嘿，这个问题问得很到位——普通二项分布只管「出现N次正面」的总数，但一旦加上「连续」这个限制，或者要统计特定成对事件的出现次数，思路就完全不一样了。我来给你一步步理清楚：

1. 计算M次抛硬币中连续出现N次正面的概率 #

首先明确：通常我们说的是「至少出现一次连续N次正面」的概率（如果是恰好出现一次，逻辑会更复杂）。这个问题没法直接用二项分布，得用递推法来算，因为每一次抛硬币的结果会影响后续的状态。

核心思路 #

定义两个概率：

• P(m)：m次抛硬币中至少出现一次连续N次正面的概率
• Q(m) = 1 - P(m)：m次抛硬币中从未出现连续N次正面的概率（先算这个更简单）

递推公式 #

• 当 m < N：次数不够，不可能出现连续N次正面，所以 Q(m) = 1，P(m) = 0
• 当 m = N：只有全是正面才会触发连续N次，所以 Q(m) = 1 - (1/2)^N，P(m) = (1/2)^N
• 当 m > N：要保证前m次没出现连续N次正面，最后一次的情况分两种：
  1. 最后一次是反面：那前m-1次也不能有连续N次正面，概率是 Q(m-1) * 1/2
  2. 最后一次是正面，但倒数第k次（k从1到N-1）是反面，且前m-k-1次也没有连续N次正面
     把这些情况加起来，递推式为：

  Q(m) = Q(m-1)*(1/2) + Q(m-2)*(1/2²) + ... + Q(m-N)*(1/2ⁿ)
  

举个例子 #

比如N=2（连续2次正面），M=3：

• Q(1)=1，Q(2)=1 - (1/2)²=3/4
• Q(3)=Q(2)(1/2) + Q(1)(1/2²) = 3/41/2 + 11/4 = 5/8
• P(3)=1 - 5/8=3/8，对应实际情况：HHH、HHT、THH这3种，概率确实是3/8，完全正确。

如果是「恰好出现一次连续N次正面」，需要用容斥原理或更精细的动态规划（要排除多次连续的情况），这里就不展开了，有需要可以再深入聊。

2. 随机字符串中特定事件对（如‘HH’）的出现次数 #

这里的随机字符串是指由H/T组成的长度为M的序列，每个字符独立，概率各为1/2。我们分两种情况讨论：

情况1：计算期望出现次数 #

这个很简单，用线性期望就能搞定，不用考虑事件之间的相关性。

• 定义指示变量 X_i：如果第i和i+1位是HH，X_i=1，否则X_i=0（i从1到M-1）
• 总出现次数 X = X₁ + X₂ + ... + X_{M-1}
• 每个X_i的期望 E[X_i] = P(第i和i+1位都是H) = 1/2 * 1/2 = 1/4
• 总期望 E[X] = (M-1)*1/4

比如M=3，期望是(3-1)/4=0.5，实际验证：HHH出现2次HH，HHT、THH各出现1次，其余5种出现0次，总期望是(2+1+1)/8=0.5，完全吻合。

情况2：计算出现k次的概率 #

这个需要用动态规划来追踪状态，因为当前的字符会影响下一次是否形成HH。
定义状态 dp[m][k][s]：

• m：当前字符串长度
• k：已经出现的HH次数
• s：最后一个字符（0代表T，1代表H）

状态转移

• 添加T时：不管前一个字符是什么，都不会新增HH，所以

  dp[m][k][0] = dp[m-1][k][0] * 1/2 + dp[m-1][k][1] * 1/2
  

• 添加H时：
  • 如果前一个字符是T（s=0），不会新增HH：dp[m][k][1] += dp[m-1][k][0] * 1/2
  • 如果前一个字符是H（s=1），会新增1次HH：dp[m][k][1] += dp[m-1][k-1][1] * 1/2（k≥1时）

初始状态

• dp[1][0][0] = 1/2（第一次抛T）
• dp[1][0][1] = 1/2（第一次抛H）
• 其他dp[1][k][s] = 0

最终概率

出现k次HH的总概率为：

P(X=k) = dp[M][k][0] + dp[M][k][1]

举个例子 #

还是M=3，k=1：

• dp[3][1][0] = dp[2][1][0]*1/2 + dp[2][1][1]*1/2 = 0 + (1/4)*1/2 = 1/8（对应HHT）
• dp[3][1][1] = dp[2][0][0]*1/2 + dp[2][0][1]*1/2 = (1/4)*1/2 + (1/4)*1/2 = 1/8（对应THH）
• P(X=1) = 1/8 + 1/8 = 1/4，和实际情况一致。

内容的提问来源于stack exchange，提问作者Vinícius Godim