什么是抛硬币概率计算器?
这款计算器用于求出在 n 次抛硬币中恰好出现 k 次正面 的概率。每一次抛掷都是相互独立的事件,单次抛出正面的概率为 p(公平硬币为 0.5)。只要调整 p 的取值,你还能模拟有偏差或加重的硬币。同样的算法也能解答"连续出现"的问题——比如连续抛出 5 次正面的概率,就相当于 n = 5、k = 5 的情形。
使用方法
输入总抛掷次数(n)、希望出现正面的次数(k),以及单次抛出正面的概率(p,公平硬币填 0.5)。计算器会给出该结果的概率(百分比与小数两种形式)、组合数 \(C(n,k)\)、正面出现的期望次数,以及该精确结果的"反向赔率"。
公式详解
这一结果服从二项分布:
$$P(X = k) = \binom{n}{k} \, p^{\,k} \left(1 - p\right)^{n - k}$$其中 \(C(n,k)\) 表示恰好出现 k 次正面共有多少种排列方式,\(p^{k}\) 是这些指定抛掷都为正面的概率,\((1-p)^{n-k}\) 则是其余抛掷都为反面的概率。对于公平硬币(\(p = 0.5\)),公式可简化为 \(C(n,k) \cdot 0.5^{n}\)。
实例演算
抛 10 次公平硬币,恰好出现 5 次正面的概率是多少?\(C(10,5) = 252\),而 \(0.5^{10} = 1/1024 \approx 0.0009766\)。于是 \(P = 252 \times 0.0009766 \approx 0.2461\),约为 24.61%——这是所有单一结果中可能性最高的一个,但依然不到四分之一。
常见抛硬币情境的概率比较
下表使用公平硬币(p = 0.5)和二项式公式 \(P(X=k)=\binom{n}{k}p^k(1-p)^{n-k}\)。每一行表示在 n 次抛掷中恰好出现 k 次正面的概率。最后一行显示一枚有偏硬币,用于对比。
| n(抛掷次数) | k(正面次数) | 概率(%) | 几率(1 中之 X) |
|---|---|---|---|
| 2 | 2 | 25% | 1 中之 4 |
| 3 | 3 | 12.5% | 1 中之 8 |
| 5 | 5 | 3.125% | 1 中之 32 |
| 10 | 10 | 0.0977% | 1 中之 1,024 |
| 10 | 0 | 0.0977% | 1 中之 1,024 |
| 10 | 5 | 24.61% | 1 中之 4.06 |
| 100 | 50 | 7.96% | 1 中之 12.6 |
| 10(p = 0.6) | 6 | 25.08% | 1 中之 3.99 |
10 次抛掷一行的核对:\(\binom{10}{5}=252\),因此 \(P = 252 \times 0.5^{10} = 252/1024 \approx 0.2461\)。有偏硬币一行的核对:\(210 \times 0.6^6 \times 0.4^4 = 210 \times 0.046656 \times 0.0256 \approx 0.2508\)。
请注意,最可能出现的单一结果本身的可能性并不高:即使抛掷 100 次,恰好出现 50 次正面的情况也不到 8%。
结果解读:恰好、连续与至少的概率
- 恰好 k 次,而非至少 k 次。计算器返回的是恰好出现 k 次正面的概率。若要求“至少 k 次”,则必须把 k、k+1、…、n 的概率相加。例如,在 3 次公平抛掷中至少出现 1 次正面的概率为 \(1 - 0.5^3 = 0.875\),而不是 12.5%。
- 期望值与离散程度。正面次数的期望值为 \(\mu = np\),标准差为 \(\sigma = \sqrt{np(1-p)}\)。对于 100 次公平抛掷,\(\mu = 50\),\(\sigma = \sqrt{100 \times 0.5 \times 0.5} = 5\),因此出现约 45 至 55 次正面都属于非常常见的结果。
- 抛掷相互独立。公平硬币没有记忆。连续出现 5 次正面之后,下一次抛掷出现正面的概率仍是 50%。认为反面“该出现了”是赌徒谬误。
- k = n 表示从一开始就出现的特定序列。令 k 等于 n,得到的是前 n 次抛掷全部为正面的概率 \(p^n\)。这与在更长序列中“某处”出现连续 n 次正面的概率不同,后者更高,因为可能的起始位置有很多个。
- 小概率事件仍然会发生。1 中之 1,024 的结果(例如 10 次抛掷中出现 10 次正面)对于任何单次尝试都不太可能,但在成千上万次独立尝试中,预计会定期出现。
常见问题
连续抛出两次正面的概率是多少? 设 n = 2、k = 2、p = 0.5:\(P = 0.25\),即 25%,相当于 1/4。
可以模拟加重的硬币吗? 当然可以——把 p 改成实际的正面概率即可,例如偏向正面的硬币可设为 0.6。
为什么 10 次抛掷出现 5 次正面不是 50% 的概率? 50% 指的是期望的平均值,但"恰好 5 次"只是众多可能结果(0 到 10 次)中的一种。它确实是最可能出现的单一数值,但发生的概率也仅约四分之一。