读懂二项分布与正态分布

这一章引入两个概率分布，第一项技能就是把它们分清。决定它的问题是：你在数东西，还是在量东西？

如果你在数一个事件在固定次数里发生了几次，10 粒种子里有几粒发芽、5 次罚球里进了几次，你就处在二项分布的世界，它是离散的（结果为整数）。如果你在量一个可以取连续数值、并且倾向于围绕某个平均数聚集的量，身高、质量、寿命，你就处在正态分布的世界，它是连续的。

二项分布在四个条件成立时适用：有固定的试验次数 $n$；每次试验只有两种结果（就叫成功和失败）；每次成功的概率 $p$ 都相同；各次试验相互独立。当这个设定吻合时，恰好得到 $r$ 次成功的概率是：

$$P(X=r)={}^{n}C_{r}\,p^{r}(1-p)^{n-r}$$

每一部分都有含义。$p^{r}$ 是 $r$ 次成功发生的机会；$(1-p)^{n-r}$ 是其余各次都失败的机会；而 ${}^{n}C_{r}$ 数的是这些成功可以出现的不同顺序有多少种。

举个做出来的例子，假设一次试验以概率 $p=0.2$ 成功，你做 $n=5$ 次试验。恰好 2 次成功的概率是 ${}^{5}C_{2}(0.2)^{2}(0.8)^{3}=10\times 0.04\times 0.512=0.2048$。

有两个概括性的数值得记。平均而言，成功次数是均值 $np$，而离散程度用方差 $np(1-p)$ 来量。

对我们的例子，均值是 $5\times 0.2=1$ 次成功，方差是 $5\times 0.2\times 0.8=0.8$。这两个很快就能写出，也常被直接问到。

正态分布就是那条熟悉的对称钟形曲线。它由两个数描述：均值 $\mu$，位于中心和峰顶；标准差 $\sigma$，控制曲线铺展得有多宽。

因为变量是连续的，我们从不去求某个确切值的概率；我们求它落在某个区间的概率，比如，随机取一件物品，它的测量值大于某个量的概率。那个概率，就是曲线在那段区间下方的面积。

让这一切可算的引擎，是标准化。任何正态变量 $X$ 都可以化成标准正态变量 $Z$（均值为 0、标准差为 1），用：

$$Z=\frac{X-\mu}{\sigma}$$

$Z$ 值告诉你 $X$ 离均值有几个标准差。假设某个量服从均值 $\mu=60$、标准差 $\sigma=5$ 的正态分布，你要它超过 70 的概率。

标准化：$Z=\frac{70-60}{5}=2$。于是问题变成 $P(Z>2)$，你从标准正态表（或计算器的分布函数）里读出来。

表给出面积，那个面积就是你的概率。每一道正态题都归到这一步：标准化，然后读面积。

这里丢掉的分，大多来自少数几个可预料的错误：

• 把标准差和方差搞混。标准化用的是 $\sigma$，也就是标准差；如果题目给的是方差，先开平方。把这两个弄反，是正态分布里最常见的错误。
• 弄乱概率的方向。表可能给出左侧面积 $P(Z<z)$，也可能给右侧。画出钟形曲线，把你真正要的那块阴影出来，用对称性（$P(Z<-z)=P(Z>z)$）而不是靠猜。
• 在试验不独立或 $p$ 会变时用了二项分布。如果你不放回地抽取，$p$ 每次都在变，二项分布就不再精确适用。
• 忘了均值 $=np$、方差 $=np(1-p)$ 是二项分布的，不是正态的。把两个分布的公式放在各自的心理盒子里。

一个让人踏实的想法：因为 SPM 高级数学采用分析式评分，只要式子搭对，二项写对了 $n$、$r$、$p$，或标准化用对了 $Z$，即便末尾小数略有偏差，你仍能拿到方法分。一张清楚的钟形曲线草图、把要求的面积阴影出来，真的值分，同时也防住了方向错误。

这一章奖赏的是清醒的头脑，而不是纯粹的速度：选对分布，把标准差和方差分清，画出你要的那块面积。学生卡住时，几乎总是这三样里的一样，而看着你解题过程的老师，能在一道题里就指出是哪一样，再把它重建到感觉自动为止。

我们的老师经验丰富，课程在线、以英语授课，这也帮你熟悉英文术语，而 SPM 试卷以马来文和英文双语命题。

如果你想试一节课，第一堂是按老师收费的一小时付费课，每小时从 RM50 起，视老师经验而定，价格在 WhatsApp 上报。我们从你所在的地方开始，无论是二项公式还是读正态表，都按你自己的节奏、毫无压力地往外建。