Numpy中二项分布抛掷试验的概率参数设置是否正确？

代码示例与参数说明 #

用户看到的NumPy二项分布代码：

x = random.binomial(n=10, p=0.5, size=10)

参数含义：

• n：试验次数（即重复进行二元试验的次数）
• p：单次试验中目标事件发生的概率（比如抛硬币时正面朝上的概率为0.5）
• size：返回结果数组的形状

用户疑问 #

该示例中，试验结果的取值范围是0到10，共11种可能。如果要让这11种结果概率相等，每个结果的概率应该是0.1，但示例里p设为0.5——而0.5是二元结果（比如抛硬币的正反）的概率，这该怎么理解？

解答 #

首先得明确：二项分布和“所有结果概率相等”的均匀分布是完全不同的概率模型。

二项分布的核心是n次独立重复的二元试验：每次试验只有两种互斥结果（比如“成功/失败”“正面/反面”），p是单次试验中“成功”的概率。而二项分布统计的是这n次试验里，成功事件发生的总次数——也就是你看到的0到10这11种结果。

拿抛硬币举例：n=10就是抛10次硬币，p=0.5是单次抛硬币正面（成功）的概率。这10次里，正面出现5次的概率是最高的，而出现0次或10次正面的概率极低，完全不是平均的0.1。

回到代码参数：p=0.5对应的是单次二元试验的成功概率，不是11种结果的概率；n=10决定了结果的取值范围（0到n）；size=10只是让函数生成10个符合这个二项分布的样本值。

内容的提问来源于stack exchange，提问作者Darwin