更多分类： 数理统计计算器 化学计算器 体积计算器

二项分布概率计算器

输入参数

试验次数(n):
成功次数(k):
单次成功率(p):
计算类型: 概率质量函数 P(X=k) 累积分布函数 P(X≤k)
 
计算结果:

什么是二项分布?

二项分布是一种离散概率分布，描述了在n次独立重复试验中，成功次数k的概率分布。每次试验只有两种可能结果（成功或失败），且每次试验的成功概率p保持不变。

二项分布的应用场景

  • 产品质量控制中的抽样检验
  • 金融领域的风险评估和期权定价
  • 医学研究中的临床试验数据分析
  • 市场调研中的用户行为分析
  • 教育评估中的考试成绩分析

计算公式详解

概率质量函数 (PMF):

P(X=k) = C(n,k) × pk × (1-p)n-k

其中，C(n,k) = n! / (k!(n-k)!) 表示组合数

累积分布函数 (CDF):

P(X≤k) = Σi=0k P(X=i)

使用示例

示例1: 计算恰好成功次数

假设抛硬币10次，正面朝上的概率为0.5，求恰好出现3次正面的概率:

  • 试验次数 n = 10
  • 成功次数 k = 3
  • 成功率 p = 0.5
  • 计算类型选择"概率质量函数 P(X=k)"
  • 点击"计算"按钮，得到结果约为0.1172

示例2: 计算最多成功次数

假设某疾病的治愈率为0.8，求20名患者中最多15人被治愈的概率:

  • 试验次数 n = 20
  • 成功次数 k = 15
  • 成功率 p = 0.8
  • 计算类型选择"累积分布函数 P(X≤k)"
  • 点击"计算"按钮，得到结果约为0.3704
推荐

二项分布描述 n 次独立重复试验中成功次数的概率分布，每次试验只有成功和失败两种结果，且每次成功的概率都是 p。抛硬币 10 次正面出现几次、抽检 20 件产品有几件不合格、投篮 15 次命中几球，都是二项分布。工具可以算恰好成功 k 次的概率、不超过 k 次的累积概率，以及期望值和标准差，适合统计学作业和质量抽检方案设计。

使用方法

  1. 输入试验总次数 n，必须是正整数
  2. 输入单次成功概率 p，取值在 0 到 1 之间，0.5 表示等可能
  3. 输入关心的成功次数 k，可以算恰好 k 次，也可以算累积概率
  4. 查看期望值 np 和标准差，快速判断结果是否落在正常范围内

计算公式

概率质量函数 P(X = k) = C(n,k) × p^k × (1−p)^(n−k) 恰好成功 k 次的概率
组合数 C(n,k) = n! ÷ [k! × (n−k)!] 从 n 次中选 k 次成功的方式数
累积概率 P(X ≤ k) = ΣP(X = i)，i 从 0 到 k 不超过 k 次的概率
期望与方差 E(X) = np，Var(X) = np(1−p) 标准差为方差的平方根

计算示例

抛硬币 10 次，恰好出现 5 次正面的概率
  1. n = 10，p = 0.5，k = 5
  2. C(10,5) = 252，即 10 次里选 5 次正面的组合数
  3. P = 252 × 0.5⁵ × 0.5⁵ = 252 × 0.5¹⁰
  4. = 252 ÷ 1024 ≈ 0.2461
  5. 期望值 np = 5，与 k 一致，说明这是最可能的结果
结果：恰好 5 次正面的概率约 24.6%

要点与常见误区

常见问题

二项分布和正态分布什么关系
当 n 较大且 p 不接近 0 或 1 时（一般要求 np 和 n(1−p) 都大于 5），二项分布近似于正态分布，均值为 np、方差为 np(1−p)。这时可以用正态分布做近似计算，省去大量组合数运算。
抽检产品算二项分布还是超几何分布
取决于是否放回。抽完放回、或批量极大时用二项分布；一次性抽若干件不放回，严格来说用超几何分布。当批量远大于样本量（比如万件里抽 20 件），两者结果几乎一致，用二项分布即可。
n 和 p 都很大时怎么算
直接算 p^k 和组合数会溢出。实际做法是取对数后用对数伽马函数计算，或者用正态近似、泊松近似。编程实现时通常用对数空间累加避免数值溢出。
期望值 np 有什么实际意义
表示长期重复试验下的平均成功次数。比如合格率 95%，抽检 100 件，期望有 5 件不合格。如果实际不合格数远超 5 件，说明合格率可能下降了，这就是质量控制里常用的判异思路。

相关计算器

查看 全部代数计算器

Copyright © 2000-2026 科学计算器

全部计算器索引 · 首页