二项分布是一种在固定次数的独立重复试验中，每次试验只有两种可能结果（通常称为“成功”和“失败”），且每次试验成功概率保持不变的概率分布模型。 它由两个参数决定：试验次数n和单次成功概率p，其概率质量函数为P(X=k) = C(n,k) p^k (1-p)^(n-k)，其中k为成功次数。二项分布广泛应用于质量检测、医学试验、市场调研等场景，帮助预测在给定条件下特定成功次数出现的可能性。
【常见问题】
问题1：二项分布与伯努利试验有什么关系？
回答1：二项分布描述的是n次独立重复的伯努利试验中成功次数的分布，当n=1时，二项分布退化为伯努利分布。因此，二项分布是伯努利试验的推广，两者核心都是每次试验只有两种结果且概率恒定。
问题2：二项分布的期望和方差如何计算？
回答2：二项分布的期望E(X)=n×p，方差Var(X)=n×p×(1-p)。这两个公式直接由二项分布的定义推导得出，用于评估长期平均成功次数及其波动范围。
问题3：实际应用中如何判断数据是否适合用二项分布建模？
回答3：判断数据是否适合二项分布需满足三个条件：试验次数固定、每次试验独立、每次成功概率相同。例如，抛硬币10次记录正面次数就符合二项分布，而抽取无放回样本则不适合，因为概率会变化。