የሁለትዮሽ ስርጭት ተግባር፡ የተሟላ ማብራሪያ እና አፕሊኬሽኖች
የሁለትዮሽ ስርጭት በስታቲስቲክስ እና ፕሮባቢሊቲ ውስጥ በብዛት ጥቅም ላይ ከሚውሉት የተከፋፈሉ የፕሮባቢሊቲ ስርጭቶች አንዱ ነው። ይህ ስርጭት በተከታታይ ተመሳሳይ፣ ገለልተኛ ሙከራዎች ውስጥ የስኬቶችን ብዛት ያሳያል፣ እያንዳንዱ ሙከራ ሁለት ሊሆኑ የሚችሉ ውጤቶች አሉት፡ ስኬት ወይም ውድቀት። በዚህ ጽሑፍ ውስጥ የሁለትዮሽ ስርጭት ተግባርን ፍቺ፣ ቀመር፣ ባህሪያት እና አተገባበሮችን በጥልቀት እንመረምራለን።
የሁለትዮሽ ስርጭትን መረዳት
የሁለትዮሽ ስርጭት በ n ገለልተኛ ሙከራዎች ውስጥ የ"ስኬቶች" ብዛትን ይገልፃል፣ በሚከተሉት ቦታዎች፡
- እያንዳንዱ ሙከራ ሁለት ሊሆኑ የሚችሉ ውጤቶችን ብቻ ያስገኛል፤ ስኬት ወይም ውድቀት።
– በእያንዳንዱ ሙከራ ላይ የስኬት ዕድል p ነው።
– የመውደቅ እድሉ 1 – ገጽ ነው።
- እያንዳንዱ ሙከራ እርስ በእርስ ነፃ ነው።
የሁለትዮሽ ስርጭት እንደ B(n፣ p) ይገለጻል፣ n የሙከራዎች ብዛት ሲሆን p ደግሞ በአንድ ሙከራ ውስጥ የስኬት እድል ነው።
የሁለትዮሽ ስርጭት ቀመር
የሁለትዮሽ ስርጭት የሚሰላው የሚከተለውን ቀመር በመጠቀም ነው፡
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
የት፡
– \( P(X = k) \): በ n ሙከራዎች ውስጥ በትክክል k ስኬቶችን የማግኘት እድል።
– \( \binom{n}{k} \): የተወሰዱ የn ነገሮች ጥምረት k.
– \( p \): በእያንዳንዱ ሙከራ ላይ የስኬት ዕድል።
– \( n \): የሙከራዎች ጠቅላላ ብዛት።
– \( k \): የሚፈለገው የስኬቶች ብዛት።
የ\(\binom{n}{k}\) ጥምረት እንደሚከተለው ይሰላል፦
\[ \binom{n}{k} = \frac{n!}{k!(nk)!} \]
የቢኖሚያል ስርጭት ባህሪያት
1. የሚጠበቀው (አማካይ) እና ልዩነት፡
– የሁለትዮሽ ስርጭት ግምት ወይም አማካኝ \( \mu = np \) ነው።
– ልዩነቱ \( \sigma^2 = np(1-p) \) ነው።
2. ሲሜትሪ፡
– የሁለትዮሽ ስርጭት p = 0.5 ከሆነ ሲሜትሪካዊ ነው። p ≠ 0.5 ከሆነ፣ ስርጭቱ ወደ ቀኝ (p < 0.5) ወይም ወደ ግራ (p > 0.5) ይጣመማል።
3. ሻካራነት እና ኩርቶሲስ፡
– የቢኖሚያል ስርጭት መዛባት \( \gamma_1 = \frac{1-2p}{\sqrt{np(1-p)}} \) ነው።
– ኩርቶሲስ is \( \gamma_2 = \frac{1-6p(1-p)}{np(1-p)} \).
4. ግምታዊ ስርጭት፡
– ወደ 0.5 የሚጠጉ ትላልቅ n እና p፣ የሁለትዮሽ ስርጭት በተለመደው ስርጭት ሊገመት ይችላል።
– p በጣም ትንሽ ከሆነ እና n በጣም ትልቅ ከሆነ np ቋሚ ሆኖ እንዲቆይ፣ የሁለትዮሽ ስርጭት በፖይሰን ስርጭት ሊገመት ይችላል።
የቢኖሚያል ስርጭትን መጠቀም
የሁለትዮሽ ስርጭት በሁለትዮሽ ቃላት (ስኬት/ውድቀት) ሊገለጹ የሚችሉ ክስተቶችን ለመምሰል እንደ ባዮሎጂ፣ ኢኮኖሚክስ፣ ማርኬቲንግ እና ኢንጂነሪንግ ባሉ ዘርፎች ጥቅም ላይ ይውላል። አጠቃቀሙ አንዳንድ ተጨባጭ ምሳሌዎች እነሆ፡
የምርት ጥራት ሙከራ
አንድ የምርት ስብስብ ጉድለት ያለበት የመሆን 2% ዕድል እንዳለው እናስብ። 50 የምርት ክፍሎችን ከሞከርን፣ የተወሰነ ቁጥር ያላቸው ጉድለት ያለባቸውን ክፍሎች የማግኘት እድልን ለማስላት የሁለትዮሽ ስርጭትን መጠቀም እንችላለን። በ n = 50 እና p = 0.02፣ በቡድኑ ውስጥ በትክክል k ጉድለት ያለባቸውን ክፍሎች የማግኘት እድልን ማስላት እንችላለን።
የናሙና ግምገማ
ለምሳሌ በገበያ ጥናት፣ ጥናቶች ብዙውን ጊዜ የሚካሄዱት አዎ/አይደለም በሚሉ ጥያቄዎች ነው። በ100 ሰዎች ናሙና ውስጥ ካለው መግለጫ ጋር የሚስማሙ ምላሽ ሰጪዎችን ብዛት ማወቅ ከፈለግን (የመስማማት እድሉ 0.7 እንደሆነ ከግምት ውስጥ በማስገባት)፣ ሁለትዮሽ ስርጭት የሚስማሙትን ሰዎች ብዛት ለመገመት ይረዳል።
ጄኔቲክስ
በጄኔቲክስ ውስጥ፣ የሁለትዮሽ ስርጭት ከአንድ ትውልድ ወደ ቀጣዩ የተወሰኑ ባህሪያትን ውርስ ለመምሰል ይጠቅማል። ለምሳሌ፣ አንድ ልጅ የተወሰነ የጄኔቲክ ባህሪ ሊኖረው የሚችልበት 25% ዕድል ካለ፣ ከአራት ልጆች ውስጥ ሁለቱ ያንን ባህሪ የመኖራቸውን እድል ለመወሰን የሁለትዮሽ ስርጭትን መጠቀም እንችላለን።
ፋይናንስ እና ኢንሹራንስ
በፋይናንስ ዘርፍ፣ የሁለትዮሽ ክፍፍል የስኬት/ውድቀት ሁኔታዎችን የሚያሟሉ የተወሰኑ ሸቀጦች ላይ የኪሳራ፣ የክስ ክፍያዎች ወይም የወለድ ተመኖች መከሰትን ለመምሰል ሊያገለግል ይችላል።
የስሌት ምሳሌ
ከ10 ሳንቲሞች ውስጥ በትክክል 6 ራሶችን የምናገኝበትን እድል ማስላት ብንፈልግ (ሳንቲሞቹ ፍትሃዊ እና p=0.5 ናቸው ብለን እናስባለን)፡
\[ P(X = 6) = \binom{10}{6} (0.5)^6 (0.5)^4 \]
\[ = \frac{10!}{6!4!} (0.5)^{10} \]
\[ = \frac{210}{1024} \]
\[ = 0.205 \]
ስለዚህ፣ ከ10 ሳንቲም ውርወራዎች ውስጥ በትክክል 6 ራሶችን የማግኘት እድሉ 0.205 ነው።
የኮምፒውተር አፕሊኬሽኖች
በዛሬው የቴክኖሎጂ ዘመን፣ የሁለትዮሽ ስርጭቶች ብዙውን ጊዜ የሚሰሉት እንደ R፣ Python ወይም እንደ Microsoft Excel ያሉ የስሌት መሳሪያዎችን በመጠቀም ነው። የ`scipy` ቤተ-መጽሐፍትን የሚጠቀም ቀላል የፓይዘን ስክሪፕት ምሳሌ እነሆ፡
“ፓይዘን
ከ scipy.stats import binom
ለምሳሌ፣ ለ n=10 P(X = 6) እና p=0.5 ማግኘት እንፈልጋለን
n = 10
ገጽ = 0.5
ኪ = 6
ፕሮብ = binom.pmf(k, n, p)
print(f”በትክክል {k} ራሶችን ከ{n} ሳንቲም መጣል የማግኘት እድሉ {prob:.3f} ነው”)
“
ከሲምፑላን
የሁለትዮሽ ስርጭት በስታቲስቲክስ እና በዕድል ረገድ ጠቃሚ መሳሪያ ነው፣ በተለይም ገለልተኛ የሁለትዮሽ ክስተቶችን ስንተነትን። ይህንን ጽንሰ-ሀሳብ በደንብ መረዳት ከፋይናንስ ውሳኔዎች፣ ከገበያ ጥናት፣ ከምርት ጥራት፣ ከጄኔቲክስ እና ከሌሎች የተለያዩ አፕሊኬሽኖች ጋር የተያያዙ ችግሮችን በተሻለ ሁኔታ ለመፍታት ይረዳናል።
የሁለትዮሽ ስርጭት ተግባርን በመረዳት፣ የክስተቶችን እድሎች በትክክለኛነት ሞዴል ማድረግ እና ማስላት እና ውሳኔዎችን በጠንካራ የስታቲስቲክስ ትንተና ላይ መመስረት እንችላለን። በቴክኖሎጂ እና በስታቲስቲክስ ሶፍትዌር ውስጥ የተደረጉ እድገቶች ይህንን ስርጭት ለማስላት እና በዓይነ ሕሊናችን ለመሳል ቀላል አድርገውታል፣ ይህም በተለያዩ የጥናት መስኮች እና አፕሊኬሽኖች ውስጥ የበለጠ ተደራሽ ያደርገዋል።
