文本：总结 + 下节预告

二项分布 帮助我们决定一系列独立的 '掷硬币等事件' 概率。

与二项分布相关的概率质量函数具有以下形式：

P(X = x) = \frac{n!}{x!(n-x)!}p^x(1-p)^{n-x}

其中 n 是事件数量， x 是 "成功" 的数量， p 是 "成功" 的概率。

我们现在可以使用这个分布决定下列事件的概率：

事实上你可能在实践中处理数据，通常会使用二项分布。所以计算这些概率并不重要 (即使在一些情况下非常有帮助)。更重要的是，你要了解二项分布的用途，因为它出现在机器学习的许多模型中，可以通过跟踪两个可能事件，悄悄接近我们的数据集。你可以在 Python 概率练习 一课进行更多相关练习。

二项分布中你看到最流行的地方之一是逻辑回归，你将会在统计课的最后一节课中学到这个内容。

在接下来的部分中，你将开始解决非独立事件。我们目前所见到的事件不会相互影响，但在现实世界中远比这些复杂。下节课将介绍相依的概念，你将会在下面一部分学习更多贝叶斯规则。