歡迎來到分佈的世界！
你好！今天我們要探索統計學中兩個最強大的工具：二項分佈 (Binomial Distribution) 與 卜瓦松分佈 (Poisson Distribution)。
別被這些名字嚇到了。你可以把它們簡單地理解為協助我們預測未來的「數學模型」。無論你想知道籃球員罰球 10 投 8 中的機率，還是想計算一小時內看到三顆流星的機率，這些分佈都能給你答案。
讀完這份筆記，你就能像專家一樣識別該使用哪個模型，並精準地算出機率！
1. 二項分佈 (The Binomial Distribution)
二項分佈的核心就是「成功」或「失敗」。當我們有固定的試驗次數，且每次試驗只有兩種可能的結果時，我們就會用到它。
何時使用？（BINS 記憶法）
要使用二項模型，你的情況必須符合以下四個規則。記住 BINS：
1. B - Binary (二元)： 只有兩種結果（成功或失敗）。
2. I - Independent (獨立)： 每次試驗互不影響（就像拋硬幣一樣）。
3. N - Number (次數)： 試驗次數固定為 \(n\)。
4. S - Success (成功)： 每次試驗成功的機率 (\(p\)) 保持不變。
公式
如果隨機變數 \(X\) 服從二項分佈，我們記作：
\(X \sim B(n, p)\)
獲得剛好 \(r\) 次成功的機率為：
\(P(X = r) = \binom{n}{r} \times p^r \times (1-p)^{n-r}\)
公式拆解：
- \(\binom{n}{r}\)：這是計算機上的「組合」(combinations) 按鍵。它代表從 \(n\) 個項目中挑選 \(r\) 個的方法總數。
- \(p^r\)：成功機率的 \(r\) 次方。
- \((1-p)^{n-r}\)：失敗機率的 \((n-r)\) 次方。
快速步驟：
1. 找出 \(n\)（總試驗次數）和 \(p\)（成功機率）。
2. 找出 \(r\)（你想要的成功次數）。
3. 代入公式。
4. 小心翼翼地輸入計算機！
快速複習框
- 二項分佈平均數 (Mean/Average)： \(E(X) = np\)
- 二項分佈變異數 (Variance)： \(Var(X) = np(1-p)\)
重點提示： 當你有固定次數且結果只有「是/否」的試驗時，就用二項分佈。
2. 卜瓦松分佈 (The Poisson Distribution)
此分佈以法國數學家西梅翁·德尼·卜瓦松命名，用於處理在特定的時間或空間區間內，以固定平均速率發生的事件。
現實生活類比
想像你在傾盆大雨中站在樹下，盯著地面上的一塊方形瓷磚。卜瓦松分佈能幫你計算這一分鐘內，有 0、1、2 或更多雨滴打在那塊瓷磚上的機率。
其他例子：
- 一小時內收到的電子郵件數量。
- 一頁文件中的打字錯誤數量。
- 10 分鐘內經過閘口的汽車數量。
條件（SIND 記憶法）
要讓卜瓦松模型成立，事件必須符合：
1. S - Single (單一)： 事件一次只發生一個。
2. I - Independent (獨立)： 事件的發生不會影響下一次發生的機率。
3. N - No simultaneity (無同時發生)： 兩個事件不可能在同一瞬間發生。
4. D - Deterministic Rate (確定速率)： 它們以固定的平均速率 (\(\lambda\)) 發生。
公式
如果 \(X\) 服從卜瓦松分佈，我們記作：
\(X \sim Po(\lambda)\)
（其中 \(\lambda\)，讀作「lambda」，是平均發生次數）。
剛好發生 \(x\) 次事件的機率為：
\(P(X = x) = \frac{e^{-\lambda} \lambda^x}{x!}\)
這些符號代表什麼？
- \(e\)：一個特殊的常數（約等於 2.718）。你的計算機上有 \(e^x\) 按鍵！
- \(\lambda\)：平均發生速率。
- \(x!\)：「x 的階乘」（例如 \(4! = 4 \times 3 \times 2 \times 1\)）。
重要數學小技巧！
在卜瓦松分佈中，平均數 (Mean) 和 變異數 (Variance) 是一樣的！
\(Mean = \lambda\)
\(Variance = \lambda\)
這是考試中非常常見的考點！
重點提示： 當你已知平均速率，且需計算在特定時間或空間內的發生次數時，請使用卜瓦松分佈。
3. 我該用哪種分佈？
有時很難抉擇，這裡有個快速指南：
- 是否有「成功」次數上限？（例如：20 人中有幾人...）。如果是，用 二項分佈。
- 是否沒有明確的「最大值」？（例如：天上有多少顆星星...）。如果是，用 卜瓦松分佈。
- 你是否在關注一個「區間」（時間/距離）？ 用 卜瓦松分佈。
4. 使用卜瓦松近似二項分佈
有時候，二項分佈的計算會非常繁瑣（例如 \(n = 1000\) 時）。如果 \(n\) 很大且 \(p\) 很小，我們可以用卜瓦松公式作為捷徑！
經驗法則：
當符合以下條件時，你可以用卜瓦松來近似二項分佈：
1. \(n > 50\)
2. \(np < 5\)（大約值）
這時，你只需設定卜瓦松速率為 \(\lambda = np\) 即可。
重點提示： 當試驗次數很多但成功機率極低時，卜瓦松是二項分佈的一個超好用的「懶人捷徑」。
5. 避開常見陷阱
1. 「至少」陷阱： 如果題目要求 \(P(X \geq 1)\)，千萬別一個一個算 1、2、3、4...直到無限！請使用餘事件規則：\(1 - P(X = 0)\)。
2. 零的階乘： 記住 \(0! = 1\)。如果把 0 代入卜瓦松公式，別被它搞糊塗了！
3. 改變區間： 在卜瓦松中，如果速率是每小時 2 次，但題目問的是 2 小時，你必須將 \(\lambda\) 加倍變成 4。務必讓 \(\lambda\) 與題目要求的時間區間一致！
4. 計算機模式： 確保你清楚計算機上「機率質量函數」(Probability Mass Function, 剛好 \(x\)) 與「累積分配函數」(Cumulative Distribution Function, 直到 \(x\)) 的差別。
最終檢查清單
- 二項分佈： 固定 \(n\)，固定 \(p\)，成功/失敗。
- 卜瓦松分佈： 平均速率 \(\lambda\)，沒有固定 \(n\)，時間/空間區間。
- 平均數/變異數： 卜瓦松平均數 = 變異數。二項平均數 = \(np\)。
- 統計表： 考試時記得使用提供的統計表來查找累積機率 (\(P(X \leq x)\))，可以省下不少時間！
如果剛開始覺得有點難，別擔心！多練習在題目中找出 \(n, p,\) 和 \(\lambda\)，這些公式很快就會變成你的直覺。你一定做得到的！