Binomial Paylanma Funksiyası: Tam İzah və Tətbiqlər
Binomial paylanma statistika və ehtimal nəzəriyyəsində ən çox istifadə edilən diskret ehtimal paylanmalarından biridir. Bu paylanma, hər bir sınağın iki mümkün nəticəsi olduğu bir sıra eyni, müstəqil sınaqlardakı uğurların sayını modelləşdirir: uğur və ya uğursuzluq. Bu məqalədə binomial paylanma funksiyasının tərifini, düsturunu, xüsusiyyətlərini və tətbiqlərini dərindən araşdıracağıq.
Binomial Paylanmanı Anlamaq
Binomial paylanma n müstəqil sınaqdakı "uğurların" sayını təsvir edir, burada:
– Hər bir sınaq yalnız iki mümkün nəticə verir: uğur və ya uğursuzluq.
– Hər sınaqda uğur ehtimalı p-dir.
– Uğursuzluq ehtimalı 1 – səh.
– Hər bir sınaq bir-birindən müstəqildir.
Binomial paylanma B(n, p) kimi işarələnir, burada n sınaqların sayı, p isə tək sınaqda uğur ehtimalıdır.
Binomial Paylanma Formulu
Binomial paylanma aşağıdakı düsturla hesablanır:
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
Harada:
– \( P(X = k) \): n sınaqda tam olaraq k uğur qazanma ehtimalı.
– \( \binom{n}{k} \): k ilə götürülmüş n obyektin kombinasiyası.
– \( p \): Hər sınaqda uğur ehtimalı.
– \( n \): Sınaqların ümumi sayı.
– \( k \): Arzu olunan uğur sayı.
\(\binom{n}{k}\) kombinasiyası aşağıdakı kimi hesablanır:
\[ \binom{n}{k} = \frac{n!}{k!(nk)!} \]
Binomial Paylanmanın Xüsusiyyətləri
1. Gözləmə (Orta) və Variasiya:
– Binomial paylanmanın gözləntisi və ya orta qiyməti \( \mu = np \)-dir.
– Dispersiya \( \sigma^2 = np(1-p) \)-dir.
2. Simmetriya:
– Binomial paylanma, p = 0.5 olduqda simmetrikdir. Əgər p ≠ 0.5 olarsa, paylanma sağa (p < 0.5) və ya sola (p > 0.5) əyri olur.
3. Əyilmə və Kurtoz:
– Binomial paylanmanın əyriliyi \( \gamma_1 = \frac{1-2p}{\sqrt{np(1-p)}} \)-dir.
– Kurtoz \( \gamma_2 = \frac{1-6p(1-p)}{np(1-p)} \).
4. Təxmini Paylanma:
– 0.5-ə yaxınlaşan böyük n və p üçün binomial paylanma normal paylanma ilə təxmini olaraq təyin edilə bilər.
– Əgər p çox kiçik, n isə çox böyükdürsə və np sabit qalarsa, onda binomial paylanma Puasson paylanması ilə təxmini hesablana bilər.
Binomial Paylanmadan İstifadə
Binomial paylanma biologiya, iqtisadiyyat, marketinq və mühəndislik kimi sahələrdə ikili terminlərlə ifadə edilə bilən hadisələri (uğur/uğursuzluq) modelləşdirmək üçün istifadə olunur. Onun istifadəsinə dair bəzi konkret nümunələr:
Məhsul Keyfiyyəti Testi
Tutaq ki, bir məhsul partiyasının qüsurlu olma ehtimalı 2% -dir. Məhsulun 50 vahidini sınaqdan keçirsək, binomial paylanmadan istifadə edərək müəyyən sayda qüsurlu vahid tapma ehtimalını hesablaya bilərik. n = 50 və p = 0.02 olduqda, partiyada tam olaraq k qüsurlu vahid tapma ehtimalını hesablaya bilərik.
Nümunə Qiymətləndirməsi
Məsələn, bazar araşdırmalarında sorğular çox vaxt bəli/xeyr sualları ilə aparılır. 100 nəfərlik nümunədə (razılıq ehtimalı 0.7 olduqda) bir ifadə ilə razılaşan respondentlərin sayını bilmək istəyiriksə, binomial paylanma razılaşan gözlənilən insanların sayını qiymətləndirməyə kömək edə bilər.
Genetika
Genetika sahəsində binomial paylanma müəyyən xüsusiyyətlərin bir nəsildən digərinə irsi şəkildə ötürülməsini modelləşdirmək üçün istifadə olunur. Məsələn, bir nəslin müəyyən bir genetik xüsusiyyətə sahib olma ehtimalı 25% olarsa, binomial paylanmadan istifadə edərək dörd nəsildən ikisinin bu xüsusiyyətə sahib olma ehtimalını müəyyən edə bilərik.
Maliyyə və Sığorta
Maliyyədə binomial paylanma, uğur/uğursuzluq şərtlərinə cavab verən müəyyən mallar üzrə iflasların, iddia ödənişlərinin və ya faiz dərəcələrinin baş verməsini modelləşdirmək üçün istifadə edilə bilər.
Hesablama Nümunəsi
Tutaq ki, 10 sikkə atışından tam olaraq 6 sikkə atma ehtimalını hesablamaq istəyirik (sikkələrin ədalətli və p=0.5 olduğunu fərz etsək):
\[ P(X = 6) = \binom{10}{6} (0.5)^6 (0.5)^4 \]
\[ = \frac{10!}{6!4!} (0.5)^{10} \]
\[ = \frac{210}{1024} \]
\[ = 0.205 \]
Beləliklə, 10 sikkə atışından tam 6 baş toplama ehtimalı 0.205-dir.
Hesablama Tətbiqləri
Bugünkü texnoloji dövrdə binomial paylanmalar tez-tez R, Python kimi statistik proqram təminatı və ya Microsoft Excel kimi elektron cədvəl alətləri istifadə edilərək hesablanır. `scipy` kitabxanasından istifadə edən sadə Python skriptinə bir nümunə:
“`piton
scipy.stats-dan import binom
Məsələn, n=10 və p=0.5 üçün P(X = 6) tapmaq istəyirik.
n = 10
p = 0.5
k = 6
prob = binom.pmf(k, n, p)
print(f” {n} sikkə atışından tam olaraq {k} başlıqların çıxma ehtimalı {prob:.3f}-dir”)
""
Nəticə
Binomial paylanma, xüsusən də müstəqil ikili hadisələri təhlil edərkən statistika və ehtimal nəzəriyyəsində mühüm bir vasitədir. Bu konsepsiyanı mənimsəmək maliyyə qərarları, bazar araşdırması, məhsul keyfiyyəti, genetika və bir sıra digər tətbiqlərlə bağlı problemləri daha effektiv şəkildə həll etməyə kömək edə bilər.
Binomial paylanma funksiyasını anlamaqla, hadisələrin ehtimallarını dəqiqliklə modelləşdirə və hesablaya, eləcə də qərarları güclü statistik təhlilə əsaslandıra bilərik. Texnologiya və statistik proqram təminatındakı irəliləyişlər bu paylanmanı hesablamağı və vizuallaşdırmağı asanlaşdırmış və onu geniş tədqiqat və tətbiq sahələrində daha əlçatan etmişdir.
