效率地使用計算機。大多數現代科學計算機或圖形計算機都有兩個特定的二項分佈函數：
二項分佈 PD（概率密度函數 - Probability Density）
當你想求恰好一個數值（例如 \(P(X = 4)\)）時使用。這就像用雷射筆射中地圖上的一個特定點。
二項分佈 CD（累積概率分佈 - Cumulative Distribution）
當你想求一個範圍的數值，特別是「小於或等於」的情況（例如 \(P(X \le 4)\)）時使用。這會一次計算出 \(P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4)\) 的總和！這就像用泛光燈照亮整個區域。
複習小貼士：處理不等式
如果題目要求的不是 \(\le\)，你需要進行轉換：
- 要找 \(P(X < 4)\)，請計算 \(P(X \le 3)\)。
- 要找 \(P(X \ge 4)\)，請計算 \(1 - P(X \le 3)\)。
- 要找 \(P(X > 4)\)，請計算 \(1 - P(X \le 4)\)。
你知道嗎？ 「累積」函數總是從零開始累加。如果你需要找出獲得 3 到 5 次成功的概率，你應該計算 \(P(X \le 5) - P(X \le 2)\)。
4. 平均值與期望頻率
有時候，我們不只想知道概率，還想知道如果我們多次運行實驗，結果的「平均」會是多少。這被稱為平均值 (Mean) 或期望值 (Expected Value)。
平均值公式
對於二項分佈，平均成功次數非常容易計算：
平均值 \(= np\)
例子：如果一名籃球運動員罰球命中的概率 \(p\) 為 0.8，且投籃 50 次（\(n\)），我們預期他會命中 \(50 \times 0.8 = 40\) 球。
期望頻率
如果你有大量的樣本（我們稱之為 \(N\)），並被問到預期其中有多少樣本會產生特定次數的成功，你只需將概率乘以樣本總數即可：
期望頻率 \(= N \times P(X = r)\)
重點摘要： 平均值就是 \(n\) 乘以 \(p\)。它是分佈的「平衡點」。
總結與檢查清單
在你闔上書本之前，請確保你能做到以下幾點：
- 從文字題目中識別出 \(n\) 和 \(p\)。
- 使用 \(q = 1 - p\) 來找出失敗概率。
- 使用 nCr 公式 或計算機上的 Binomial PD 計算「恰好」的概率。
- 使用 Binomial CD 和補集規則（\(1 - P\)）計算「至多」或「至少」的概率。
- 使用 \(np\) 計算平均成功次數。
加油： 二項分佈的計算關鍵在於多練習。一旦你習慣了你的計算機如何操作「列表 (List)」或「變量 (Variable)」模式，你會發現這些題目是統計學試卷中最容易得分的部分之一。繼續努力！