二项式分布预测新生儿

医院每天都有新生儿呱呱落地。每天会有多少男婴出生，多少女婴出生呢？这个问题不难，我们可以用二项式分布来计算，python建模观察。
二项分布即重复n次独立的伯努利试验。在每次试验中只有两种可能的结果，而且两种结果发生与否互相对立，并且相互独立，与其它各次试验结果无关，事件发生与否的概率在每一次独立试验中都保持不变，则这一系列试验总称为n重伯努利实验，当试验次数为1时，二项分布服从0-1分布。
程序调用了python的numpy,scipy两个模块。numpy用于矩阵运算；scipy是numpy的高级版本，用于更高级的自然科学应用，例如信号处理，傅里叶分析。
我们假设医院每天100婴儿出生 ， num代表每天婴儿出生总数。然后假设男孩出生概率为0.5，p代表男孩出生概率 。
num=100
p=0.5
运行环境：win7_32位，anaconda 2（python2.7）
源码放在文章末尾，所有代码经本人测试没有问题。
写好脚本后运行

放大console控制台观察

程序自动预测医院每天出生100个新生儿，有50个男孩出生。这里解释一下， 50个男孩出生并不一定发生，只是概率最大。医院每天出生100个新生儿，有可能出生40个男孩，或30个男孩，或10个男孩，只是这些可能性并不高。假设我们想知道医院每天出生100个新生儿中全部是男孩概率。程序变量x代表出生男孩数量，Get_probability_x(x)函数计算其概率。
x=100
x_probability=Get_probability_x(x)
控制台最后一行显示所有新生儿都为男婴的概率几乎为0.
list_probablity是各种情况的概率列表

总结一下，二项式期望值公式E(X)=E[X(1)+X(2)+X(3)....X(n)]=np。二项式期望值通俗的讲就是数量乘以概率。通过程序建模，我们清楚认识到期望值只是一种最大概率的可能，并不代表一定会发生。
代码运行问题反馈邮箱231469242@qq.com
源码：

from scipy import stats
import numpy as np

def Get_list_probability(num,p,array_x):
binoDist=stats.binom(num,p)
array_probability=binoDist.pmf(array_x)
list_probablity=list(array_probability)
list_probablity1=[round(i,6) for i in list_probablity]
return list_probablity1

def Max_BinomialDistribution(list_probablity,array_x):
maxProbability=max(list_probablity)

index=list_probablity.index(maxProbability)
#第几次试验概率最大
x=array_x[index]
return maxProbability,x

def Get_probability_x(x):
value=round(list_probablity[x],2)
return value
def Print():
print "boy birth probability:",p
print "%d boys are expected to born with probability %f"%(maxProbability1,maxProbability[0])
print "%d boys born probability %f"%(x,x_probability)

num=100

p=0.5
array_x=np.arange(101)
list_probablity=Get_list_probability(num,p,array_x)

maxProbability=Max_BinomialDistribution(list_probablity,array_x)

x=100
x_probability=Get_probability_x(x)
Print()
（本文原创发布Python中文社区）
End.