歡迎來到二項分佈計算！
在這一章，我們將從「什麼是二項分佈？」進階到「如何實際運用它來解決問題」。我們將學習如何計算事件發生特定次數的準確概率、如何利用計算機節省時間，以及如何找出你預期的「平均」結果。別擔心，這些公式初看之下可能有點嚇人——只要我們把它們拆解成小部分，處理起來就會容易多了！
1. 二項概率公式
要找出在 n 次試驗中獲得剛好 r 次成功的概率，我們會使用二項概率分佈公式。你可能會看到它寫作 P(X = r)。
公式為：\(P(X = r) = \binom{n}{r} \times p^r \times q^{n-r}\)
拆解公式：
1. \(\binom{n}{r}\)（組合）：這告訴我們成功可能發生的組合方式有多少種。例如，如果你拋硬幣三次，你可能在第 1 次和第 2 次拋出「正面」，或者第 2 次和第 3 次拋出，以此類推。
2. \(p^r\)（成功）：成功的概率的 \(r\) 次方，即我們要的成功次數。
3. \(q^{n-r}\)（失敗）：失敗的概率（\(q = 1 - p\)）的 \(n-r\) 次方，即我們失敗的次數。
現實生活中的類比：想像你在籃球比賽中投了 5 個罰球，你的命中率是 70% (\(p = 0.7\))。如果你想知道剛好命中 3 次的概率，你就是在尋找 \(P(X = 3)\)。你會有 3 次成功 (\(0.7^3\)) 和 2 次不中 (\(0.3^2\))，然後再乘以這些命中與不中可能發生的不同順序組合數量！
重點提示：當你需要計算精確的成功次數時，請在計算機上使用 PD (Probability Distribution) 功能。
2. 有效使用你的計算機
在 MEI H630 的課程大綱中，我們鼓勵大家使用計算機功能。這在考試中簡直是救星！大多數科學計算機和圖形計算機都有兩種主要模式：
Binomial PD (Probability Density/Distribution)：用於計算「剛好」的題目。
例子：投擲十次骰子，剛好擲出四次 6 點的概率是多少？
Binomial CD (Cumulative Distribution)：用於計算「最多」或「範圍」的題目。這會計算 \(P(X \le x)\)。
例子：擲出兩次或更少 6 點的概率是多少？
要避免的常見錯誤：計算機通常只會計算「小於或等於」(\(\le\))。如果題目問的是「超過 5」(\(P(X > 5)\))，你必須計算 \(1 - P(X \le 5)\)。如果卡住了，隨時畫個數線圖來輔助思考！
快速複習：
- 剛好 \(r\)：使用 Binomial PD
- 至多 \(r\) (\(\le r\))：使用 Binomial CD
- 至少 \(r\) (\(\ge r\))：使用 1 - Binomial CD 來計算 (\(r-1\))
3. 平均值與期望頻率
二項分佈的平均值 (Mean) 是指如果你進行了無數次實驗，你預期會獲得的「平均」成功次數。它也被稱為期望值 (Expected Value)，記作 E(X)。
公式非常簡單：\(Mean = np\)
例子：如果你拋一枚公正的硬幣 100 次 (\(n=100\))，正面朝上的概率為 0.5 (\(p=0.5\))，你預期的正面次數就是 \(100 \times 0.5 = 50\)。
數據中的期望頻率
如果你有一組觀察數據，並想看看它是否符合二項分佈模型，你可以透過將總觀察次數乘以該結果的概率來計算每個結果的期望頻率。
\(Expected Frequency = Total \times P(X = r)\)
你知道嗎？平均值 \(np\) 不一定要是整數。如果你拋硬幣 5 次，你「預期」的正面次數是 2.5。雖然實際上不可能得到 2.5 次正面，但這代表了長期的平均值！
重點提示：平均值就是 n 乘以 p。這是本章最簡單的計算，所以務必確保拿到這些輕鬆的分數！
4. 計算總結
處理二項分佈問題時，請遵循以下步驟：
1. 識別你的參數：找出 \(n\)（試驗次數）和 \(p\)（成功概率）。
2. 確定概率類型：你是在尋找精確值 (\(X = r\)) 還是範圍 (\(X \le r\), \(X > r\))？
3. 選擇工具：簡單的精確值使用公式，複雜的則使用計算機的 PD/CD 功能。
4. 運用邏輯處理不等式：請記住，因為我們處理的是離散（整數）數值，所以 \(P(X < 4)\) 與 \(P(X \le 3)\) 是相同的。
記憶技巧：「小於就是少一點！」當題目說「小於 5」時，實際上是計算「至多 4」。一定要檢查題目用語是否包含該數字本身。
最後的鼓勵：二項分佈計算是非常合乎邏輯的。如果你的答案大於 1 或小於 0，你就知道哪裡出錯了，因為概率永遠介於 0 到 1 之間！多用計算機練習，這很快就會變成你的直覺反應。