免费二项分布计算器

二项分布是最广泛使用的离散概率模型之一。它描述在固定次数的独立试验中成功的次数，每次试验具有相同的成功概率。二项分布计算器（一个免费的在线概率计算器）自动完成计算，无需手动计算即可轻松得出特定成功次数或成功范围的概率。无论你是需要二项概率计算器快速完成作业，还是专业成功概率计算器，本工具都基于二项分布公式及相关统计量。

二项概率公式

在 $n$ 次独立的伯努利试验中恰好获得 $r$ 次成功的概率（每次试验成功概率为 $p$）由下式给出：

$$P(X = r) = \binom{n}{r} \, p^{\,r} \, (1-p)^{\,n-r},$$

其中 $\binom{n}{r}$（二项式系数）计算从 $n$ 次试验中选择 $r$ 次成功的方法数，通常写作 $C(n,r)$ 或“$n$ 选 $r$”。

• $n$ – 试验总次数
• $r$ – 需要的确切成功次数
• $p$ – 单次试验的成功概率
• $1-p$ – 失败概率

结果 $P(X=r)$ 就是该确切次数的概率。例如，如果需要至少三次成功，则必须累加 3、4、5、……直至 $n$ 的概率。

示例：掷骰子

假设你掷五个均匀六面骰子，需要恰好三个骰子显示 4 或更小（另外两个必须显示 5 或 6）。

• 试验次数 $n = 5$
• 所需成功次数 $r = 3$
• 单次掷骰，“成功”（点数 ≤ 4）的概率为 $4/6 \approx 0.6667$

二项式系数 $\binom{5}{3} = 10$。代入公式：

$$P(X=3) = 10 \times (0.6667)^{3} \times (0.3333)^{2} \approx 0.329.$$

因此，赢得这个骰子游戏的概率约为 32.9%。二项分布计算器可以瞬间完成相同计算。

累积概率

通常你需要“$r$ 次或更少”或“$r$ 次或更多”成功的概率。计算器可以返回以下概率：

• 恰好 $r$ 次: $P(X = r)$
• 最多 $r$ 次: $P(X \le r)$
• 至少 $r$ 次: $P(X \ge r)$
• 介于 $r_0$ 和 $r_1$ 之间（含）: $P(r_0 \le X \le r_1)$

要手动获得累积值，可将范围内所有结果的单个概率相加。例如，抛均匀硬币四次（$p=0.5$），想得到两次或更少正面：

$$P(X \le 2) = P(X=0) + P(X=1) + P(X=2) = 6.25\% + 25\% + 37.5\% = 68.75\%.$$

二项分布的均值与方差

由于每次试验独立，成功次数的期望等于各次试验期望之和：

$$\mu = n p .$$

方差为

$$\sigma^{2} = n p (1-p),$$

标准差为 $\sigma = \sqrt{n p (1-p)}$。

示例： 抛硬币 20 次（$p=0.5$）。

• 均值 = $20 \times 0.5 = 10$ 次正面。
• 方差 = $20 \times 0.5 \times 0.5 = 5$。
• 标准差 ≈ 2.24。

在重复试验中，大多数结果将在均值约 ±2 范围内（8 到 12 次正面）。二项概率分布计算器可以自动输出这些描述性统计量。

实际应用

二项试验只有两个结果（成功/失败），通常称为伯努利试验。常见实际用途包括：

• 质量控制： 抽样批次，找出一定数量产品有缺陷的概率。
• 医学： 在已知成功率下，估计新药对患者有效的几率。
• 教育： 计算通过猜测正确回答一定数量选择题的可能性。
• 选举： 评估一定比例选民支持某候选人的概率。

在每种情况下，关键条件是固定试验、恒定成功概率和二元结果。

其他注意事项

• 二项分布是离散的 — 概率仅针对成功次数（0, 1, 2, …, n）的整数定义。
• 两个结果互补：如果成功概率为 $p$，失败概率始终为 $q = 1-p$。
• 它与泊松分布密切相关，当 $n$ 大且 $p$ 小（罕见事件）时，泊松分布可近似二项分布。
• 对于大 $n$ 和中等 $p$，二项分布可用正态（高斯）分布近似，均值为 $np$，方差为 $np(1-p)$。对离散数据使用连续分布时，应用连续性校正可改善近似效果。
• 所有可能取值 $r = 0, 1, …, n$ 的概率之和为 1，符合预期。

本免费二项分布计算器集成了精确概率和累积概率计算，节省时间并减少错误。无论你是学习二项概率分布，还是进行快速的成功概率分析，输入自己的 $n$、$r$、$p$ 即可立即获得结果，同时附带均值、方差和标准差。