二项分布

二项分布 (Binomial Distribution)

二项分布 (Binomial Distribution) 是概率论与统计学中一个基础且重要的离散概率分布。它描述了在一系列固定的、独立的、只有两种可能结果的试验中，"成功"结果出现的次数。

这个分布由两个核心参数定义：

1. $n$：试验的总次数，它是一个正整数。
2. $p$：单次试验中"成功"事件发生的概率，其取值范围为 $0 \le p \le 1$。

一个服从二项分布的随机变量 $X$ 通常记为 $X \sim B(n, p)$。

二项分布的条件

一个随机试验的结果若要服从二项分布，必须满足以下四个条件，这些条件共同构成了一个 伯努利过程 (Bernoulli Process)：

1. 固定次数的试验 (Fixed number of trials)：试验被重复了固定的 $n$ 次。例如，抛掷一枚硬币10次（$n=10$），或者从生产线上随机抽取20个产品（$n=20$）。
2. 结果二分性 (Dichotomous outcomes)：每次试验只有两种互斥的可能结果。通常我们将这两种结果标记为"成功"和"失败"。例如，硬币正面（成功）或反面（失败）；产品合格（成功）或不合格（失败）；患者对治疗有反应（成功）或无反应（失败）。
3. 恒定的成功概率 (Constant probability of success)：在每次试验中，"成功"的概率 $p$ 都是相同的。相应地，"失败"的概率 $q = 1-p$ 也是恒定的。例如，对于一枚均匀的硬币，每次抛掷得到正面的概率始终是 $0.5$。
4. 试验的独立性 (Independent trials)：每次试验的结果都是统计独立的，即一次试验的结果不会影响任何其他试验的结果。例如，本次抛硬币的结果对下一次抛硬币的结果没有影响。

只有当这四个条件都得到满足时，我们才能使用二项分布来建模"成功"的总次数。

概率质量函数 (Probability Mass Function, PMF)

二项分布的概率质量函数 (PMF)给出了在 $n$ 次试验中，恰好观察到 $k$ 次成功的概率。其数学公式为：

其中：

• $k$ 是成功的次数，它可以是 $0, 1, 2, \ldots, n$ 中的任意整数。
• $\binom{n}{k}$ 是 二项式系数 (Binomial Coefficient)，也写作 $C(n,k)$。它表示从 $n$ 次试验中选出 $k$ 次成功的所有可能组合数。其计算公式为： \[ \binom{n}{k} = \frac{n!}{k!(n-k)!} \] 这里 $n!$ 表示 $n$ 的阶乘 (factorial)。这个系数告诉我们，包含 $k$ 个成功和 $n-k$ 个失败的特定序列可以有多少种不同的排列方式。
• $p^k$ 是在任意一个特定序列中，$k$ 次成功发生的概率。由于各次试验是独立的，我们将每次成功的概率 $p$ 连乘 $k$ 次。
• $(1-p)^{n-k}$ 是在同一个特定序列中，$n-k$ 次失败发生的概率。同样，我们将每次失败的概率 $(1-p)$ 连乘 $n-k$ 次。

因此，PMF的逻辑是：(出现 $k$ 次成功的组合方式数) $\times$ (任意一种特定组合方式发生的概率)。

主要的统计特征

对于一个服从二项分布 $X \sim B(n, p)$ 的随机变量，其主要的统计量如下：

• 期望值 (Expected Value) 或均值 (Mean)：指在大量重复试验中，我们平均期望看到的成功次数。 \[ E[X] = np \] 这个公式非常直观。例如，如果一种药物的治愈率是80\% ($p=0.8$)，那么在100名患者（$n=100$）中使用该药物，我们期望有 $100 \times 0.8 = 80$ 名患者被治愈。
• 方差 (Variance)：衡量成功次数的变异程度或分散情况。 \[ Var(X) = np(1-p) \] 方差越大，表示观测到的成功次数可能离期望值越远。当 $p=0.5$ 时，对于给定的 $n$，方差达到最大值，因为此时结果的不确定性最高。
• 标准差 (Standard Deviation)：方差的平方根，与原始数据具有相同的单位。 \[ \sigma_X = \sqrt{np(1-p)} \]
• 众数 (Mode)：出现概率最高的成功次数。二项分布的众数是使得 $P(X=k)$ 最大的整数 $k$。其值为 $\lfloor(n+1)p\rfloor$。如果 $(n+1)p$ 是一个整数，那么 $(n+1)p$ 和 $(n+1)p - 1$ 都是众数。这里的 $\lfloor x \rfloor$ 是向下取整函数，表示不大于 $x$ 的最大整数。

示例：产品质量检验

假设一家工厂生产的芯片，其次品率为 5\% ($p=0.05$)。现在从一批产品中随机独立地抽取 10 个芯片 ($n=10$) 进行检验。我们令随机变量 $X$ 为抽出的 10 个芯片中次品的数量。那么 $X$ 服从二项分布 $X \sim B(10, 0.05)$。

问题1：恰好有 1 个次品的概率是多少？

这里 $n=10, p=0.05, k=1$。根据PMF公式：

所以，恰好发现 1 个次品的概率约为 31.51\%。

问题2：最多有 1 个次品的概率是多少？

这需要计算"没有次品"和"恰好有 1 个次品"的概率之和，即 $P(X \le 1) = P(X=0) + P(X=1)$。

首先计算 $P(X=0)$：

然后将两者相加：

因此，最多发现 1 个次品的概率约为 91.38\%。这个值被称为累积分布函数 (Cumulative Distribution Function, CDF) 在 $k=1$ 处的值。

问题3：期望抽到多少个次品？

使用期望值公式：

平均而言，我们期望在每10个芯片的样本中发现0.5个次品。

与其他分布的关系

• 伯努利分布 (Bernoulli Distribution)：伯努利分布是二项分布在 $n=1$ 时的特例，记为 $B(1, p)$。它描述了单次试验的结果。因此，二项分布可以看作是 $n$ 个独立同分布的伯努利随机变量之和。
• 泊松分布 (Poisson Distribution)：当二项分布的试验次数 $n$ 非常大，而单次成功概率 $p$ 非常小时，二项分布可以用泊松分布来近似。具体来说，如果 $n \to \infty$ 且 $p \to 0$，而它们的乘积 $np = \lambda$ 保持为一个有限的常数，则 $B(n, p) \approx \text{Poisson}(\lambda)$。这个近似在处理稀有事件（如单位时间内网站的点击次数、放射性物质的衰变次数）时非常有用。
• 正态分布 (Normal Distribution)：根据棣莫弗-拉普拉斯定理 (De Moivre-Laplace Theorem)，当试验次数 $n$ 足够大时，二项分布可以用正态分布来近似。一个常用的经验法则是，当 $np \ge 5$ 且 $n(1-p) \ge 5$ 同时满足时，近似效果较好。此时，$B(n, p)$ 近似于一个均值为 $\mu = np$、方差为 $\sigma^2 = np(1-p)$ 的正态分布 $N(np, np(1-p))$。这种近似是中心极限定理的一个早期版本，也是许多假设检验方法的基础。

小结

二项分布是概率论中最基础的离散分布之一，其核心在于四个前提条件：固定试验次数、结果二分性、恒定成功概率和试验独立性。其概率质量函数 $P(X=k) = \binom{n}{k} p^k (1-p)^{n-k}$ 精确描述了 $n$ 次伯努利试验中恰好发生 $k$ 次成功的概率。期望 $np$ 和方差 $np(1-p)$ 简洁地刻画了分布的中心位置与离散程度。当 $n$ 很大时，二项分布可通过泊松分布（$p$ 很小）或正态分布（$np$ 和 $n(1-p)$ 均不太小）进行近似，这使得二项分布成为连接离散与连续概率世界的重要桥梁，在质量控制、医学统计、机器学习等应用领域发挥着不可替代的作用。