定义 利用二项分布模型，解决“n次独立重复试验中成功次数”的概率计算与期望方差问题。
从哪来 基于 3.2 组合数 确定特定成功序列的排列方式，以及 5.1 独立事件的定义 保证各次试验结果互不影响且概率恒定。
为什么 二项分布的本质是“独立重复”与“分类计数”的结合。
1. 独立性（来自5.1）：第 $i$ 次试验的结果不影响第 $j$ 次，因此 $k$ 次成功和 $n-k$ 次失败的概率相乘即为 $p^k(1-p)^{n-k}$。
2. 组合数（来自3.2）：这 $k$ 次成功可以出现在 $n$ 次试验中的任意位置，共有 $C_n^k$ 种不同的排列顺序。
3. 互斥性：不同的排列顺序（如“成成失”与“成失成”）是互斥事件，故将 $C_n^k$ 种情况的概率相加，得到 $P(X=k) = C_n^k p^k (1-p)^{n-k}$。
讲法
适合：逻辑推导型、喜欢从原理出发的学生
讲法：从“抛硬币”到“通用公式”
1. 先回顾抛3次硬币，正面朝上2次的概率。
2. 列举所有情况：正正负、正负正、负正正。
3. 指出每种情况概率都是 $p^2(1-p)$，共有3种（即 $C_3^2$）。
4. 推广到 $n$ 次：只要每次独立且概率不变，成功 $k$ 次的概率就是 $C_n^k p^k (1-p)^{n-k}$。
5. 强调：$C_n^k$ 是“位置的选择”，$p^k(1-p)^{n-k}$ 是“单次序列的概率”。
讲法
适合：直观形象型、对抽象公式抗拒的学生
讲法：工厂质检模型
1. 设定场景：工厂生产零件，每个零件次品率 $p=0.1$，独立生产。
2. 问：生产10个，恰好有2个次品的概率？
3. 拆解：
- 第一步：哪2个是次品？从10个位置选2个，有 $C_{10}^2$ 种选法。
- 第二步：选定的2个必须是次品（$0.1 \times 0.1$），剩下的8个必须是正品（$0.9^8$）。
- 第三步：把所有可能的“哪2个坏”的情况加起来。
4. 结论：这就是二项分布，它把“位置选择”和“概率计算”分开了。
讲法
适合：应试技巧型、追求解题速度的学生
讲法：识别特征与公式套用
1. 给出二项分布 $X \sim B(n, p)$ 的三个识别特征：
- 试验次数 $n$ 固定。
- 每次只有两种结果（成功/失败）。
- 每次成功概率 $p$ 相同且相互独立。
2. 直接给出公式：$P(X=k) = C_n^k p^k (1-p)^{n-k}$。
3. 给出期望 $E(X) = np$ 和方差 $D(X) = np(1-p)$。
4. 强调：看到“独立重复”、“恰好k次”、“概率不变”等关键词，直接套公式，不要列举。