Примерни въпроси и обсъждане на биномиалното разпределение
Биномиалното разпределение е едно от най-често използваните дискретни вероятностни разпределения. То е полезно за моделиране на броя на успехите в редица идентични, независими опити, всеки от които води до успех или неуспех. В тази статия ще разгледаме по-задълбочено биномиалното разпределение, като предоставим няколко примера и подробно обсъждане.
Въведение в биномиалното разпределение
Основни характеристики на биномиалното разпределение:
1. n: Брой опити или повторения.
2. p: Вероятност за успех във всеки опит.
3. q = 1-p: Вероятност за неуспех във всеки опит.
Функцията на вероятностната маса на биномното разпределение е:
\[ P(X = k) = {n \изберете k} p^k (1-p)^{nk} \]
Къде:
– \( {n \choose k} = \frac{n!}{k!(nk)!} \)
– \( X \): Случайна променлива, представляваща броя на успехите.
– \( k \): Броят на търсените успехи.
Контох Соал и Пембахасан
Нека започнем с някои примерни задачи, за да разберем по-подробно концепцията за биномно разпределение.
Пример 1: Избиране от група студенти
Например, да предположим, че имаме група от 10 ученика и вероятността всеки ученик да бъде избран да участва в състезание е 0,3. Искаме да знаем вероятността да бъдат избрани точно 4 ученика.
Стъпка 1: Определете параметрите на биномиалното разпределение.
– \(n = 10 \)
– \(p = 0.3 \)
Стъпка 2: Използвайте биномиалното разпределение, за да изчислите вероятността на \(X = 4 \).
\[ P(X = 4) = {10 \изберете 4} (0.3)^4 (0.7)^6 \]
Изчисляване на \( {10 \choose 4} \):
\[ {10 \choose 4} = \frac{10!}{4!(10-4)!} = \frac{10!}{4!6!} = 210 \]
Сега изчислете \( (0.3)^4 \) и \( (0.7)^6 \):
\[ (0.3)^4 = 0.0081 \]
\[ (0.7)^6 = 0.117649 \]
Джади,
\[ P(X = 4) = 210 \cdot 0.0081 \cdot 0.117649 \приблизително 0.20012 \]
Така вероятността да бъдат избрани точно 4 студенти е приблизително 0.20012 или 20.012%.
Пример 2: Вероятност по-малка или равна на 2
Сега, например, ни питат за вероятността да бъдат избрани по-малко или равни на 2 студенти.
Стъпка 1: Трябва да изчислим \( P(X = 0) \), \( P(X = 1) \) и \( P(X = 2) \).
– За \(P(X = 0) \):
\[ P(X = 0) = {10 \choose 0} (0.3)^0 (0.7)^{10} \]
\[ {10 \изберете 0} = 1 \]
\[ (0.7)^{10} = 0.0282475 \]
\[ P(X = 0) = 1 \cdot 1 \cdot 0.0282475 = 0.0282475 \]
– За \(P(X = 1) \):
\[ P(X = 1) = {10 \изберете 1} (0.3)^1 (0.7)^9 \]
\[ {10 \изберете 1} = 10 \]
\[ (0.3) \cdot (0.7)^9 = 0.1210608 \]
\[ P(X = 1) = 10 \cdot 0.3 \cdot 0.1210608 = 0.3631824 \]
– За \(P(X = 2) \):
\[ P(X = 2) = {10 \изберете 2} (0.3)^2 (0.7)^8 \]
\[ {10 \изберете 2} = 45 \]
\[ (0.3)^2 \cdot (0.7)^8 = 0.2334744 \]
\[ P(X = 2) = 45 \cdot 0.09 \cdot 0.2334744 = 0.2334744 \]
Стъпка 2: Сумирайте вероятностите.
\[ P(X ≤ 2) = P(X = 0) + P(X = 1) + P(X = 2) \]
\[ P(X ≤ 2) = 0.0282475 + 0.3631824 + 0.3826372 = 0.7740671 \]
Така че вероятността да бъдат избрани по-малко или равни на 2 студенти е приблизително 0.7740671 или 77.41%.
Пример 3: Вероятност от поне 8
Ако експериментът се проведе 12 пъти и вероятността за успех във всеки опит е 0.5, каква е вероятността да се появят поне 8 успеха?
Стъпка 1: Задайте биномните параметри: \( n = 12, p = 0.5 \).
Стъпка 2: Намерете вероятността за \(X \geq 8 \).
Това изисква изчисляване на няколко индивидуални вероятности и сумирането им:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) + P(X = 11) + P(X = 12) \]
Бройте едно по едно:
– За \(P(X = 8) \):
\[ P(X = 8) = {12 \изберете 8} (0.5)^8 (0.5)^4 \]
\[ {12 \изберете 8} = 495 \]
\[ (0.5)^{12} = 0.0002441406 \]
\[ P(X = 8) = 495 \cdot 0.0002441406 = 0.1208496 \]
– За \(P(X = 9) \):
\[ P(X = 9) = {12 \изберете 9} (0.5)^9 (0.5)^3 \]
\[ {12 \изберете 9} = 220 \]
\[ P(X = 9) = 220 \cdot 0.0002441406 = 0.05371094 \]
– За \(P(X = 10) \):
\[ P(X = 10) = {12 \изберете 10} (0.5)^{10} (0.5)^2 \]
\[ {12 \изберете 10} = 66 \]
\[ P(X = 10) = 66 \cdot 0.0002441406 = 0.01611328 \]
– За \(P(X = 11) \):
\[ P(X = 11) = {12 \изберете 11} (0.5)^{11} (0.5)^1 \]
\[ {12 \изберете 11} = 12 \]
\[ P(X = 11) = 12 \cdot 0.0002441406 = 0.002929688 \]
– За \(P(X = 12) \):
\[ P(X = 12) = {12 \изберете 12} (0.5)^{12} \]
\[ {12 \изберете 12} = 1 \]
\[ P(X = 12) = 1 \cdot 0.0002441406 = 0.0002441406 \]
Стъпка 3: Добавете всички вероятности.
\[ P(X √(8) = 0.1208496 + 0.05371094 + 0.01611328 + 0.002929688 + 0.0002441406 \приблизително 0.1938477 \]
Така че вероятността да се постигнат поне 8 успеха в 12 опита е приблизително 0.1938477 или 19.38%.
Заключение
Биномиалното разпределение е фундаментална концепция в статистиката, която е от решаващо значение в много практически приложения. Като разберем как да изчисляваме вероятностите за различни случаи на биномиалното разпределение, както е показано в примерите по-горе, можем да приложим тази концепция в реални ситуации. Това упражнение също така затвърждава разбирането ни за това как работят вероятностните структури в ясен и организиран контекст.
