你什么时候使用二项式分布？
二项式概率分布在许多设置中都很有用。重要的是要知道何时应该使用这种类型的分发。我们将检查使用二项式分布所需的所有条件。
我们必须具有的基本特征是总共n进行独立试验，我们想要找出r成功的概率，其中每个成功的概率p发生。在这个简短的描述中有几件事被陈述和暗示。定义归结为以下四个条件：不知道的生活常识
- 固定试验次数17次18次独立试验19次20次两种不同的分类21次22次所有试验的成功概率保持不变23次
所有这些必须存在于正在调查的过程中，以便使用二项式概率公式或表格。以下每一个的简要说明。
固定试验
正在研究的过程必须有明确定义的试验次数不变。我们不能在分析中途改变这个数字。每个试验必须以与所有其他试验相同的方式进行，尽管结果可能会有所不同。试验次数由公式中的n表示。
对工艺进行固定试验的一个例子将涉及研究十次轧制模具的结果。这里每卷模具都是一次试验。每个试验进行的总次数是从一开始就定义的。
独立试验
每个试验都必须是独立的。每次审判都应该对任何其他审判都没有影响。滚动两个骰子或翻转几个硬币的经典例子说明了独立事件。由于事件是独立的，我们能够使用乘法规则将概率乘以一起。
在实践中ce，特别是由于一些采样技术，有时试验在技术上并不独立。只要人口相对于样本较大，有时可以在这些情况下使用二项式分布。
两个分类
每个试验分为两类：成功和失败。虽然我们通常认为成功是一件积极的事情，但我们不应该在这个术语中读得太多。我们表示，审判是成功的，因为它符合我们决定取得成功的决定。
作为说明这一点的极端情况，假设我们正在测试灯泡的故障率。如果我们想知道一批中有多少不起作用，我们可以将我们的试验成功定义为当我们的灯泡无法工作时。试验失败是灯泡工作时。这听起来可能有点落后，但是像我们所做的那样，确定我们试验的成功和失败可能有一些很好的理由。出于标记目的，可能优选强调灯泡不工作的可能性较低，而灯泡工作的可能性较高。
相同概率
在我们正在研究的整个过程中，成功试验的概率必须保持不变。翻转硬币就是其中的一个例子。无论投掷多少枚硬币，每次翻转头部的概率都是1/2。
这是理论和实践略有不同的另一个地方。没有更换的采样可能导致每个试验的概率彼此略有波动。假设1000只狗中有20只小猎犬。随机选择比格犬的概率是20/1000=0.020。现在从剩下的狗中再次选择。999只狗中有19只小猎犬。选择另一个比格犬的概率是19/999=0.019。值0.2是一个适当的估计对于这两个试验。只要人口足够大，这种估计不会对使用二项式分布造成问题。
![[基本常识]统计中的参数和非参数方法](http://www.49vv.net/d/file/p/2020/12-05/small8b9b5dc9ab8cbe53679fd0bdf05733fb1607126409.jpg)