高等数学 / 系统课时
二项分布
二项分布
当同一种二结果试验独立重复固定次数,并关心成功出现了多少次时,二项分布可以直接给出成功次数的概率。本课将判断其成立条件,推导概率公式,并完成一个典型计算。
学习目标
- 判断实际问题是否满足二项分布的四个条件
- 使用概率公式计算恰好成功 次的概率
- 通过补事件处理“至少一次”等累计概率问题
先检查四个成立条件
设随机变量 表示 次试验中的成功次数。只有同时满足以下条件,才能写作 。
| 条件 | 判断问题 |
|---|---|
| 次数固定 | 试验是否预先确定重复 次 |
| 结果二分 | 每次是否只有成功和失败两类结果 |
| 相互独立 | 某次结果是否不改变其他试验的概率 |
| 概率相同 | 每次成功概率是否都等于同一个 |
任意一项不成立,都不能直接套用二项分布。例如从很小的总体中不放回抽样时,前一次结果会改变后一次成功概率,独立性和等概率条件通常不再满足。
从重复试验到成功次数
每次试验都可以看成一个伯努利变量,取值为 1 或 0。把 个取值相加,就得到成功总数 ,其可能取值为 。

要恰好成功 次,先从 次试验中选择哪 次成功,共有 种排列位置;每一种具体排列的概率都是 。因此:
组合数为:
主示例:计算成功次数
某营销邮件被点击的概率为 ,假设 10 位用户是否点击相互独立,且每人的点击概率相同。令 表示点击人数,则:
恰好有 4 人点击的概率为:
结果表示,在这些假设成立时,10 人中恰好 4 人点击的概率约为 。
若要求至少 1 人点击,逐项计算 较繁琐。使用补事件更直接:
因此,至少 1 人点击的概率约为 。
均值、方差与直觉
二项分布的期望和方差分别为:
在示例中,,表示大量重复开展同样的 10 人试验时,平均点击人数趋近于 3。期望不是说每一组都必然有 3 人点击,而是长期平均水平。
何时不能直接使用
- 试验次数本身随机,例如“持续拨打电话直到首次接通”。
- 每次成功概率变化,例如设备随使用次数增加而更容易故障。
- 结果会互相影响,例如同一家庭成员的购买行为高度关联。
- 单次结果不止两类,且无法合理合并为成功与失败。
遇到这些情况,应先重新定义随机变量,或选择更符合机制的离散分布模型。
按自己的节奏,确认真正理解。