= (7.2)
这样,我们就得到了二项试验中随机变量X的概率分布,即
P(X=x)=pxqn-x (7.3)
譬如,二项试验是将一枚硬币重复做8次抛掷,假设这枚硬币是无偏的,即p=q=0.5,那么根据(7.3)式,恰好得到5次面朝上的概率是
P(5)=p5q8-5==0.219
同理,我们也可以求出这个二项试验中硬币刚好为0,1,2,...,8次面朝上的各种宏观结果的概率,全部写出来就是表7.1。注意:当x为0时,0!=1。此外=,掌握这种对称性,将有助于简化运算。 表7.1
8 1/256= .004
8/256=.031
28/256=.109
56/256=.219
70/256=.274
56/256=.219
28/256=.109
8/256=.031
1/256=.004 合 计 1.000
表7.1清楚地显示,做8次抛掷一枚硬币的重复试验,我们将得到9个可能结果中的一个。与经验认识不同的是,通过运用概率论,实现的每个可能结果都与一定的概率相联系。据此,我们可以对各种结果实现的可能性作出估计。其中,试验结果为4次成功(即4次面朝上)的可能性最大,而试验结果为全部面朝上(即8次面朝上)或全部面朝下(即0次面朝上)的可能性最小,每做256次同样的重复试验才可望看到一次。
在这个简单例子中,每回试验硬币仅被重复抛掷了8次,也仅能有为数不多的可想象到的结果。当然,还可以设想做硬币重复抛掷更多次的试验.比如硬币被重复抛掷100次,那么可能实现的结果就会有101种。同样运用概率论的知识,我们可以把这些可能结果编组