二项分布

二项分布

科技名词定义

中文名称：二项分布

英文名称：binomial distribution

定义：描述随机现象的一种常用概率分布形式，因与二项式展开式相同而得名。

所属学科：大气科学（一级学科）；气候学（二级学科）

本内容由全国科学技术名词审定委员会审定公布

百科名片

二项分布

二项分布即重复n次的伯努里试验。在每次试验中只有两种可能的结果,而且是互相对立的，是独立的,与其它各次试验结果无关，结果事件发生的概率在整个系列试验中保持不变,则这一系列试验称为伯努力试验。

目录

概念

医学定义

二项分布的应用条件

二项分布的性质

与两点分布区别

编辑本段概念

二项分布（Binomial Distribution），即重复n次的伯努力试验（Bernoulli Experiment）,

用ξ表示随机试验的结果.

如果事件发生的概率是P,则不发生的概率q=1-p，N次独立重

复试验中发生K次的概率是

P(ξ=K)=Cn(k)P(k)q(n-k)

注意!:第二个等号后面的括号里的是上标，表示的是方幂。

那么就说这个属于二项分布..

其中P称为成功概率。

记作ξ~B(n,p)

期望:Eξ=np

方差:Dξ=npq

如果

1.在每次试验中只有两种可能的结果,而且是互相对立的;

2.每次实验是独立的,与其它各次试验结果无关;

3.结果事件发生的概率在整个系列试验中保持不变,则这一系列试验称为伯努力试验.

在这试验中,事件发生的次数为一随机事件,它服从二次分布.二项分布可

二项分布

以用于可靠性试验.可靠性试验常常是投入n个相同的式样进行试验T小时,而只允许k个式样失败,应用二项分布可以得到通过试验的概率.

若某事件概率为p，现重复试验n次，该事件发生k次的概率

为:P=C(k,n)×p^k×(1-p)^(n-k).C(k,n)表示组合数，即从n个事物中拿出k个的方法数.

编辑本段医学定义

在医学领域中，有一些随机事件是只具有两种互斥结果的离散型随机事件，称为二项分类变量（dichotomous variable），如对病人治疗结果的有效与无效，某种化验结果的阳性与阴性，接触某传染源的感染与未感染等。二项分布（binomial distribution）就是对这类只具有两种互斥结果的离散型随机事件的规律性进行描述的一种概率分布。

考虑只有两种可能结果的随机试验，当成功的概率（π）是恒定的

，且各次试验相互独立，这种试验在统计学上称为贝努里试验（Bernoulli trial）。如果进行n次贝努里试验，取得成功次数为X（X=0,1,…,n）的概率可用下面的二项分布概率公式来描述：

P=C(X,n)*π^X*(1-π)^(n-X)

式中的n为独立的贝努里试验次数，π为成功的概率，（1-π）为失败的概率，X为在n次贝努里试验中出现成功的次数，表示在n次试验中出现X的各种组合情况，在此称为二项系数（binomial coefficient）。

所以的含义为：含量为n的样本中，恰好有例阳性数的概率。

编辑本段二项分布的应用条件

1．各观察单位只能具有相互对立的一种结果，如阳性或阴性，生存或死亡等，属于两分类资料。

2．已知发生某一结果（阳性）的概率为π，其对立结果的概率为1-π，实际工作中要求π是从大量观察中获得比较稳定的数值。

二项分布公式

3．n次试验在相同条件下进行，且各个观察单位的观察结果相互独立，即每个观察单位的观察结果不会影响到其他观察单位的结果。如要求疾病无传染性、无家族性等。

编辑本段二项分布的性质

1．二项分布的均数和标准差在二项分布资料中，当π和n已知时，它的均数μ及其标准差σ可由式（7.3）和（7.4）算出。

μ=nπ（7.3）

σ=（7.4）

若均数和标准差不用绝对数表示，而是用率表示时，即对式（7.

二项分布公式

3）和（7.4）分别除以n，得

μp=π（7.5）

σp=（7.6）

σp是样本率的标准误的理论值，当π未知时，常用样本率p作为π的估计值，式（7.6）变为：

sp= （7.7）

E(n) = np, var(n) = np(1-p) (n是实验次数，p是每次实验的概率）

二项分布概念与图表和查表方法

二项分布概念及图表 二项分布就是重复n次独立的伯努利试验。在每次试验中只有两种可能的结果，而且两种结果发生与否互相对立，并且相互独立，与其它各次试验结果无关，事件发生与否的概率在每一次独立试验中都保持不变，则这一系列试验总称为n重伯努利实验，当试验次数为1时，二项分布服从0-1分布。 目录 1 定义 ?统计学定义 ?医学定义 2 概念 3 性质 4 图形特点 5 应用条件 6 应用实例

）。如果进行次伯努利试验，取得成功次数为的概率可用下面的二项分布概率公式来描述： 二项分布公式 二项分布公式 P(ξ=K)= C(n,k) * p^k * (1-p)^(n-k)，其中C(n, k) =n!/(k!(n-k)!)，注意：第二个等号后面的括号里的是上标，表示的是方幂。

二项分布

以用于可靠性试验。可靠性试验常常是投入n个相同的式样进行试验T小时，而只允许k个式样失败，应用二项分布可以得到通过试验的概率。

正面向上的平均次数为5次(μ= np=)，正面向上的散布程度为√10×（1/2）×（1/2)= 1.58(次)，这是根据理论的计算，而在实际试验中，有的人可得10个正面向上，有人得9个、8个……，人数越多，正面向上的平均数越接近5，分散程度越接近1.58。 图形特点 （1）当（n+1）p不为整数时，二项概率P{X=k}在k=[(n+1)p]时达到最大值； （2）当（n+1）p为整数时，二项概率P{X=k}在k=(n+1)p和k=(n+1)p-1时达到最大值。 注：[x]为不超过x的最大整数。 应用条件 1．各观察单位只能具有相互对立的一种结果，如阳性或阴性，生存或死亡等，属于两分类资料。 2．已知发生某一结果（阳性）的概率为π，其对立结果的概率为1-π，实际工作中要求π是从大量观察中获得比较稳定的数值。 二项分布公式 3．n次试验在相同条件下进行，且各个观察单位的观察结果相互独立，即每个观察单位的观察结果不会影响到其他观察单位的结果。如要求疾病无传染性、无家族性等。 应用实例 二项分布在心理与教育研究中，主要用于解决含有机遇性质的问题。所谓机遇问题，即指在实验或调查中，实验结果可能是由猜测而造成的。比如，选择题目的回答，划对划错，可能完全由猜测造成。凡此类问题，欲区分由猜测而造成的结果与真实的结果之间的界限，就要应用二项分布来解决。下面给出一个例子。 已知有正误题10题，问答题者答对几题才能认为他是真会，或者说答对几题，才能认为不是出于猜测因素?

专题11.8 二项分布及其应用(讲)(解析版)

专题11.8 二项分布及其应用 1.了解条件概率和两个事件相互独立的概念； 2.理解n 次独立重复试验的模型及二项分布.能解决一些简单的实际问题； 3.了解正态密度曲线的特点及曲线所表示的意义，并进行简单应用. 知识点一 条件概率 知识点二 事件的相互独立性 (1)定义：设A ，B 为两个事件，如果P (AB )＝P (A )P (B )，则称事件A 与事件B 相互独立. (2)性质：若事件A 与B 相互独立，则A 与B － ，A － 与B ，A － 与B － 也都相互独立，P (B |A )＝P (B )，P (A |B )＝P (A ). 知识点三 独立重复试验与二项分布 (1)独立重复试验 在相同条件下重复做的n 次试验称为n 次独立重复试验，其中A i (i ＝1，2，…，n )是第i 次试验结果，则 P (A 1A 2A 3…A n )＝P (A 1)P (A 2)P (A 3)…P (A n ). (2)二项分布 在n 次独立重复试验中，用X 表示事件A 发生的次数，设每次试验中事件A 发生的概率为p ，则 P (X ＝k )＝C k n p k (1－p ) n － k (k ＝0，1，2，…，n )，此时称随机变量X 服从二项分布，记作X ～B (n ，p )，并称p 为成功概率. 知识点四 正态分布 (1)正态分布的定义 如果对于任何实数a ，b (a ＜b )，随机变量X 满足P (a ＜X ≤b )＝??a b φμ，σ(x )d x ，则称随机变量X 服从正

态分布，记为X ～N (μ，σ2 ).其中φμ，σ(x )＝12πσe (x －μ)2 2σ2 (σ>0). (2)正态曲线的性质 ①曲线位于x 轴上方，与x 轴不相交，与x 轴之间的面积为1； ②曲线是单峰的，它关于直线x ＝μ对称； ③曲线在x ＝μ处达到峰值 1 σ2π ； ④当μ一定时，曲线的形状由σ确定，σ越小，曲线越“瘦高”，表示总体的分布越集中；σ越大，曲线越“矮胖”，表示总体的分布越分散. (3)正态总体在三个特殊区间内取值的概率值 ①P (μ－σ

二项分布

【模块标题】二项分布 【模块目标】★★★★★☆ 迁移 【模块讲解】 知识回顾： 1.定义：在n 次独立重复试验中，事件A 发生的次数ξ是一个随机变量，其所有可能取的值为0,1,2,,n ???， 并且()() 1n k k k n P k C p p ξ?==?（其中0,1,2,,k n =???），即分布列为 ()n p B ，2.二项分布的期望与方差：若()n p B ξ ，，则()=E np ξ，()()1D np p ξ=? 【教材内容1】利用二项分布的计算式求解问题(3星) <讲解指南> 一.题型分类： 1.二项分布基本概念题型； 2.根据二项分布求某一事件的概率；

3.根据二项分布求某一范围的概率； 4.根据二项分布求EX 、DX 及其变形； 5.根据EX 求概率 p 及某一事件的概率 6.根据EX 和DX 求np 二.方法步骤： 1.根据条件判断是否服从二项分布； 2.根据二项分布的性质列出相应的分布列 3. 根据二项分布的公式求解数学期望及方差； 三.难点： 本节的难点在于根据二项分布的公式进行某一事件或某一范围求概率的题型，需要教会学生求解二项分布里面的参数，然后套用公式进行求解。 <题目讲解> 例1. 下列随机变量ξ服从二项分布的是（ ）。 （1）随机变量ξ表示重复抛掷一枚骰子n 次中出现点数是3的倍数的次数； （2）某射手击中目标的概率为0.9，从开始射击到击中目标所需的射击次数ξ； （3）有一批产品共有N 件，其中M 件为次品，采用有放回抽取方法，ξ表示n 次抽取中出现次品的件数 ()M N ＜； （4）有一批产品共有N 件，其中M 件为次品，采用不放回抽取方法，ξ表示n 次抽取中出现次品的件数()M N ＜ A. ()2 ()3 B. ()1 ()4 C. ()3 ()4 D. ()1 ()3 练1. 下面随机变量 X 的分布列不属于二项分布的是（ ） A 、据中央电视台新闻联播报道，一周内在某网站下载一次数据，电脑被感染某种病毒的概率是0.65，设 在这一周内，某电脑从该网站下载数据n 次中被感染这种病毒的次数为 X B 、某射手射击击中目标的概率为p ，设每次射击是相互独立的，从开始射击到击中目标所需要的射击次

(完整版)二项分布及其应用题型总结,推荐文档

二项分布专题训练 一．选择题 1．甲、乙两人独立地解同一问题，甲能解决这个问题的概率是1p ，乙能解决这个问题的概率是2p ，那么其中至少有1人能解决这个问题的概率是 （ D ） A ．21p p +； B ．21p p ?； C ．211p p ?-； D ．121(1)(1)p p ---. 2．在一个盒子中有大小相同的10个球，其中6个红球，4个白球，两人无放回地各取一个球，则在第一个人摸出红球的条件下，第二个人也摸出红球的概率是 （ A ） A ．13； B ．23； C ．49； D ．59 . 【解析】设“第一个人摸出红球”为事件A ，“第二个人摸出红球”为事件B ，则()11692105490 C C P A A ?==，()11652103090 C C P AB A ?==，则()()()5|9P AB P B A P A ==。 3．两个独立事件1A 和2A 发生的概率分别为1p 和2p ，则有且只有一个发生的概率为 .()()122111p p p p -+- 4． (04年重庆) 甲、乙、丙三人每次射击命中目标的概率分别为0.7、0.6和0.5，计算： ⑴三人各向目标射击一次，求恰有两人命中目标及至少有一人命中目标的概率； ⑵若甲连续射击三次，求他恰好一次命中的概率. 解：⑴设i A (3,2,1=i )表示事件“第i 人命中目标”，显然1A 、2A 、3A 相互独立，且7.0)(1=A P ，6.0)(2=A P ，5.0)(3=A P . 三人中恰有两人命中目标的概率为 44.0)(321321321=??+??+??A A A A A A A A A P . 三人中恰有至少有一人命中目标的概率为 94.0)(1321=??-A A A P . ⑵设k A 表示“甲在第k 次命中目标”，3,2,1=k .显然1A 、2A 、3A 相互独立，且7.0)()()(321===A P A P A P . 甲连续射击三次，恰好一次命中的概率为

二项分布知识在日常生活中的应用分析

二项分布知识在日常生活中的应用分析 二项分布是在n 次独立重复试验中引入的一个概念，它是一种常见的、重要的离散型随机变量的概率分布，引入他们实际上是对独立重复试验从概率分布角度的进一步研究。然而我们在利用二项分布原理解决实际问题时只注意到两点，即解释为什么可以看成二项分布模型，其次是考虑到它的计算，却往往忽视对计算结果进行解释，造成初学者无法摆脱知识上的种种困惑。鉴于此，我们选取几个典型案例进行剖析，供参考。 例1. 将一枚均匀硬币随机掷100次，相当于重复做了100次试验，每次有两个可能的结果（出现正面，不出现正面），出现正面的概率为1/2。 分析：如果令X 为硬币正面出现的次数，则X 服从2 1,100==p n 的二项分布，那么100100100100)2 1(C )211()21(C )(k k k k k X =-==-P 。 由此可以得到：“随机掷100次硬币正好出现50次正面”的概率为 080)2 1(C )50(10050100?≈==X P 。 在学习概率时我们会有一种误解，认为既然出现正面的概率为1/2，那么掷100次硬币出现50次正面是必然的，或者这个事件发生的概率应该很大。但计算表明这概率只有8%左右。 它说的是，许多人都投100次均匀硬币，其中大约有8%的人恰投出50次正面。另外有些人投出的正面次数可能是47次、48次、51次、52次等。总起来看，正面出现的次数约占二分之一，这和均匀硬币出现正面的概率是二分之一是一致的。 例2. 设某保险公司有10000人参加人身意外保险。该公司规定:每人每年付公司120元，若逢意外死亡，公司将赔偿10000元。若每人每年死亡率为0.006，试讨论该公司是否会赔本，其利润状况如何。 分析：在这个问题中，公司的收入是完全确定的，10000个投保人每人付给公司120元，公司的年收入为120万元。公司的支出取决于投保人中意外死亡的人数（这里略去有关公司日常性开支的讨论，如公司职工工资，行政开支等等），而这是完全随机的，公司无法在事前知道其确切人数。但公司可以知道死亡人数的分布。设X 表示这10000人中意外死亡的人数，由于每个人的死亡率为0.006，则X 服从n=10000，p=0.006的二项分布: k k k C k X P --==1000010000)006.01(006.0)( 死亡X 人时，公司要赔偿X 万元，此时公司的利润为（120-X ）万元。尽管我们无法

二项分布应用举例说课讲解

二项分布应用举例

二项分布及其应用 知识归纳 1．条件概率及其性质 (1)对于任何两个事件A和B，在已知事件A发生的条件下，事件B发生的概率叫做，用符号来表 示，其公式为P(B|A)＝ . 在古典概型中，若用n(A)表示事件A中基本事件的个 数，则P(B|A)＝ . (2)条件概率具有性质： ①； ②如果B和C是两互斥事件，则P(B＋C|A)＝． 2．相互独立事件 (1)对于事件A、B，若A的发生与B的发生互不影响，则称A、B是相互独立事件． (2)若A与B相互独立，则P(B|A)＝， P(AB)＝P(B|A)·P(A)＝． (3)若A与B相互独立，则，，也都相互独立． (4)若P(AB)＝P(A)P(B)，则． 3．二项分布 (1)独立重复试验是指在相同条件下可重复进行的，各次之间相互独立的一种试验，在这种试验中每一次试验只有两种相互对立的结果，即要么发生，要么不发生，且任何一次试验中发生的概率都是一样的．

(2)在n 次独立重复试验中，事件A 发生k 次的概率为 (p 为事件A 发生的概率)，若一个随机变量X 的分布列如上所述，称X 服从参数为n ，p 的 二项分布，简记为 ． 自我检测 1．(2011·辽宁高考，5)从1,2,3,4,5中任取2个不同的数，事件A ＝“取到的2个数之和为偶 数”，事件B ＝“取到的2个数均为偶数”，则P (B |A )＝( ) A.18 B.14 C.25 D.12 解析：条件概率P (B |A )＝P AB P A P (A )＝C 23＋1C 25＝410＝25，P (AB )＝1C 25＝110，∴P (B |A )＝11025＝1 4. 2．一袋中有5个白球，3个红球，现从袋中往外取球，每次任取一个记下颜色后放回，直 到红球出现10次时停止，设停止时共取了ξ次球，则P (ξ＝12)等于( ) A ．C 1012? ????3810? ????582 B ． C 911? ????389? ????58238 C ．C 911? ????589? ????382 D ．C 911? ????389? ?? ??582 解：事件{ξ＝12}表示第12次取到红球，前11次取到9个红球，故P (ξ＝12)＝C 911? ????389·? ?? ??582·38. 3．(2011·广东高考)甲、乙两队进行排球决赛，现在的情形是甲队只要再赢一局就获冠军， 乙队需要再赢两局才能得冠军，若两队胜每局的概率相同，则甲队获得冠军的概率为( ) A.12 B.35 C.23 D.34 解析：∵甲、乙两队决赛时每队赢的概率相等，∴每场比赛甲、乙赢的概率均为12. 记甲获冠军为事件A ，则P (A )＝12＋12×12＝34 4．(2010·福建高考，13)某次知识竞赛规则如下：在主办方预设的5个问题中，选手若能连 续正确回答出两个问题，即停止答题，晋级下一轮．假设某选手正确回答每个问题的概率

二项分布应用举例

二项分布及其应用 知识归纳 1．条件概率及其性质 (1)对于任何两个事件A 和B ，在已知事件A 发生的条件下，事件B 发生的概率叫做 ，用符号 来表 示，其公式为P (B |A )＝ . 在古典概型中，若用n (A )表示事件A 中基本事件的个 数，则P (B |A )＝ . (2)条件概率具有性质： ① ； ②如果B 和C 是两互斥事件，则P (B ＋C |A )＝ ． 2．相互独立事件 (1)对于事件A 、B ，若A 的发生与B 的发生互不影响，则称A 、B 是相互独立事件． (2)若A 与B 相互独立，则P (B |A )＝ ， P (AB )＝P (B |A )·P (A )＝ ． (3)若A 与B 相互独立，则 ， ， 也都相互独立． (4)若P (AB )＝P (A )P (B )，则 ． 3．二项分布 (1)独立重复试验是指在相同条件下可重复进行的，各次之间相互独立的一种试验，在这种试验中每一次试验只有两种相互对立的结果，即要么发生，要么不发生，且任何一次试验中发生的概率都是一样的． (2)在n 次独立重复试验中，事件A 发生k 次的概率为 (p 为事件A 发生的概率)，若一个随机变量X 的分布列如上所述，称X 服从参数为n ，p 的二项分布，简记为 ． 自我检测 1．(2011·辽宁高考，5)从1,2,3,4,5中任取2个不同的数，事件A ＝“取到的2个数之和为偶数”，事件B ＝“取到的2个数均为偶数”，则P (B |A )＝( ) A.18 B.14 C.25 D.12 解析：条件概率P (B |A )＝ PAB PA P (A )＝C 23＋1 C 25＝410＝25，P (AB )＝1C 25＝110，∴P (B |A )＝1 1025 ＝14 . 2．一袋中有5个白球，3个红球，现从袋中往外取球，每次任取一个记下颜色后放回，直到红球出现10 次时停止，设停止时共取了ξ次球，则P (ξ＝12)等于( ) A ．C 1012????3810????582 B ． C 911????389????58238 C ．C 911 ????589????382 D ．C 911????389??? ?582 解：事件{ξ＝12}表示第12次取到红球，前11次取到9个红球，故P (ξ＝12)＝C 911????389·????582·38 . 3．(2011·广东高考)甲、乙两队进行排球决赛，现在的情形是甲队只要再赢一局就获冠军，乙队需要再赢 两局才能得冠军，若两队胜每局的概率相同，则甲队获得冠军的概率为( )

高中数学二项分布及其应用知识点+练习

二项分布及其应用 要求层次 重难点 条件概率 A 了解条件概率和两个事件相互独立的概念，理解n 次独立重复试验的模型及二项分布，并能解决一些简单的实际问题． 事件的独立性 A n 次独立重复试验与二项 分布 B （一） 知识容 条件概率 对于任何两个事件A 和B ，在已知事件A 发生的条件下，事件B 发生的概率叫做条件概率，用符号“(|)P B A ”来表示．把由事件A 与B 的交（或积），记做D A B =（或D AB =）． （二）典例分析： 【例1】 在10个球中有6个红球，4个白球（各不相同），不放回的依次摸出2个球，在第1次摸出 红球的条件下，第2次也摸出红球的概率是（ ） 知识框架 例题精讲 高考要求 条件概率 事件的独立性 独立重复实验 二项分布 二项分布及其应用 板块一：条件概率

A．3 5 B． 2 3 C． 5 9 D． 1 3 【例2】某地区气象台统计，该地区下雨的概率是 4 15 ，刮风的概率是 2 15 ，既刮风又下雨的概率是 1 10 ， 设A=“刮风”，B=“下雨”，求()() P B A P A B ，． 【例3】设某种动物活到20岁以上的概率为0.7，活到25岁以上的概率为0.4，求现龄为20岁的这种动物能活到25岁以上的概率． 【例4】把一枚硬币抛掷两次，事件A=“第一次出现正面”，事件B=“第二次出现反面”，则()_____ P B A=． 【例5】抛掷一颗骰子两次，在第一次掷得向上一面点数是偶数的条件下，则第二次掷得向上一面点数也是偶数的概率为． 【例6】设某批产品有4%是废品，而合格品中的75%是一等品， 任取一件产品是一等品的概率是_____． 【例7】掷两枚均匀的骰子，记A=“点数不同”，B=“至少有一个是6点”，求(|) P A B与(|) P B A． 【例8】甲、乙两班共有70名同学，其中女同学40名．设甲班有30名同学，而女生15名，问在碰到甲班同学时，正好碰到一名女同学的概率? 【例9】从1~100个整数中，任取一数，已知取出的—数是不大于50的数，求它是2或3的倍数的概率．

概率论的基本概念

第一章概率论的基本概念 第一节随机事件、频率与概率 一、教学目的： 1.通过本节起始课序言简介,使学生初步了解概率论简史、特色，从 而引导学生了解本课程概况及学习本课程的思想方法 2.通过本次课教学，使学生理解随机事件概念、频率与概率的概念， 了解随机试验、样本空间的概念，掌握事件的关系和运算，掌握 概率的基本性质及其运算 二、教学重点：概率的概念 三、教学难点：事件关系的分析与运算 四、教学内容： 1.序言：⑴简史⑵学法 2.§1.随机试验: ⑴实例⑵确定性现象⑶随机现象 3.§2.样本空间、随机事件: ⑴样本空间⑵随机事件⑶事件关系 与运算 4.§3. 频率与概率⑴频率定义、性质⑵概率定义、性质 五、小结： 六、布置作业： 标准化作业第一章题目 第二节古典概型、条件概率 一、教学目的： 通过本节教学使学生了解古典概型的定义，理解条件概率的概念，并能够解决一些古典概型、条件概率的有关实际问题． 二、教学重点：古典概率、条件概率计算 三、教学难点：古典概型与条件概率分析与建模 四、教学内容： 1.§４.古典概型 2.§５.条件概率（一） 五、小结： 六、布置作业： 标准化作业第一章题目 第三节乘法公式、全概率公式、Bayes公式、独立性 一、教学目的： 1.通过本节教学使学生在理解条件概率概念的基础上,掌握乘法公

式、全概率公式、Bayes公式以及能够运用这些公式进行概率计算。 2.理解事件独立性概念，掌握用独立性概念进行计算． 二、教学重点： 1.乘法公式及其使用 2.独立性概念及其应用 三、教学难点：应用公式分析与建模 四、教学内容： １.§５.条件概率（二、三）２.§６.独立性 五、小结： 六、布置作业： 标准化作业第一章题目 第四节习题课 一、教学目的： 通过本习题课教学使学生全面系统对概率论的基本概念进一步深化，同时熟练掌握本章习题类型，从而提高学生的分析问题与解决问题的能力． 二、教学重点： 1.知识内容系统化 2.几类问题解决方法 三、教学难点：实际问题转化为相应的数学模型 四、教学内容： 1.本章知识内容体系归纳 2.习题类型： ⑴古典概型计算 ⑵事件关系与运算 ⑶条件概率计算 ⑷乘法公式、全概率公式、Bayes公式使用与计算． ⑸独立性问题的计算 五、讲练习题 第二章随机变量及其分布 第一节随机变量、离散型随机变量的概率分布 一、教学目的： 通过本节教学使学生理解随机变量的概念，理解离散型随机变量的分布及其性质，掌握二项分布、泊松分布，并会计算有关事件的概率及其分布．

高考数学 二项分布及其应用

高考数学 二项分布及其应用 1.已知盒中装有3着，现需要一只卡口灯泡，电工师傅每次从中任取一只并不放回，则在他第1次抽到的是螺口灯泡的条件下，第2次抽到的是卡口灯泡的概率为 ( ) A.310 B.29 C.78 D.79 解析：设事件A 为“第1次抽到是螺口灯泡”，事件B 为“第2次抽到是卡口灯泡”，则P (A )＝310，P (AB )＝310×79＝2190＝7 30.在已知第1次抽到螺口灯泡的条件下，第2次抽 到卡口灯泡的概率为P (B |A )＝P (AB )P (A )＝7 30310＝7 9 . 答案：D 2．设A 、B 为两个事件，若事件A 和B 同时发生的概率为3 10，在事件A 发生的条件下， 事件B 发生的概率为1 2，则事件A 发生的概率为________________． 解析：由题意知，P (AB )＝310，P (B |A )＝1 2， ∴P (A )＝P (AB )P (B |A )＝3 1012＝3 5 . 答案：35 3．有一批种子的发芽率为0.9，出芽后的幼苗成活率为0.8，在这批种子中，随机抽取一粒，则这粒种子能成长为幼苗的概率为________． 解析：设种子发芽为事件A ，种子成长为幼苗为事件AB (发芽，又成活为幼苗)，出芽后的幼苗成活率为： P (B |A )＝0.8，P (A )＝0.9. 根据条件概率公式P (AB )＝P (B |A )·P (A )＝0.9×0.8＝0.72，即这粒种子能成长为幼苗的概率为0.72.

答案：0.72 题组二 相互独立事件 4.(2010·抚顺模拟)国庆节放假，甲去北京旅游的概率为1 3，乙、丙去北京旅游的概率分别 为14，1 5 .假定三人的行动相互之间没有影响，那么这段时间内至少有1人去北京旅游的概率为 ( ) A.5960 B.35 C.12 D.160 解析：因甲、乙、丙去北京旅游的概率分别为13，14，1 5.因此，他们不去北京旅游的概 率分别为23，34，45，所以，至少有1人去北京旅游的概率为P ＝1－23×34×45＝3 5. 答案：B 5．如图所示的电路，有a ，b ，c 三个开关，每个开关开或关的概率 都是1 2 ，且是相互独立的，则灯泡甲亮的概率为 ( ) A.18 B.14 C.12 D.116 解析：理解事件之间的关系，设“a 闭合”为事件A ，“b 闭合”为事件B ，“c 闭合”为事件C ，则灯亮应为事件ACB － ，且A ，C ，B 之间彼此独立，且P (A )＝P (B )＝P (C ) ＝12，所以P (AB － C )＝P (A )·P (B )·P (C )＝18 . 答案：A 6．甲、乙两人参加一次英语口语考试，已知在备选的10道试题中，甲能答对其中的6题，乙能答对其中的8题，规定每次考试都从备选题中随机抽出3题进行测试，至少答对2题才算合格． (1)分别求甲、乙两人考试合格的概率； (2)求甲、乙两人至少有一人考试合格的概率． 解：(1)设甲、乙两人考试合格的事件分别为A 、B ，则 P (A )＝413428310C C C C +213 646 310C C C C +＝23. P (B )＝213 828310 C C C C +＝14 15. (2)因为事件A 、B 相互独立，所以甲、乙两人考试均不合格的概率为

二项分布概念及图表和查表方法

目录 1定义 ?统计学定义 ?医学定义 2概念 3性质 4图形特点 5应用条件 6应用实例 定义 统计学定义 在概率论和统计学中，二项分布是n个独立的是/非试验中成功的次数的离散概率分布，其中每次试验的成功概率为p。这样的单次成功/失败试验又称为伯努利试验。实际上，当 时，二项分布就是伯努利分布，二项分布是显著性差异的二项试验的基础。 医学定义 在医学领域中，有一些随机事件是只具有两种互斥结果的离散型随机事件，称为二项分类变量（dichotomous variable），如对病人治疗结果的有效与无效，某种化验结果的阳性与阴性，接触某传染源的感染与未感染等。二项分布（binomial distribution）就是对这类只具有两种互斥结果的离散型随机事件的规律性进行描述的一种概率分布。

考虑只有两种可能结果的随机试验，当成功的概率（）是恒定的，且各次试验相互独立，这种试验在统计学上称为伯努利试验（Bernoulli trial）。如果进行次伯努利试验，取得成功次数为 的概率可用下面的二项分布概率公式来描述：P=C(X,n)*π^X*(1-π)^(n-X) 二项分布公式 式中的n为独立的伯努利试验次数，π为成功的概率，（1-π）为失败的概率，X为在n次伯努里试验中出现成功的次数，表示在n次试验中出现X的各种组合情况，在此称为二项系数（binomial coefficient）。 所以的含义为：含量为n的样本中，恰好有X例阳性数的概率。 概念 二项分布（Binomial Distribution），即重复n次的伯努利试验（Bernoulli Experiment），用ξ表示随机试验的结果。 二项分布公式 如果事件发生的概率是P,则不发生的概率q=1-p，N次独立重复试验中发生K次的概率是P(ξ=K)= C(n,k) * p^k * (1-p)^(n-k)，其中C(n, k) =n!/(k!(n-k)!)，注意：第二个等号后面的括号里的是上标，表示的是方幂。 那么就说这个属于二项分布。其中P称为成功概率。记作ξ~B(n,p) 期望：Eξ=np； 方差：Dξ=npq； 其中q=1-p 证明：由二项式分布的定义知，随机变量X是n重伯努利实验中事件A发生的次数，且在每次试验中A发生的概率为p。因此，可以将二项式分布分解成n个相互独立且以p为参数的（0-1）分布随机变量之和。 设随机变量X（k）(k=1,2,3...n)服从（0-1）分布，则X=X(1)+X(2)+X(3)....X(n). 因X(k)相互独立，所以期望：

二项分布及其应教材

二项分布及其应 考试范围：二项分布及其应；考试时间：100分钟；命题人：xxx 第I 卷（选择题） 一、选择题 1．李先生居住在城镇的A 处，准备开车到单位B 处上班，途中（不绕行）共要经过6 个交叉路口，则李先生在一次上班途中会遇到堵车次数ξ的期望值ξE 是（ ） A ．1 C 2，则甲以1:3的比分获胜的概率为（ ） A ．． 3．设X 为随机变量，X ～B X 的数学期望E (X )＝2，则P (X ＝2)等于( ) 4．已知随机变量X ～B(6,0.4)，则当η＝－2X ＋1时，D(η)＝( ) A ．－1.88 B ．－2.88 C ．5. 76 D ．6.76 5．一个口袋内有带标号的7个白球，3个黑球，作有放回抽样，连摸2次，每次任意摸出1球，则2次摸出的球为一白一黑的概率是（ ） A. B. C. 6．甲、乙两名篮球队员轮流投篮直至某人投中为止，设甲每次投篮命中的概率为0.4， 乙投中的概率为0.6，而且不受其他次投篮结果的影响，设投篮的轮数为X ，若甲先投，则()P X k =等于（ ） A.4.06.01?-k B. 0.24k-1×0.4 C. 6.04.01?-k D. 24.076.01?-k 7．10个球中有一个红球，有放回的抽取，每次取出一球，直到第n 次才取得()k k n ≤次红球的概率为（ ） A B C D

8．设随机变量X 的概率分布列为（ ） 9．设第X 次 A. 10．已知随机变量X 服从二项分布，(6,)3 X B ，则(2)P X =等于( ) A. 316 B. 4243 C. 13243 D. 80243

二项分布知识在日常生活中的应用分析

二项分布知识在日常生活中的应用分析 山东黄丽生 二项分布是在n次独立重复试验中引入的一个概念，它是一种常见的、重要的离散型随 机变量的概率分布，引入他们实际上是对独立重复试验从概率分布角度的进一步研究。然而我们在利用二项分布原理解决实际问题时只注意到两点，即解释为什么可以看成二项分布模 型，其次是考虑到它的计算，却往往忽视对计算结果进行解释，造成初学者无法摆脱知识上 的种种困惑。鉴于此，我们选取几个典型案例进行剖析，供参考。 例1.将一枚均匀硬币随机掷100次，相当于重复做了100次试验，每次有两个可能的结果 (出现正面，不出现正面)，出现正面的概率为1/2。 1 分析：如果令X为硬币正面出现的次数，则X服从n 100 p -的二项分布，那么 2 P(X k) C k00(^k(1 1)100k Cw0(l)100。 由此可以得到：“随机掷100次硬币正好出现50次正面”的概率为 1 P(X 50) C；00(3)1000 08。 在学习概率时我们会有一种误解，认为既然出现正面的概率为1/2，那么掷100次硬 币出现50次正面是必然的，或者这个事件发生的概率应该很大。但计算表明这概率只有8% 左右。 它说的是，许多人都投100次均匀硬币，其中大约有8%的人恰投出50次正面。另外 有些人投出的正面次数可能是47次、48次、51次、52次等。总起来看，正面出现的次数 约占二分之一，这和均匀硬币出现正面的概率是二分之一是一致的。 例2.设某保险公司有10000人参加人身意外保险。该公司规定：每人每年付公司120元， 若逢意外死亡，公司将赔偿10000元。若每人每年死亡率为0.006，试讨论该公司是否会赔本，其利润状况如何。 分析：在这个问题中，公司的收入是完全确定的，10000个投保人每人付给公司120元，公司的年收入为120万元。公司的支出取决于投保人中意外死亡的人数(这里略去有关公司日 常性开支的讨论，如公司职工工资，行政开支等等) ，而这是完全随机的，公司无法在事前 知道其确切人数。但公司可以知道死亡人数的分布。设X表示这10000人中意外死亡的人数，由于每个人的死亡率为0.006，贝U X服从n=10000，p=0.006的二项分布：

二项分布概念及图表和查表方法

目录 1 定义 ?统计学定义 ?医学定义 2 概念 3 性质 4 图形特点 5 应用条件 6 应用实例 定义 统计学定义 在概率论和统计学中，二项分布是n个独立的是/非试验中成功的次数的离散概率分布，其中每次试验的成功概率为p。这样的单次成功/失败试验又称为伯努利试验。实际上，当 时，二项分布就是伯努利分布，二项分布是显著性差异的二项试验的基础。 医学定义 在医学领域中，有一些随机事件是只具有两种互斥结果的离散型随机事件，称为二项分类变量（dichotomous variable），如对病人治疗结果的有效与无效，某种化验结果的阳性与阴性，接触某传染源的感染与未感染等。二项分布（binomial distribution）就是对这类只具有两种互斥结果的离散型随机事件的规律性进行描述的一种概率分布。

考虑只有两种可能结果的随机试验，当成功的概率（）是恒定的，且各次试验相互独立，这种试验在统计学上称为伯努利试验（Bernoulli trial）。如果进行次伯努利试验，取得成功次数为的概率可用下面的二项分布概率公式来描述：P=C(X,n)*π^X*(1-π)^(n-X) 二项分布公式 表示随机试验的结果。 二项分布公式 如果事件发生的概率是P,则不发生的概率q=1-p，N次独立重复试验中发生K次的概率是P(ξ=K)= C(n,k) * p^k * (1-p)^(n-k)，其中C(n, k) =n!/(k!(n-k)!)，注意：第二个等号后面的括号里的是上标，表示的是方幂。 那么就说这个属于二项分布。其中P称为成功概率。记作ξ~B(n,p) 期望：Eξ=np； 方差：Dξ=npq； 其中q=1-p 证明：由二项式分布的定义知，随机变量X是n重伯努利实验中事件A发生的次数，且在每次试验中A发生的概率为p。因此，可以将二项式分布分解成n个相互独立且以p为参数的（0-1）分布随机变量之和。 设随机变量X（k）(k=1,2,3...n)服从（0-1）分布，则X=X(1)+X(2)+X(3)....X(n). 因X(k)相互独立，所以期望：

分布列概念

1. 分布列定义： 设离散型随机变量所有可能取得的值为x 1,x 2,…,x 3,…x n ,若取每一个值x i (i=1,2,…，n)的概率为，则称表 为随机变量的概率分布，简称的分布列. 离散型随机变量的分布列都具有下面两个性质： （1）P i ≥0,i=1,2，…，n ；（2）P 1+P 2+…+P n =1 要点四、两类特殊的分布列 1. 两点分布 像上面这样的分布列称为两点分布列． 要点诠释： (1)若随机变量X 的分布列为两点分布, 则称X 服从两点分布,而称P(X=1)为成功率. (2)两点分布又称为0-1分布或伯努利分布 (3)两点分布列的应用十分广泛,如抽取的彩票是否中奖；买回的一件产品是否为正品；新生 婴儿的性别； 投篮是否命中等等；都可以用两点分布列来研究. 2. 超几何分布 一般地，在含有件次品的件产品中，任取件，其中恰有件次品，则则事件 {X=k ｝ 发生的概率为, 其中，且 ． 称分布列为超几何分布列．如果随机变量 X 的分布列为超几何分布列，则称随机变量 X 服从超几何分布 ξξi i P x P ==)(ξξξM N n X (),0,1,2,,k n k M N M n N C C P X k k m C --===min{,}m M n =,,,,n N M N n M N N *≤≤∈

要点一、条件概率的概念 1.定义 设、为两个事件，且，在已知事件发生的条件下，事件B 发生的概率叫做条件概率。用符号表示。 读作：发生的条件下B 发生的概率。 要点诠释 在条件概率的定义中，事件A 在“事件B 已发生”这个附加条件下的概率与没有这个附加条件的概率是不同的，应该说，每一个随机试验都是在一定条件下进行的．而这里所说的条件概率，则是当试验结果的一部分信息已知，求另一事件在此条件下发生的概率． 2．P （A ｜B ）、P （AB ）、P （B ）的区别 P （A ｜B ）是在事件B 发生的条件下，事件A 发生的概率。 P （AB ）是事件A 与事件B 同时发生的概率，无附加条件。 P （B ）是事件B 发生的概率，无附加条件． 它们的联系是：． 要点诠释 一般说来，对于概率P(A|B)与概率P(A)，它们都以基本事件空间Ω为总样本，但它们取概率的前提是不相同的。概率P(A)是指在整个基本事件空间Ω的条件下事件A 发生的可能性大小，而条件概率P(A|B)是指在事件B 发生的条件下，事件A 发生的可能性大小。 例如，盒中球的个数如下表。从中任取一球，记A=“取得蓝球”，B=“取得玻璃球”。基本事件空间Ω包含的样本点总数为16，事件A 包含的样本点总数为11，故。 如果已知取得玻璃球的条件下取得蓝球的概率就是事件B 发生的条件下事件A 发生的条件概率，那么在事件B 发生的条件下可能取得的样本点总数应为“玻璃球的总数”，即把样本空间压缩到玻璃球全体。而在事件B 发生的条件下事件A 包含的样本点数为蓝玻璃球数，故。 要点二、条件概率的公式 A B ()0P A >A (|)P B A (|)P B A A () (|)() P AB P A B P B =11()16 P A = 42(|)63 P A B = =

2.2 二项分布及其应用(2)

作业： 一．选择题 1．甲、乙两人独立地解同一问题，甲能解决这个问题的概率是1p ，乙能解决这个问题的概率是2p ，那么其中至少有1人能解决这个问题的概率是 （ D ） A ．21p p +； B ．21p p ?； C ．211p p ?-； D ．121(1)(1)p p ---. 2．在一个盒子中有大小相同的10个球，其中6个红球，4个白球，两人无放回地各取一个球，则在第一个人摸出红球的条件下，第二个人也摸出红球的概率是 （ A ） A ．13； B ．23； C ．49； D ．59 . 【解析】设“第一个人摸出红球”为事件A ，“第二个人摸出红球”为事件B ，则()11692105490 C C P A A ?==，()11652103090C C P AB A ?==，则()()()5|9 P AB P B A P A ==。 3．两个独立事件1A 和2A 发生的概率分别为1p 和2p ，则有且只有一个发生的概率为 .()()122111p p p p -+- 4． (04年重庆) 甲、乙、丙三人每次射击命中目标的概率分别为0.7、0.6和0.5，计算： ⑴三人各向目标射击一次，求恰有两人命中目标及至少有一人命中目标的概率； ⑵若甲连续射击三次，求他恰好一次命中的概率. 解：⑴设i A (3,2,1=i )表示事件“第i 人命中目标”，显然1A 、2A 、3A 相互独立，且7.0)(1=A P ，6.0)(2=A P ，5.0)(3=A P . 三人中恰有两人命中目标的概率为 44.0)(321321321=??+??+??A A A A A A A A A P . 三人中恰有至少有一人命中目标的概率为 94.0)(1321=??-A A A P . ⑵设k A 表示“甲在第k 次命中目标”，3,2,1=k .显然1A 、2A 、3A 相互独立，且7.0)()()(321===A P A P A P . 甲连续射击三次，恰好一次命中的概率为 203.0)(321321321=??+??+??A A A A A A A A A P .

二项分布及其应用教案(绝对经典)

§12.5二项分布及其应用 会这样考 1.考查条件概率和两个事件相互独立的概念；2.考查n次独立重复试验及二项分布的概念；3.考查利用二项分布解决一些简单的实际问题． 1．条件概率及其性质 (1)对于任何两个事件A和B，在已知事件A发生的条件下，事件B发生的概率叫作条件概率，用符号 P(B|A)来表示，其公式为P(B|A)＝P(AB) P(A) (P(A)>0)． 在古典概型中，若用n(A)表示事件A中基本事件的个数，则P(B|A)＝n(AB) n(A) . (2)条件概率具有的性质： ①0≤P(B|A)≤1； ②如果B和C是两个互斥事件，则P(B∪C|A)＝P(B|A)＋P(C|A)． 2．相互独立事件 (1)对于事件A、B，若A的发生与B的发生互不影响，则称A、B是相互独立事件． (2)若A与B相互独立，则P(B|A)＝P(B)， P(AB)＝P(B|A)P(A)＝P(A)P(B)． (3)若A与B相互独立，则A与B，A与B，A与B也都相互独立． (4)若P(AB)＝P(A)P(B)，则A与B相互独立． 3．二项分布 (1)独立重复试验是指在相同条件下可重复进行的，各次之间相互独立的一种试验，在这种试验中每一 次试验只有__两__种相互对立的结果，即要么发生，要么不发生，且任何一次试验中发生的概率都是一样的． (2)在n次独立重复试验中，事件A发生k次的概率为C k n p k(1－p)n－k(k＝0,1,2，…，n)(p为事件A发生的 概率)，若一个随机变量X的分布列如上所述，称X服从参数为n，p的二项分布，简记为X～B(n，p)．期望：EX=n p 方差：DX=n p（1-p） [难点正本疑点清源] 1．“互斥事件”与“相互独立事件”的区别与联系 (1)“互斥”与“相互独立”都是描述的两个事件间的关系． (2)“互斥”强调不可能同时发生，“相互独立”强调一个事件 的发生与否对另一个事件发生的概率没有影响． (3)“互斥”的两个事件可以独立，“独立”的两个事件也可以互斥． 2．计算条件概率有两种方法 (1)利用定义P(B|A)＝P(AB) P(A) ；

(完整版)分布列概念

1. 分布列定义： 设离散型随机变量 所有可能取得的值为 x i ,x 2,…3X …x 若 取每一个值x i (i=1,2, , -n) 的概率为P( x i ) P i ，则称表 为随机变量 的概率分布，简称 的分布列 离散型随机变量的分布列都具有下面两个性 质： (1) P i > 0,i=1,2 …，n ; (2) P i +P 2+n+P n =1 要点四、两类特殊的分布列 1. 两点分布 随机变量X 的分布列是 像上面这样的分布列称为两点分布列. 要点诠释： (1) 若随机变量X 的分布列为两点分布，则称X 服从两点分布，而称P(X=1)为成功率. (2) 两点分布又称为0-1分布或伯努利分布 (3) 两点分布列的应用十分广泛 ，如抽取的彩票是否中奖； 买回的一 件产品是否为正品； 新生 婴儿的性别； 投篮是否命中等等；都可以用两点分布列来研究 2. 超几何分布 一般地，在含有M 件次品的N 件产品中，任取n 件，其中恰有 X 件次品，则则事件{X=k } n N,M N,n, M,N N ? 称分布列为超几何分布列.如果随机变量 X 的分布列为超几何分布列， 则称随机变量 X 服 从超几何分布 1. 定义 设A 、B 为两个事件，且P(A) 0，在已知事件 A 发生的条件下，事件B 发生的概 率叫做条件概率。用符号 P(B | A) 表示。 发生的概率为P(X k) k n k C M C N M C N ,k 0,1,2,L ,m ,其中 min{ M , n},且

P(B| A)读作：A发生的条件下B发生的概率。 要点诠释 在条件概率的定义中，事件A在事件B已发生”这个附加条件下的概率与没有这个附加 条件的概率是不同的，应该说，每一个随机试验都是在一定条件下进行的. 而这里所说的条 件概率，则是当试验结果的一部分信息已知，求另一事件在此条件下发生的概率. 2 . P ( A | B)、P (AB)、P (B)的区别 P (A | B)是在事件B发生的条件下，事件A发生的概率。 P (AB)是事件A与事件B同时发生的概率，无附加条件。 P ( B)是事件B发生的概率，无附加条件. 它们的联系是：P(A| B) P(AB). P(B) 要点诠释 一般说来，对于概率P(A|B)与概率P(A)，它们都以基本事件空间Q为总样本，但它们取概率的前提是不相同的。概率P(A)是指在整个基本事件空间Q的条件下事件A发生的可能性大小，而条件概率P(A|B)是指在事件B 发生的条件下，事件A发生的可能性大小。 例如，盒中球的个数如下表。从中任取一球，记A='取得蓝球” B='取得玻璃球”。基本 事件空间Q包含的样本点总数为16，事件A包含的样本点总数为11，故P(A) 11。 16 如果已知取得玻璃球的条件下取得蓝球的概率就是事件B发生的条件下事件A发生的条 件概率，那么在事件B发生的条件下可能取得的样本点总数应为玻璃球的总数”即把样本空间压缩到玻璃球全体。而在事件B发生的条件下事件A包含的样本点数为蓝玻璃球数， 4 2 故P(A| B) 6 3 要点二、条件概率的公式