当二项分布的 n 很大 (如大于 100)，P 很小时 (如小于 0.05)，它可用 ( ) 来近似｡

好的，作为你的私人教育机器人，我会详细解析这道题目，帮助你理解为什么当二项分布的 $n$ 很大（如大于 100），$p$ 很小时（如小于 0.05），它可以用泊松分布来近似。 ### 题目分析 题目要求我们理解在特定条件下（$n$ 很大，$p$ 很小），二项分布可以近似为哪种分布。 ### 选项分析 - **A: 正态分布** - 正态分布是一种连续概率分布，而二项分布是离散概率分布。虽然当 $n$ 足够大且 $p$ 不太接近 0 或 1 时，二项分布的形状趋近于正态分布，但题目特别强调了 $p$ 很小的情况，这时直接使用正态分布近似可能不够精确。 - **B: 泊松分布** - 泊松分布用于描述在固定时间或空间内随机事件发生的次数。当二项分布的 $n$ 很大且 $p$ 很小时，每个试验成功的概率很低，但成功的总数（即二项分布的随机变量）可能趋近于一个泊松分布。这是因为泊松分布的一个关键参数 $\lambda$（平均发生率）与二项分布的 $np$ 相近。因此，在这种情况下，二项分布可以用泊松分布来近似。 - **C: 超几何分布** - 超几何分布用于描述在不放回抽样中成功事件的数量。它与二项分布的主要区别在于抽样是否放回。题目没有提及抽样方式，且超几何分布与 $n$ 和 $p$ 的大小关系不直接相关，因此不是正确答案。 - **D: 几何分布** - 几何分布描述了在一系列独立同分布的伯努利试验中，首次成功之前所需的试验次数。它与二项分布的主要区别在于关注的是成功发生前的试验次数，而不是固定次数内的成功次数。因此，几何分布不是二项分布在 $n$ 大、$p$ 小条件下的近似分布。 ### 结论 综上所述，当二项分布的 $n$ 很大且 $p$ 很小时，它可以用泊松分布来近似。这是因为泊松分布能够很好地描述在大量试验中成功事件发生的低频但总数趋稳的情况。 因此，正确答案是 **B: 泊松分布**。