1 作用
从二项分布中抽取样本。
从具有指定参数，n次试验和p个成功概率的二项式分布中抽取样本，其中n个整数> = 0，且p在[0,1]区间内。（n可以作为浮点输入，但在使用中会被截断为整数）
2 参数解析
numpy.random.binomial（n，p，size = None ）
n
n个int或int的数组
分布的参数，> =0。也接受浮点数，但它们将被截断为整数。p
float或float数组
分布参数> = 0和<= 1。size
int或int元组，可选
输出形状。如果给定的形状，如果size为（默认），则和均为标量时，将返回单个值。
3 何时使用
当使用随机样本估算总体中某个比例的标准误差时，正态分布就很好，除非乘积p * n <= 5，其中p =总体比例估计，n =样本数，在这种情况下而是使用二项式分布。
例如，一个15个人的样本显示了4个左撇子和11个右撇子。那么p = 4/15 = 27％。0.27 * 15 = 4，小于5，因此在这种情况下应使用二项式分布。
3 举例使用
1、 从分布中抽取样本：投掷硬币10次的结果，测试了1000次。
n, p = 10, .5 # n样本数量, p每个样本的概率
s = np.random.binomial(n, p, 1000)
AI 代码解读
2、一个真实的例子。一家公司钻了9口石油勘探井，每口井的成功概率估计为0.1。所有九口井都失败了。发生这种情况的可能性是多少？
让我们对模型进行20,000次试验，并计算产生零阳性结果的数目。
sum(np.random.binomial(9, 0.1, 20000) == 0)/20000.
AI 代码解读
输出
0.38885
