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?
附表 1 二项分布表
P {X x } ⎛ n ⎛
p k (1 p )n
k
k
k 0
⎛k ⎛
n
x p
0.001 0.002 0.003 0.005 0.01 0.02 0.03 0.05 0.10 0.15 0.20 0.25 0.30
2 0 0.9980 0.9960 0.9940 0.9900 0.9801 0.9604 0.9409 0.9025 0.8100 0.7225 0.6400 0.5625 0.4900 2 1 1.0000 1.0000 1.0000 1.0000 0.9999 0.9996 0.9991 0.9975 0.9900 0.9775 0.9600 0.9375 0.9100
3 0 0.9970 0.9940 0.9910 0.9851 0.9703 0.9412 0.9127 0.857
4 0.7290 0.6141 0.5120 0.4219 0.3430 3 1 1.0000 1.0000 1.0000 0.9999 0.9997 0.9988 0.9974 0.9928 0.9720 0.9393 0.8960 0.8438 0.7840 3 2
1.0000 1.0000 1.0000 1.0000 0.9999 0.9990 0.9966 0.9920 0.9844 0.9730
4 0 0.9960 0.9920 0.9881 0.9801 0.9606 0.9224 0.8853 0.814
5 0.6561 0.5220 0.409
6 0.3164 0.2401 4 1 1.0000 1.0000 0.9999 0.9999 0.9994 0.997
7 0.994
8 0.9860 0.9477 0.8905 0.8192 0.7383 0.6517
x
查表方法:本表对于n、p、x给出二项分布函数P(x;n,p)的数值。
例:对于n=11,p=0.02和x=0,P(x;n,p)=0.8007。