二项分布——公式、条件与例题

二项分布告诉你：在 $n$ 次试验中，恰好得到 $k$ 次成功的概率是多少。只有当每次试验对你关心的事件都只有两种结果、各次试验相互独立，并且每次成功概率都相同时，才能使用它。

如果这些条件中有一个不成立，那么即使计算过程看起来没问题，模型本身也可能是错的。

二项分布的含义

假设你把同一种试验重复进行 $n$ 次。每次试验中，你把一种结果记为成功，另一种结果记为失败。

如果每次试验成功的概率都是 $p$，那么随机变量 $X$（表示成功的次数）就可能服从二项分布。

你经常会看到它写成

$$X \sim \text{Bin}(n,p)$$

这个记号表示：

• $n$ 是试验次数
• $p$ 是每次试验成功的概率
• $X$ 统计成功出现了多少次

这是一个计数模型。它不关心是哪几次试验成功了，而是关心总共发生了多少次成功。

二项分布公式

恰好出现 $k$ 次成功时，概率为

$$P(X=k)=\binom{n}{k}p^k(1-p)^{n-k}$$

其中每一部分都有自己的作用：

• $\binom{n}{k}$ 表示在 $n$ 次试验中安排这 $k$ 次成功有多少种方式
• $p^k$ 表示这 $k$ 次成功发生的概率
• $(1-p)^{n-k}$ 表示其余失败发生的概率

这个公式适用于 $k=0,1,2,\dots,n$。

什么时候可以使用二项分布公式

只有当下面所有条件都成立时，才能使用二项模型：

试验次数固定

你事先知道一共要进行多少次试验。比如，把一枚硬币抛 $8$ 次就满足这个条件。

每次试验只有两种结果

对于你正在追踪的事件，每次试验都必须能归类为成功或失败。掷骰子也可以满足这个条件，只要你把成功定义为类似“掷出 $6$ 点”这样的事件。

各次试验相互独立

一次试验不应改变下一次试验的概率。放回抽样可以满足这个条件；而从一个小总体中不放回抽样通常不满足。

成功概率保持不变

$p$ 的值必须在每次试验中都相同。如果每次成功的机会都在变化，那么简单的二项模型就不合适。

例题：5 次抛掷中恰好出现 3 次正面

假设一枚有偏硬币出现正面的概率是 $0.6$。你把它抛 $5$ 次。恰好得到 $3$ 次正面的概率是多少？

把正面看作成功事件。那么

$$n=5,\quad p=0.6,\quad k=3$$

使用公式：

$$P(X=3)=\binom{5}{3}(0.6)^3(0.4)^2$$

现在分别计算各部分：

$$\binom{5}{3}=10,\quad (0.6)^3=0.216,\quad (0.4)^2=0.16$$

所以

$$P(X=3)=10(0.216)(0.16)=0.3456$$

恰好得到 $3$ 次正面的概率是 $0.3456$，也就是 $34.56\%$。

为什么这里二项模型是有效的？因为这个实验有固定的 $n$，每次抛掷只有两种结果，各次试验相互独立，而且每次的概率都相同，即 $p=0.6$。

“至少一次”的快速技巧

对于“至少一次成功”这类问题，用补事件通常比把很多项加起来更快。

例如，如果 $X \sim \text{Bin}(5,0.6)$，那么

$$P(X \ge 1)=1-P(X=0)=1-(0.4)^5$$

之所以这样做，是因为“至少一次成功”正是“零次成功”的补事件。

二项分布题中的常见错误

忽略条件

一个常见错误是在试验不独立时仍然使用二项公式。经典例子是：从一个小集合中不放回抽取，却仍然假设 $p$ 从不变化。

误解“成功”的含义

在二项分布问题中，成功不一定表示“好结果”。它只是你选择去统计的那个结果。

混淆“恰好”“至少”和“至多”

这些说法即使在同一个实验中，也对应不同的计算方式。“恰好 $3$ 次”只对应一项；“至少 $3$ 次”需要若干项相加；“至多 $3$ 次”则是另一种求和。

二项分布的应用场景

当你统计重复出现的“是或否”型结果时，二项分布就会出现，比如次品与非次品、通过与未通过、点击与未点击、正面与反面。

它在质量控制、满足适当前提下的抽样调查、可靠性问题以及统计学中的基础概率模型里都很有用。

试着做一道类似的题

你可以自己试试：把一枚硬币抛 $8$ 次，其中 $p=0.4$。先求 $P(X=2)$，再用补事件求 $P(X \ge 1)$。如果你想进一步思考，也可以比较一下当各次试验不再独立时，会发生什么变化。