Münzwurf-Wahrscheinlichkeit

Münzwürfe sind das klassische Unterrichtsmodell unabhängiger Bernoulli-Versuche: Jeder Wurf zeigt Zahl mit Wahrscheinlichkeit p und Kopf mit Wahrscheinlichkeit eins minus p, und die Abfolge der Ergebnisse ändert die Chancen des nächsten Wurfs nicht. Wenn Sie die Wahrscheinlichkeit für genau k-mal Zahl in n Würfen benötigen, ist die geschlossene Form die binomiale Wahrscheinlichkeitsfunktion, die die Anzahl der Folgen mit k-mal Zahl mit der Wahrscheinlichkeit einer jeden dieser Folgen multipliziert. Diese Fähigkeit akzeptiert die Anzahl der Würfe n, die exakte Anzahl k von Zahl und einen optionalen Bias p (Standard ein Halb für eine faire Münze) und liefert die Wahrscheinlichkeit, den exakten Binomialkoeffizienten als Dezimalzeichenkette, eine kurze Formelzeichenkette und ein Kennzeichen für faire Münzen. Ein negatives k und jedes k größer als n werden mit einem klaren Validierungsfehler abgelehnt, statt eine stille Null oder eine irreführende Antwort zu liefern.

So funktioniert die Binomialwahrscheinlichkeit beim Münzwurf

Modellieren Sie jeden Wurf als unabhängigen Bernoulli-Versuch mit Erfolgswahrscheinlichkeit p gleich der Chance auf Zahl bei einem einzelnen Wurf. Nach n unabhängigen Würfen folgt die Anzahl der Zahl-Ergebnisse X einer Binomialverteilung mit den Parametern n und p. Die Wahrscheinlichkeit, genau k-mal Zahl zu beobachten, ist C(n, k) mal p hoch k mal (1 minus p) hoch n minus k, wobei C(n, k) der Binomialkoeffizient ist, der zählt, wie viele verschiedene Folgen der Länge n genau k-mal Zahl enthalten.

Bei einer fairen Münze ist p ein Halb, sodass jede bestimmte Folge der Länge n die Wahrscheinlichkeit zwei hoch minus n hat, und die Formel vereinfacht sich zu C(n, k) geteilt durch zwei hoch n.

Klassische Kontrollen umfassen einen fairen Wurf mit einmal Zahl, der die Wahrscheinlichkeit ein Halb ergibt; zehn faire Würfe mit fünfmal Zahl, die C(10, 5) durch 1024 ergeben, also 252 durch 1024 oder etwa 0.246; und eine gezinkte Münze mit p gleich 0.7 für dreimal Zahl in fünf Würfen mit C(5, 3) mal 0.7 hoch drei mal 0.3 hoch zwei.

Randfälle sind wichtig für die Korrektheit: Ist p null, hat nur k gleich null die Wahrscheinlichkeit eins und jedes positive k die Wahrscheinlichkeit null; ist p eins, gelingt nur k gleich n; ist n null, ist nur k gleich null möglich. Diese Implementierung verwendet niemals Monte-Carlo-Stichproben, Zufallsseeds, die Systemzeit oder Netzabfragen: Sie berechnet den exakten Binomialkoeffizienten mit BigInt-Arithmetik und wertet die Wahrscheinlichkeit im Log-Raum aus, damit Zwischenprodukte für größere n numerisch stabil bleiben.

Wo Münzwurf-Binomialwahrscheinlichkeiten in der Praxis vorkommen

Einführungskurse in Statistik und diskrete Mathematik fragen Studierende ständig nach der Wahrscheinlichkeit für genau k-mal Zahl in n Würfen, manchmal mit einer fairen und manchmal mit einer gezinkten Münze, deren Zahl-Quote nicht ein Halb ist. Bewerbungstraining und Programmierwettbewerbe verwenden dieselbe Wahrscheinlichkeitsfunktion erneut, wenn sie Bitmuster zählen, Erfolgsserien als unabhängige Versuche modellieren oder Qualitätskontrollen, die jede Einheit mit festem p als bestanden oder durchgefallen behandeln. Data Scientists validieren Monte-Carlo-Simulatoren und Power-Skizzen für A/B-Experimente, indem sie Stichprobenhäufigkeiten für kleine n mit der geschlossenen Binomialwahrscheinlichkeit vergleichen, bevor sie auf Großstichproben-Näherungen skalieren.

Lehrende erstellen Musterlösungen und automatische Bewerter, die einen einzigen deterministischen Wert brauchen statt einer Zufallssimulation, die zwischen Durchläufen schwanken würde. Spieldesigner und Wahrscheinlichkeits-Demos im Web bieten oft standardmäßig eine faire Münze an und erlauben dennoch einen Bias-Regler, um die Abhängigkeit des Gipfels von p zu vermitteln. Benötigen Sie später die kumulative Verteilung P(X kleiner oder gleich k), inverse Quantile, Hypothesentests gegen ein vermutetes p oder die Zufallserzeugung von Wurffolgen, behandeln Sie diese als eigene Suchabsichten, statt diese Seite zu überladen.

Halten Sie n innerhalb der dokumentierten Grenze, damit die Latenz des kostenlosen Kontingents vorhersehbar bleibt, und denken Sie daran, dass die Gleitkommawahrscheinlichkeit ideal für Rangfolgen und Schwellenwerte ist, während der Binomialkoeffizient als Zeichenkette für kombinatorische Kontrollen exakt bleibt.