二项式的定义
在数学概念中两个变量的相加,就是二项式。
二项式定理(binomial theorem)主要是讲解二项式整数次幂(或称次方)的代数展开。

讯享网 是二项式(x+y)的n次方。
二项式的几何意义
二项式展开与规律性分析




从以上可以发现下列规则:
(1)x和y的最高次幂的系数皆是1。
(2)x和y的次高次幂的系数皆是n。
(3)各项
的指数和为n=n-k+k。
(4)各系数左右对称,由左右两边往中间变大。
Pascal三角形:
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
1 6 15 20 15 6 1
1 7 21 35 35 21 7 1
1 8 28 56 70 56 28 8 1
找出
项的系数
组合数学(combination)。


(1) 验证k=0 
(2) 验证k=1 
(3) 验证k=2 
(4) 验证k=4 
(5) 验证k=5 
二项式的通式

头系数计算是从n中取0个,计算方式如下:
尾系数计算是从n中取n个,计算方式如下:
中间系数验证:
二项式到多项式
如果在二项式内增加一个变量z,
,这是三项式。



二项分布实验
成功概率是p,失败概率是1-p

二项式公式,可以得到p(成功)和(1-p)(失败)出现 的次数概率,称二项式分布概率。
将二项式概念应用在业务数据分析
业务员销售第1、2、3、年每拜访客户100次,可以销售国际证照考卷的张数公式,如下所示:

斜率是7.5,这个斜率意义是每拜访100次,可以销售750张考卷。每拜访10次可以销售7.5张考卷。
每次拜访销售考卷的成功率是0.75。
每5次拜访销售0张考卷的概率
销售失败的概率 :
连续5次拜访皆是失败,概率用公式表示:
>>> 0.255 0.000 >>>
讯享网
每5次拜访销售1张考卷的概率
拜访5次可以销售1次的机会:
成功销售1张的概率是0.75,在5次拜访中出现1次,相当于是1次方。
销售失败是4次,失败概率是0.25,相当于是4次方。

整个计算结果如下:
讯享网>>> 5*0.75*(1-0.75)4 0.0 >>>
每5次拜访销售2张考卷的概率
拜访5次可以销售2次的机会:
成功销售1张的概率是0.75,在5次拜访中出现2次,相当于是2次方。
销售失败是3次,失败概率是0.25,相当于是3次方。

整个计算结果如下:
>>> 10*0.752*(1-0.75)3 0.0 >>>
每5次拜访销售0~2张考卷的概率
计算销售0~2张考卷的概率,将上述销售0张、销售1张、销售2张的概率结果相加就可以了。
整个计算结果如下:
讯享网>>> 0.000+0.0+0.0 0. >>>
列出拜访5次销售k张考卷的概率通式
拜访5次可以销售k张的机会:
成功销售1张的概率是0.75,在5次拜访中出现k次,是0.75的k次方。
销售失败是5-k次,失败概率是0.25,是0.25的5-k次方。

二项式概率分布Python实践
实践销售0~5张考卷的概率,同时使用直方图绘制此图表。
import matplotlib.pyplot as plt import math def probability(k): num = (math.factorial(n))/(math.factorial(n-k)*math.factorial(k)) pro = num * successk * (1-success)(n-k) return pro n = 5 # 销售次数 # 成功机率 success = 0.75 # 销售成功机率 fail = 1 - success # 销售失败机率 p = [] # 储存成功机率 for k in range(0,n+1): if k == 0: p.append(failn) # 连续n次失败机率 continue if k == n: p.append(successn) # 连续n次成功机率 continue p.append(probability(k)) # 计算其他次成功机率 for i in range(len(p)): print('销售 {} 单位成功机率 {}%'.format(i, p[i]*100)) x = [i for i in range(0, n+1)] # 直方图x轴坐标 width = 0.35 # 直方图宽度 plt.xticks(x) plt.bar(x, p, width, color='g') # 绘制直方图 plt.ylabel('Probability') plt.xlabel('unit:100') plt.title('Binomial Dristribution') plt.show()
执行结果:
讯享网[Running] python -u "c:\Users\a-xiaobodou\OneDrive - Microsoft\Projects\tempCodeRunnerFile.py" 销售 0 单位成功机率 0.0% 销售 1 单位成功机率 1.% 销售 2 单位成功机率 8.% 销售 3 单位成功机率 26.% 销售 4 单位成功机率 39.% 销售 5 单位成功机率 23.% [Done] exited with code=0 in 11.632 seconds

修改成功概率是0.35,然后n是10,计算可能销售0~10张考卷的概率,同时用图表列出结果。
import matplotlib.pyplot as plt import math def probability(k): num = (math.factorial(n))/(math.factorial(n-k)*math.factorial(k)) pro = num * successk * (1-success)(n-k) return pro n = 10 # 销售次数 # 成功机率 success = 0.35 # 销售成功机率 fail = 1 - success # 销售失败机率 p = [] # 储存成功机率 for k in range(0,n+1): if k == 0: p.append(failn) # 连续n次失败机率 continue if k == n: p.append(successn) # 连续n次成功机率 continue p.append(probability(k)) # 计算其他次成功机率 for i in range(len(p)): print('销售 {} 单位成功机率 {}%'.format(i, p[i]*100)) x = [i for i in range(0, n+1)] # 直方图x轴坐标 width = 0.35 # 直方图宽度 plt.xticks(x) plt.bar(x, p, width, color='g') # 绘制直方图 plt.ylabel('Probability') plt.xlabel('unit:100') plt.title('Binomial Dristribution') plt.show()
执行结果:
讯享网[Running] python -u "c:\Users\a-xiaobodou\OneDrive - Microsoft\Projects\tempCodeRunnerFile.py" 销售 0 单位成功机率 1.28911% 销售 1 单位成功机率 7.172% 销售 2 单位成功机率 17.5708% 销售 3 单位成功机率 25.5626% 销售 4 单位成功机率 23.9532% 销售 5 单位成功机率 15.031% 销售 6 单位成功机率 6.5779% 销售 7 单位成功机率 2.5624% 销售 8 单位成功机率 0.% 销售 9 单位成功机率 0.071872% 销售 10 单位成功机率 0.0015623% [Done] exited with code=0 in 9.087 seconds

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/23042.html