贡献者： jingyuan
1. 条件概率
对于任何两个事件 $A$ 和 $B$，在已知事件 $A$ 发生的条件下，事件 $B$ 发生的概率叫做条件概率，用符号 $P(B|A)$ 来表示。
我们把事件 $A$ 和 $B$ 同时发生所构成的事件 $D$，称为事件 $A$ 与 $B$ 的 交 (或积)，记作 $D = A \cap B$ (或 $D = AB$).
一般地，我们有条件概率公式
\begin{equation}
P(B|A) = \frac{P(A \cap B)}{P(A)},P(A)>0~.
\end{equation}
2. 事件的独立性
事件 $A$ 是否发生对事件 $B$ 发生的概率没有影响，即
\begin{equation}
P(B|A) = P(B)~.
\end{equation}
这时，我们称两个事件 $A,B$
相互独立，并把这两个事件叫做
相互独立事件（mutually independent events）。
在实际问题中，常常通过事件本质进行分析就可知道它们是否相互独立，而不需要进行类似上面的计算去验证。
一般地，当事件 $A$ 和 $B$ 相互独立时，$A$ 与 $\overline{B}$，$\overline{A}$ 与 $B$，$\overline{A}$ 与 $\overline{B}$ 也相互独立。
由条件概率公式和相互独立事件 $A$，$B$ 的定义，可以得到
\begin{equation}
\begin{aligned}
&P(B) = P(B|A) = \frac{P(A \cap B)}{P(A)}~, \\
&P(A\cap B) = P(A) \cdot P(B)~.
\end{aligned}
\end{equation}
我们可以进一步推得，
\begin{equation}
P(A_1\cap A_2 \cdots A_n) = P(A_1) \cdot P(A_2) \cdots P(A_n)~.
\end{equation}
3. 独立重复试验
在相同的条件下，重复地做 $n$ 次试验，各次试验从的结果相互独立，那么一般就称它为 $n$ 次独立重复试验（independent repeated trials）。
一般地，事件 $A$ 在 $n$ 次试验中发生 $k$ 次，共有 $C_n^k$ 种情形，由试验的独立性知 $A$ 在 $k$ 次试验中发生，而在其余 $n-k$ 次试验中不发生的概率都是 $p^k(1-p)^{n-k}$，所以由概率加法公式知，如果在一次试验中事件 $A$ 发生的概率是 $p$ 那么在 $n$ 次独立重复试验中，事件 $A$ 恰好发生 $k$ 次的概率为
\begin{equation}
P_n(k) = C_n^kp^k(1-p)^{n-k}(k=0,1,2,\cdots,n)~.
\end{equation}
这里解释一下 $p^k(1-p)^{n-k}$ 的含义，我们在一次试验全部发生事件 $A$ 的概率为 $p$，不发生的概率为 $1-p$，发生的次数为 $k$ 次，不发生的次数为 $n-k$ 次，根据分步乘法计数原理，可得 $p^k(1-p)^{n-k}$。
在式 5 中若将事件 $A$ 发生的次数设为 $X$，事件 $A$ 不发生的概率为 $q = 1 - k$，那么在 $n$ 次独立重复试验中，事件 $A$ 恰好发生 $k$ 的概率是
\begin{equation}
P(X=k) = C_n^kp^kq^{n-k}(k = 1,2,\cdots,n)~.
\end{equation}
于是得到 $X$ 的分布列
表1：分布列
|
$X$ | $0$ | $1$ | $\cdots$ | $k$ | $\cdots$ | $n$
|
|
$P$ | $C_n^0p^0q^n$ | $C_n^1p^1q^{n-1}$ | $\cdots$ | $C_n^kp^kq^{n-k}$ | $\cdots$ | $C_n^np^nq^0$
|
由于的表 1 中的第二行恰好是二项式展开式
\begin{equation}
(q+p) = C_n^0p^0q^n + C_n^1p^1q^{n-1}+\cdots C_n^kp^kq^{n-k}+\cdots + C_n^np^nq^0~.
\end{equation}
各项对应的值，所以称这样的离散型随机变量 $X$ 服从参数 $n,p$ 的
二项分布，记作
\begin{equation}
X\sim B(n,p)~.
\end{equation}
致读者： 小时百科一直以来坚持所有内容免费无广告，这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此，我们请求广大读者
热心打赏 ，使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 20 元，我们一周就能脱离亏损， 并在接下来的一年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款， 他们的付出帮助了 99% 的读者免费获取知识， 我们在此表示感谢。