የሁለትዮሽ ስርጭት

ሁለትዮሽ ስርጭት፡ ቲዎሪ፣ አፕሊኬሽኖች እና ምሳሌዎች

ፔንዳሁሉአን

የሁለትዮሽ ስርጭት በስታቲስቲክስ እና በፕሮባቢሊቲ ቲዎሪ ውስጥ መሠረታዊ ፅንሰ-ሀሳብ ነው። በጣም በተደጋጋሚ ጥቅም ላይ ከሚውሉት የተከፋፈሉ ስርጭቶች አንዱ እንደመሆኑ መጠን፣ የሁለትዮሽ ስርጭት እንደ ሕክምና፣ ኢኮኖሚክስ፣ ባዮሎጂ እና ማህበራዊ ሳይንስ ባሉ መስኮች በርካታ አፕሊኬሽኖችን ያቀርባል። ይህ ጽሑፍ የሁለትዮሽ ስርጭትን በጥልቀት ያብራራል፣ ፍቺውን፣ ቁልፍ ባህሪያቱን፣ ተዛማጅ ቀመሮቹን እና በርካታ ተግባራዊ የአጠቃቀም ምሳሌዎችን ጨምሮ።

የሁለትዮሽ ስርጭትን መረዳት

የሁለትዮሽ ስርጭት የ n Bernoulli ሙከራዎችን ውጤት የሚገልጽ ሲሆን እያንዳንዱ ሙከራ ሁለት ሊሆኑ የሚችሉ ውጤቶች ብቻ አሉት፤ እነሱም “ስኬት” ወይም “ውድቀት” ናቸው። ለምሳሌ፣ በሳንቲም ውርወራ፣ ሊሆኑ የሚችሉ ውጤቶች “ራስ” ወይም “ራስ” ናቸው።

በቢኖሚያል ስርጭት ውስጥ ያሉት ሁለት ዋና ዋና መለኪያዎች የሚከተሉት ናቸው፡
1. n (የሙከራዎች ብዛት)
2. p (በእያንዳንዱ ሙከራ ውስጥ የስኬት ዕድል)

ይበልጥ በይፋዊ መልኩ፣ በ n ሙከራዎች ውስጥ የስኬቶች ብዛት በሁለትዮሽ ስርጭት \( B(n፣ p) \) ሊገለጽ ይችላል።

ፕሮባቢሊቲ ጅምላ ተግባር (PMF)

የቢኖሚያል ስርጭት ፕሮባቢሊቲ የጅምላ ተግባር እንደሚከተለው ተዘጋጅቷል፡
\[ P(X = k) = \binom{n}{k} p^k (1 – p)^{n – k} \]
የት፡
– \( \binom{n}{k} \) የ n የተመረጠ k ጥምረት ነው፣
– \(p \) በአንድ ሙከራ ውስጥ የስኬት ዕድል ነው፣
– \( k \) የስኬቶች ብዛት ነው፣
– \(n \) የሙከራዎች ጠቅላላ ብዛት ነው።

የሁለትዮሽ ስርጭት ዋና ዋና ባህሪያት

የሁለትዮሽ ስርጭት በርካታ ቁልፍ ባህሪያት አሉት፡
1. አማካኝ (አማካይ): በእያንዳንዱ ሙከራ ውስጥ የስኬት እድልን በመጠቀም የሙከራዎችን ቁጥር በማባዛት የተገኘ። አማካኝ \( \mu = np \) ነው።
2. ልዩነት፡ የሁለትዮሽ ስርጭት ልዩነት የሙከራዎች ብዛት፣ የስኬት እድል እና የውድቀት እድል ውጤት ነው፣ ማለትም \( \sigma^2 = np(1 – p) \)።
3. ሲሜትሪ እና ስኬውነት፡- \( p = 0.5 \)፣ የሁለትዮሽ ስርጭት ሲሜትሪ ነው። ለ \( p < 0.5 \)፣ ስርጭቱ ወደ ቀኝ የተዛባ ሲሆን ለ \( p > 0.5 \)፣ ስርጭቱ ወደ ግራ የተዛባ ነው።
4. የእሴት ገደቦች፡ የሁለትዮሽ እሴት (k) ከ 0 እስከ n ይደርሳል።

የሁለትዮሽ ስርጭት እና ማዕከላዊ ገደብ ቲዎሪ

የሁለትዮሽ ስርጭት በማዕከላዊ ገደብ ቲዎሪ ውስጥ ትልቅ ሚና ይጫወታል። የሙከራዎች ብዛት (n) በጣም ትልቅ ሲሆን፣ የሁለትዮሽ ስርጭት አማካይ \( \mu = np \) እና መደበኛ መዛባት \( \sigma = \sqrt{np(1 – p)} \) ካለው መደበኛ ስርጭት ጋር ይቀራረባል።

የቢኖሚያል ስርጭትን በመጠቀም የጉዳይ ምሳሌ

ስለ ሁለትዮሚያል ስርጭት የሚደረጉ ውይይቶች ከተለያዩ ዘርፎች በተገኙ ተግባራዊ ምሳሌዎች ለመረዳት ቀላል ይሆናሉ። አንዳንድ የእውነተኛ ዓለም አፕሊኬሽኖች እነሆ፡

ምሳሌ 1፡ የምርት ሙከራ

የኤሌክትሮኒክስ ኩባንያ ጉድለት ያለበት ምርት የመኖሩ እድል 0.01 የሆነበት የምርት መስመር እንዳለው እናስብ። ኩባንያው 100 ምርቶችን የሚመረምር ከሆነ በትክክል 2 ጉድለት ያለባቸውን ምርቶች የማግኘት እድሉ ስንት ነው?

የሁለትዮሽ ስርጭት ቀመርን በመጠቀም፦
\[ P(X = 2) = \binom{100}{2} (0.01)^2 (0.99)^{98} \]

ጥምረቶችን \(\binom{100}{2}\) በማስላት፣ ከዚያም በቀሪዎቹ እድሎች በማባዛት፣ የመጨረሻውን ውጤት እናገኛለን።

ምሳሌ 2፡ የሕክምና ምርምር

ለአንድ የተወሰነ በሽታ መድኃኒት በክሊኒካዊ ሙከራ፣ አንድ ታካሚ በመድኃኒቱ የመፈወስ እድሉ 0.8 ነው። 10 ታካሚዎች ምርመራ ከተደረገላቸው፣ ቢያንስ 8 ታካሚዎች የመፈወስ ዕድላቸው ምን ያህል ነው?

ይህንን እድል ለማግኘት፣ የ8፣ የ9 እና የ10 ታካሚዎች የመዳን እድልን መደመር አለብን፡
\[ P (X \geq 8) = P (X = 8) + P (X = 9) + P (X = 10) \]

ለእያንዳንዱ የ k (8፣ 9 እና 10) እሴት የሁለትዮሽ ቀመርን በመጠቀም፣ ከዚያም ውጤቶቹን በማከል።

ምሳሌ 3፡ በኢኮኖሚክስ ውስጥ ያሉ ውሳኔዎች

በገበያ ጥናት 60% የሚሆኑ ሸማቾች አዲስ ምርት ወደውታል። የዘፈቀደ የ20 ሸማቾች ናሙና ከተወሰደ፣ ቢያንስ 15ቱ ምርቱን የወደዱት እድል ምን ያህል ነው?

ከ15 እስከ 20 የሚደርሱ የላይኮችን ቁጥር እድል ለማስላት የሁለትዮሽ ስርጭት ያስፈልገናል፡
\[ P (X \geq 15) = P (X = 15) + P (X = 16) + P (X = 17) + P (X = 18) + P (X = 19) + P (X = 20) \]

ተመሳሳይ ዘዴን በመጠቀም፣ እነዚህን እድሎች እናሰላቸዋለን እና እንጨምራቸዋለን።

ቴክኖሎጂን በቢኖሚያል ስርጭት ስሌቶች ውስጥ መጠቀም

በዲጂታል ዘመን፣ የሁለትዮሽ ስርጭት ስሌት አፕሊኬሽኖች የሚከናወኑት በእጅ ብቻ ሳይሆን እንደ R፣ Python ወይም የተወሰኑ የስታቲስቲክስ ካልኩሌተሮችን በመጠቀም ጭምር ነው።

የሁለትዮሽ ስርጭትን ለማስላት Pythonን የመጠቀም ምሳሌ እነሆ፡

“ፓይዘን
ከ scipy.stats import binom

n = 10 የሙከራዎች ብዛት
p = 0.8 የስኬት ዕድል
k = 8 የሚጠበቁ የስኬቶች ብዛት

በትክክል 8 የስኬት እድሎች
prob_8 = binom.pmf(k, n, p)

ቢያንስ 8 የስኬት እድሎች
prob_ge_8 = 1 - binom.cdf(k-1, n, p)

print(f”በትክክል የ8 ስኬቶች እድል፡ {prob_8}”)
print(f"ቢያንስ 8 ስኬቶች የመኖራቸው እድል፡ {prob_ge_8}")
“

ከሲምፑላን

የሁለትዮሽ ስርጭት በስታቲስቲክስ እና ፕሮባቢሊቲ ውስጥ አስፈላጊ መሠረታዊ ፅንሰ-ሀሳብ ነው። የሁለትዮሽ ስርጭትን በመረዳት፣ ሁለት ውጤቶችን ባካተቱ ተደጋጋሚ ሙከራዎች በእውነተኛ ዓለም ሁኔታዎች ላይ የተለያዩ ፕሮባቢሊቲ ሞዴሎችን መተግበር እንችላለን። የቴክኖሎጂ መሳሪያዎችን የመጠቀም ችሎታ የስሌቱን ሂደት የበለጠ ቀልጣፋ እና ትክክለኛ ያደርገዋል። የሁለትዮሽ ስርጭት በንድፈ ሀሳብ ደረጃ አስፈላጊ ብቻ ሳይሆን በተለያዩ የሳይንስ እና የኢንዱስትሪ ዘርፎች ውስጥ በርካታ ተዛማጅ ተግባራዊ አፕሊኬሽኖችም አሉት።

ይህ ጽሑፍ ስለ ሁለትዮሚያል ስርጭት ጥልቅ ግንዛቤ እንደሚሰጥ እና በስታቲስቲክስ እና ፕሮባቢሊቲ መስኮች ተጨማሪ ምርምርን እንደሚያነሳሳ ተስፋ እናደርጋለን።