Primjeri pitanja koja raspravljaju o očekivanoj vrijednosti binomne distribucije
Binomna distribucija je diskretna distribucija koja se često koristi u statistici za opisivanje vjerovatnoće datog broja uspjeha u većem broju nezavisno provedenih pokušaja. Ova distribucija je vrlo korisna u raznim oblastima, kao što su ekonomija, biologija i društvene nauke. Jedan važan koncept koji treba razumjeti u binomnoj distribuciji je očekivana vrijednost. Ovaj članak će razmotriti koncept očekivane vrijednosti u binomnoj distribuciji kroz nekoliko primjera problema i njihovu diskusiju.
Definicija binomne distribucije
Binomna distribucija opisuje broj uspjeha u \(n \) pokušaja koji imaju dva moguća ishoda: uspjeh ili neuspjeh. Ovu distribuciju karakteriziraju dva glavna parametra:
– \( n \): broj pokušaja
– \( p \): vjerovatnoća uspjeha u jednom pokušaju
Ova distribucija se često označava kao B(n, p). Funkcija mase vjerovatnoće (PMF) binomne distribucije je:
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
gdje je \( \binom{n}{k} \) binomni koeficijent, koji se izračunava kao:
\[ \binom{n}{k} = \frac{n!}{k!(nk)!} \]
Očekivana vrijednost u binomnoj distribuciji
Očekivana vrijednost binomne distribucije je prosječan broj uspjeha u \(n \) pokušaja i formuliše se kao:
\[ E(X) = n \puta p \]
Primjeri pitanja i diskusija
Primjer pitanja 1
Pitanje:
Pretpostavimo da istraživač provodi eksperiment sadnje 10 sadnica, svaka s vjerojatnošću rasta od 0.7. Koji je očekivani broj sadnica koje će izrasti?
Diskusija:
Poznato je:
– \(n = 10 \)
– \(p = 0.7 \)
Očekivana vrijednost, \( E(X) \), izračunava se kao:
\[ E(X) = n \puta p \]
\[ E(X) = 10 \puta 0.7 \]
\[ E(X) = 7 \]
Dakle, očekivana vrijednost broja sjemenki koje izrastu je 7 sjemenki.
Primjer pitanja 2
Pitanje:
Na ispitu, vjerovatnoća da student tačno odgovori na sva pitanja je 0.8. Ako na ispitu ima 15 pitanja, koji je očekivani broj tačnih odgovora?
Diskusija:
Poznato je:
– \(n = 15 \)
– \(p = 0.8 \)
Očekivana vrijednost, \( E(X) \), izračunava se kao:
\[ E(X) = n \puta p \]
\[ E(X) = 15 \puta 0.8 \]
\[ E(X) = 12 \]
Dakle, očekivana vrijednost broja tačnih odgovora je 12 pitanja.
Primjer pitanja 3
Pitanje:
Štamparija proizvodi listove papira sa vjerovatnoćom defekata od 0.02. U jednom radnom danu, fabrika proizvede 500 listova papira. Koji je očekivani broj neispravnih listova papira u jednom danu?
Diskusija:
Poznato je:
– \(n = 500 \)
– \(p = 0.02 \)
Očekivana vrijednost, \( E(X) \), izračunava se kao:
\[ E(X) = n \puta p \]
\[ E(X) = 500 \puta 0.02 \]
\[ E(X) = 10 \]
Dakle, očekivana vrijednost broja neispravnih listova papira u jednom danu je 10 listova.
Proširenje koncepata u razumijevanju
1. Varijanca i standardna devijacija:
Pored očekivane vrijednosti, važno je razumjeti i varijansu i standardnu devijaciju u binomnoj distribuciji. Varijansa binomne distribucije formuliše se kao:
\[ \text{Var}(X) = n \puta p \puta (1 – p) \]
Standardna devijacija je kvadratni korijen varijanse:
\[ \text{SD}(X) = \sqrt{n \puta p \puta (1 – p)} \]
2. Primjena na ispitima iz statistike:
Na akademskim ispitima ili testovima, očekivani rezultati mogu se koristiti za mjerenje očekivanog prosječnog rezultata učenika ili grupe učenika, što pomaže u analizi obrazovnih programa i procjeni efikasnosti nastave.
3. Studije slučaja iz epidemiologije:
Na primjer, u studiji o prenosu bolesti, vjerovatnoća oporavka pacijenta može se modelirati korištenjem binomne distribucije. Poznavanje očekivane vrijednosti omogućava zdravstvenim radnicima da planiraju potrebne medicinske resurse na osnovu predviđenog broja oporavljenih pacijenata.
Zaključak
Binomna distribucija je važan alat u statistici koji pomaže u opisivanju vjerovatnoće uspjeha u nizu pokušaja. Očekivana vrijednost u binomnoj distribuciji je ključni koncept koji opisuje prosječan broj očekivanih uspjeha. Kroz razmatrane primjere možemo vidjeti kako se očekivana vrijednost izračunava i primjenjuje u različitim kontekstima. Dobro razumijevanje ovog koncepta omogućava istraživačima i praktičarima da prave bolje planove i donose informiranije odluke na osnovu vjerovatnosnih podataka.
Binomna distribucija nije važna samo u teoriji vjerovatnoće i statistici, već je i veoma relevantna u raznim praktičnim primjenama. Stoga, proučavanje ove distribucije i koncepta očekivane vrijednosti pruža solidnu osnovu u analizi podataka i donošenju odluka.
