＝ (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