透過 MCP 連接 →

輸入計算

數學公式

廣告

結果

P(X ≤ k)
0.171875
17.1875% chance
P(X ≤ k) 0.171875
P(X > k) = 1 − P(X ≤ k) 0.828125
期望成功次數 (np) 5

什麼是「最多 k 次成功」的機率?

這個計算器用來求出二項分布的累積機率 \(P(X \le k)\),也就是在 n 次獨立試驗中,每次成功機率為 p 的條件下,成功次數不超過 k 次的機率。它會把從 0 次成功一直加到 k 次成功的所有個別機率全部加總起來,相當於二項分布的下尾(累積分布函數,CDF)。

二項機率長條圖,0 到 k 的長條被著色,顯示至多 k 的累積區域
\(P(X \le k)\) 是從 0 到 k(含 k)所有陰影長條的總和。

如何使用

請輸入試驗次數 n、門檻值 k(你允許的最大成功次數),以及每次試驗的成功機率 p(介於 0 到 1 之間的小數)。計算器會回傳 \(P(X \le k)\)、對應的百分比、餘事件機率 \(P(X > k)\),以及成功次數的期望值 \(np\)。

公式解析

恰好出現 i 次成功的機率為二項式項 \(\binom{n}{i}\, p^{i}\, (1-p)^{n-i}\),其中 \(\binom{n}{i}\) 代表從 n 次試驗中挑出哪 i 次成功的組合數。要計算「最多 k 次」,就把 i = 0、1、…、k 的這些項全部相加。

$$P(X \le k) = \sum_{i=0}^{k} \binom{n}{i}\, p^{\,i}\, (1-p)^{\,n-i}$$

本計算器採用相鄰各項之間數值穩定的遞迴方式運算,即使 n 很大也能維持結果的準確度。

Advertisement
將二項項分解為組合數、p 的 i 次方和 (1 減 p) 的 (n 減 i) 次方的示意圖
每一項把選取 i 次成功的方式數與其機率結合起來。

實例演練

假設你拋擲一枚公正硬幣 10 次(\(n = 10\)、\(p = 0.5\)),想知道最多出現 3 次正面(\(k = 3\))的機率。把 0、1、2、3 次成功的各項相加,得到 \(1 + 10 + 45 + 120 = 176\) 種有利結果,總共有 \(2^{10} = 1024\) 種可能,因此 $$P(X \le 3) = \frac{176}{1024} \approx 0.171875$$ 約為 17.19%。

常見問題

「最多 k 次」和「恰好 k 次」有什麼差別?「恰好 k 次」只是單一項 \(\binom{n}{k} p^{k} (1-p)^{n-k}\);而「最多 k 次」則是把從 0 到 k 的所有項加總起來。

如果我想算「至少 k 次」該怎麼辦?可使用 \(P(X \ge k) = 1 - P(X \le k-1)\)。本計算器的餘事件欄位提供的是 \(P(X > k) = 1 - P(X \le k)\)。

p 可以是 0 或 1 嗎?可以。若 \(p = 0\),代表每次試驗都失敗,因此只要 \(k \ge 0\),\(P(X \le k)\) 都會等於 1;若 \(p = 1\),代表每次試驗都成功,只有在 \(k \ge n\) 時機率才會是 1。

最後更新: