التوزيع ذو الحدين

التوزيع ذو الحدين: النظرية والتطبيقات والأمثلة

بنداهولوان

يُعدّ التوزيع ذو الحدين مفهومًا أساسيًا في الإحصاء ونظرية الاحتمالات. وباعتباره أحد أكثر التوزيعات المنفصلة استخدامًا، يُقدّم التوزيع ذو الحدين تطبيقات عديدة في مجالات مثل الطب والاقتصاد وعلم الأحياء والعلوم الاجتماعية. ستتناول هذه المقالة التوزيع ذو الحدين بتفصيل دقيق، بما في ذلك تعريفه وخصائصه الرئيسية والصيغ المتعلقة به، بالإضافة إلى العديد من الأمثلة التطبيقية العملية.

فهم التوزيع ذي الحدين

يصف التوزيع ذو الحدين نتيجة n من تجارب برنولي، حيث يكون لكل تجربة نتيجتان محتملتان فقط: "نجاح" أو "فشل". على سبيل المثال، في رمي العملة المعدنية، تكون النتائج المحتملة هي "صورة" أو "صورة".

المعلمتان الرئيسيتان في التوزيع ذي الحدين هما:
1. ن (عدد المحاولات)
2. p (احتمالية النجاح في كل محاولة)

بصورة أكثر رسمية، يمكن وصف عدد النجاحات في n من المحاولات بواسطة التوزيع ذي الحدين \( B(n, p) \).

دالة الكتلة الاحتمالية (PMF)

تُصاغ دالة الكتلة الاحتمالية للتوزيع ذي الحدين على النحو التالي:
\[ P(X = k) = \binom{n}{k} p^k (1 – p)^{n – k} \]
أين:
- \( \binom{n}{k} \) عبارة عن توليفة من n مختارة من k،
يمثل \( p \) احتمال النجاح في محاولة واحدة،
يمثل (k) عدد النجاحات،
- يمثل \( n \) العدد الإجمالي للتجارب.

الخصائص الرئيسية للتوزيع ذي الحدين

يتميز التوزيع ذو الحدين بعدة خصائص رئيسية:
1. المتوسط ​​الحسابي: يُحسب بضرب عدد المحاولات في احتمال النجاح في كل محاولة. المتوسط ​​الحسابي هو \( \mu = np \).
2. التباين: تباين التوزيع ذي الحدين هو حاصل ضرب عدد المحاولات، واحتمالية النجاح، واحتمالية الفشل، أي \( \sigma^2 = np(1 – p) \).
3. التناظر والالتواء: عندما تكون قيمة الاحتمال (p) تساوي 0.5، يكون التوزيع ذو الحدين متناظرًا. أما عندما تكون قيمة الاحتمال (p) أقل من 0.5، يكون التوزيع ملتويًا نحو اليمين، وعندما تكون قيمة الاحتمال (p) أكبر من 0.5، يكون التوزيع ملتويًا نحو اليسار.
4. حدود القيمة: تتراوح قيمة ذات الحدين (k) من 0 إلى n.

التوزيع ذو الحدين ونظرية النهاية المركزية

يلعب التوزيع ذو الحدين دورًا هامًا في نظرية النهاية المركزية. فعندما يصبح عدد المحاولات (n) كبيرًا جدًا، يقترب التوزيع ذو الحدين من التوزيع الطبيعي بمتوسط ​​\( \mu = np \) وانحراف معياري \( \sigma = \sqrt{np(1 – p)} \).

مثال عملي باستخدام التوزيع ذي الحدين

ستكون المناقشات حول التوزيع ذي الحدين أسهل فهمًا من خلال أمثلة عملية من مختلف المجالات. إليكم بعض التطبيقات الواقعية:

مثال 1: اختبار المنتج

لنفترض أن شركة إلكترونيات لديها خط إنتاج حيث احتمال وجود منتج معيب هو 0.01. إذا قامت الشركة بفحص 100 منتج، فما هو احتمال العثور على منتجين معيبين بالضبط؟

باستخدام صيغة التوزيع ذي الحدين:
\[ P(X = 2) = \binom{100}{2} (0.01)^2 (0.99)^{98} \]

من خلال حساب التوليفات \(\binom{100}{2}\)، ثم الضرب في الاحتمالات المتبقية، نحصل على النتيجة النهائية.

مثال 2: البحث الطبي

في تجربة سريرية لدواء لعلاج مرض معين، تبلغ احتمالية شفاء المريض بالدواء 0.8. إذا تم اختبار 10 مرضى، فما هي احتمالية شفاء 8 مرضى على الأقل؟

لإيجاد هذا الاحتمال، علينا جمع احتمالات شفاء 8 و 9 و 10 مرضى:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) \]

باستخدام صيغة ذات الحدين لكل قيمة من قيم k (8 و 9 و 10)، ثم جمع النتائج.

مثال 3: القرارات في علم الاقتصاد

في استطلاع للسوق، أبدى 60% من المستهلكين إعجابهم بمنتج جديد. إذا تم اختيار عينة عشوائية من 20 مستهلكًا، فما احتمال أن يكون 15 منهم على الأقل قد أعجبهم المنتج؟

نحتاج إلى التوزيع ذي الحدين لحساب احتمالية الحصول على عدد من الإعجابات يتراوح بين 15 و 20:
\[ P(X \geq 15) = P(X = 15) + P(X = 16) + P(X = 17) + P(X = 18) + P(X = 19) + P(X = 20) \]

باستخدام نفس الطريقة، نقوم بحساب هذه الاحتمالات وجمعها.

استخدام التكنولوجيا في حسابات التوزيع ذي الحدين

في العصر الرقمي، لم تعد تطبيقات حساب التوزيع ذي الحدين تتم يدويًا فحسب، بل يتم أيضًا باستخدام برامج مثل R أو Python أو بعض الآلات الحاسبة الإحصائية.

فيما يلي مثال على استخدام لغة بايثون لحساب التوزيع ذي الحدين:

"الثعبان
from scipy.stats import binom

عدد المحاولات = 10
احتمال النجاح = 0.8
k = 8 عدد النجاحات المتوقع

احتمالية تحقيق 8 نجاحات بالضبط
prob_8 = binom.pmf(k, n, p)

احتمالية تحقيق 8 نجاحات على الأقل
prob_ge_8 = 1 – binom.cdf(k-1, n, p)

print(f”احتمالية حدوث 8 نجاحات بالضبط: {prob_8}”)
print(f”احتمالية تحقيق 8 نجاحات على الأقل: {prob_ge_8}”)
"`

استنتاج

يُعدّ التوزيع ذو الحدين مفهومًا أساسيًا في الإحصاء والاحتمالات. بفهم هذا التوزيع، يُمكننا تطبيق نماذج احتمالية متنوعة على مواقف واقعية تتضمن تجارب متكررة ذات نتيجتين. كما تُسهم القدرة على استخدام الأدوات التقنية في جعل عملية الحساب أكثر كفاءة ودقة. ولا تقتصر أهمية التوزيع ذي الحدين على الجانب النظري فحسب، بل يمتدّ ليشمل تطبيقات عملية عديدة في مختلف مجالات العلوم والصناعة.

نأمل أن توفر هذه المقالة فهمًا أعمق للتوزيع ذي الحدين وأن تلهم المزيد من الاستكشاف في مجالات الإحصاء والاحتمالات.