二项分布的期望与方差如何计算?

二项分布的期望与方差到底怎么算？看这篇全懂了！

二项分布的期望公式是 E(X) = n×p，方差公式是 D(X) = n×p×(1-p)。其中，n是独立试验次数，p是单次试验的成功概率。下面从定义、推导到应用，一步步讲清楚。

H2：先搞懂：什么是二项分布？

二项分布是统计学里最基础的“离散概率分布”之一，核心特征有3个： 做n次 独立重复试验比如抛n次硬币、抽n次签； 每次试验只有 两种结果成功/失败，正面/反面，合格/不合格； 单次试验的“成功概率”固定为 p0 如果用X表示n次试验中“成功的次数”，就说X服从二项分布，记为 X~B(n,p)。

H2：二项分布的期望：为什么是n×p？

H3：公式：E(X) = n×p

直接记住：二项分布的期望 = 试验次数 × 单次成功概率。

H3：推导过程用“分法”秒懂

把Xn次试验的总成功次数拆成n个“单次试验成功次数”的和： 1. 设Xi = 第i次试验的成功次数i=1,2,...,n，则X = X1+X2+...+Xn； 2. 每次试验中，Xi只有2个值：成功时Xi=1概率p，失败时Xi=0概率1-p； 3. 所以Xi的期望E(Xi) = 1×p + 0×(1-p) = p； 4. 因为n次试验独立，总期望E(X) = E(X1)+E(X2)+...+E(Xn) = n×p。

H3：记忆技巧

想象“抛10次硬币，每次正面概率0.5”： 期望就是“平均能抛出几次正面”，10×0.5=5次，逻辑上全通顺！

H2：二项分布的方差：为什么多了(1-p)？

H3：公式：D(X) = n×p×(1-p)

方差比期望多了一个“(1-p)”，记住：二项分布的方差 = 期望 × (1-成功概率)。

H3：推导过程还是用“分法”

1. 方差的性质：独立变量的和的方差 = 方差的和，所以D(X) = D(X1)+D(X2)+...+D(Xn)； 2. Xi是“0-1分布”只有0和1两个值，其方差D(Xi) = E(Xi²) - [E(Xi)]²； 3. 先算E(Xi²)：Xi²和Xi值一样0²=0，1²=1，所以E(Xi²) = p； 4. 代入方差公式：D(Xi) = p - p² = p(1-p)； 5. 总方差D(X) = n×p(1-p)。

H3：为什么方差和“1-p”有关？

p=0.5时，方差最大比如抛硬币，结果波动最大； p=0或p=1时，方差=0结果全确定，没有波动。

H2：实际案例：用公式3步决问题

问题：某产品合格率90%，抽检20件，求合格件数X的期望和方差。

第1步：确认二项分布参数

n=20试验次数：抽检20件； p=0.9单次成功概率：合格概率90%； X~B(20, 0.9)。

第2步：套期望公式

E(X) = n×p = 20×0.9 = 18平均合格18件。

第3步：套方差公式

D(X) = n×p×(1-p) = 20×0.9×0.1 = 1.8合格件数的波动是1.8。

H2：常见误区：这3个坑别踩！

1. 混淆n和p：n是“试验次数”比如掷10次骰子，n=10，p是“单次成功概率”比如掷出6点的概率p=1/6，别搞反； 2. 漏写(1-p)：方差公式是np(1-p)，不是np或np²，记成“期望乘失败概率”更不容易错； 3. 忽略“独立试验”：如果试验不独立比如抽卡不放回，就不能用二项分布公式，此时可能是超几何分布。

二项分布的期望和方差公式不难，核心记住： E(X) = n×p平均成功次数=试验次数×单次成功率； D(X) = n×p×(1-p)波动大小=期望×失败概率。 推导的关键是把“总成功次数”分成n个独立的“0-1试验”，用期望和方差的可加性得出结果。多结合实际案例练习，很快就能熟练掌握！