二项分布概率问题求解：已知参数求n样本中至少r人受伤的概率

嘿，你抓得很准——这确实是个标准的二项分布问题！别慌，我们一步步拆解怎么搞定这个“范围型”概率计算。

首先先确认前提：你的样本完全符合二项分布的适用条件：

• 每个步行上班者的受伤事件是独立的（一个人受伤不影响其他人）
• 每个试验只有两种结果：受伤（概率为$p$）或未受伤（概率为$1-p$）
• 样本量固定为$n$，所以我们可以把受伤人数记为随机变量$X$，且$X \sim B(n,p)$（表示X服从参数为n和p的二项分布）

接下来，“至少r人受伤”对应的概率是$P(X \geq r)$，这里有两种常用的计算思路：

思路1：直接求和计算 #

因为X的可能取值是0到n，所以“至少r人受伤”就是X取r、r+1……直到n的概率之和：
$$P(X \geq r) = \sum_{k=r}^{n} C(n,k) p^k (1-p)^{n-k}$$
这里的C(n,k)是组合数，计算公式为$C(n,k) = \frac{n!}{k!(n-k)!}$，代表从n个样本里选k个受伤的组合方式数。

思路2：利用补集简化计算（更高效的场景） #

有时候直接求和的项数太多，比如n很大、r很小的时候，我们可以用补集思想：“至少r人受伤”的反面是“受伤人数少于r人”（也就是$X \leq r-1$），所以：
$$P(X \geq r) = 1 - P(X \leq r-1) = 1 - \sum_{k=0}^{r-1} C(n,k) p^k (1-p)^{n-k}$$
举个例子，如果n=200，r=180，直接算180到200的和会很繁琐，但算0到179的和再用1减去，就会轻松很多。

额外实用提示 #

• 如果n特别大，p非常小或者非常接近1，也可以用正态分布或泊松分布来做近似计算，不过如果需要精确结果，还是优先用二项分布的公式。
• 现在很多工具都能帮你省去手动计算的麻烦：比如Python的scipy.stats.binom.sf(r-1, n, p)，这个函数直接返回$P(X \geq r)$的结果；R语言里则可以用1 - pbinom(r-1, n, p)。

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