P（X=k)=C(n,k)（p^k）*(1-p)^(n-k)
n是试验次数，k是指定事件发生的次数，p是指定事件在一次试验中发生的概率。
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n=1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。
扩展资料
二项分布是离散型分布，概率直方图是跃阶式的。因为x为不连续变量，用概率条图表示更合适，用直方图表示只是为了更形象些。
1、当p=q时图形是对称的
例如，
2、当p≠q时，直方图呈偏态，p<q与p>q的偏斜方向相反。如果n很大，即使p≠q，偏态逐渐降低，最终成正态分布，二项分布的极限分布为正态分布。
故当n很大时，二项分布的概率可用正态分布的概率作为近似值。一般规定：当p<q且np≥5，或p>q且nq≥5，这时的n就被认为很大，可以用正态分布的概率作为近似值了。
参考资料来源：百度百科-二项分布
二项分布公式是P（X=k)=C(n,k)（p^k）*(1-p)^(n-k)
其中n是试验次数，X表示随机试验的结果。k是指定事件发生的次数，p是指定事件在一次试验中发生的概率。
二项分布是由伯努利提出的概念，指的是重复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。
扩展资料
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?
分析：此题p=q=1/2，即猜对猜错的概率各为0.5。，故此二项分布接近正态分布：
根据正态分布概率，当Z=1.645时，该点以下包含了全体的95%。如果用原分数表示，则为
它的意义是，完全凭猜测，10题中猜对8题以下的可能性为95%，猜对8、9、10题的概率只5%。因此可以推论说，答对8题以上者不是凭猜测，而是会答。但应该明确：作此结论，也仍然有犯错误的可能，即那些完全靠猜测的人也有5%的可能性答对8、9、10道题。
参考资料来源：百度百科-二项分布
如果事件发生的概率是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!:第二个等号后面里的括号里的是写在右上角的.
那么就说这个就属于二项分布..
记作ξ~B(n,p)
期望:Eξ=np
方差:Dξ=npq
q=1-p本回答被网友采纳