Exemples de preguntes i discussió sobre la distribució binomial
La distribució binomial és una de les distribucions de probabilitat discretes més utilitzades. És útil per modelar el nombre d'èxits en diversos assaigs idèntics i independents, cadascun dels quals produeix un èxit o un fracàs. En aquest article, aprofundirem en la distribució binomial proporcionant diversos exemples i una discussió detallada.
Introducció a la distribució binomial
Característiques principals de la distribució binomial:
1. n: Nombre d'assajos o repeticions.
2. p: Probabilitat d'èxit en cada prova.
3. q = 1-p: Probabilitat de fracàs en cada prova.
La funció de probabilitat i massa de la distribució binomial és:
P(X = k) = {n \tria k} p^k (1-p)^{nk}
On:
– (n \tria k = \frac{n!}{k!(nk)!})
– \(X \): Una variable aleatòria que representa el nombre d'èxits.
– \(k\): El nombre d'èxits buscats.
Exemples de preguntes i debat
Comencem amb alguns exemples de problemes per entendre el concepte de distribució binomial amb més detall.
Exemple 1: Selecció d'un grup d'estudiants
Per exemple, suposem que tenim un grup de 10 estudiants i la probabilitat que cada estudiant sigui seleccionat per participar en una competició és de 0,3. Volem saber la probabilitat que exactament 4 estudiants siguin seleccionats.
Pas 1: Identificar els paràmetres de la distribució binomial.
– (n = 10)
– (p = 0.3)
Pas 2: Utilitzeu la distribució binomial per calcular la probabilitat de \(X = 4 \).
P(X = 4) = {10 \tria 4} (0.3)^4 (0.7)^6 \]
Càlcul de \( {10 \choose 4} \):
\[ {10 \trieu 4} = \frac{10!}{4!(10-4)!} = \frac{10!}{4!6!} = 210 \]
Ara calcula \( (0.3)^4 \) i \( (0.7)^6 \):
\[ (0.3)^4 = 0.0081 \]
\[ (0.7)^6 = 0.117649 \]
Així,
P(X = 4) = 210 ± 0.0081 ± 0.117649 ± 0.20012
Per tant, la probabilitat que siguin seleccionats exactament 4 estudiants és aproximadament del 0.20012 o del 20.012%.
Exemple 2: Probabilitat menor o igual a 2
Ara, per exemple, se'ns pregunta sobre la probabilitat que es seleccionin menys de 2 estudiants o més.
Pas 1: Hem de calcular \( P(X = 0) \), \( P(X = 1) \) i \( P(X = 2) \).
– Per a \(P(X = 0) \):
P(X = 0) = {10 \tria 0} (0.3)^0 (0.7)^{10}
\[ {10 \trieu 0} = 1 \]
\[ (0.7)^{10} = 0.0282475 \]
P(X = 0) = 1 ≤ 1 ≤ 0.0282475 = 0.0282475
– Per a \(P(X = 1) \):
P(X = 1) = {10 \tria 1} (0.3)^1 (0.7)^9 \]
\[ {10 \trieu 1} = 10 \]
\[ (0.3) \cdot (0.7)^9 = 0.1210608 \]
P(X = 1) = 10 ≤ 0.3 ≤ 0.1210608 = 0.3631824
– Per a \(P(X = 2) \):
P(X = 2) = {10 \tria 2} (0.3)^2 (0.7)^8 \]
\[ {10 \trieu 2} = 45 \]
\[ (0.3)^2 \cdot (0.7)^8 = 0.2334744 \]
P(X = 2) = 45 ≤ 0.09 ≤ 0.2334744 = 0.2334744
Pas 2: Suma les probabilitats.
P(X ≤ 2) = P(X = 0) + P(X = 1) + P(X = 2)
P(X ≤ 2) = 0.0282475 + 0.3631824 + 0.3826372 = 0.7740671
Per tant, la probabilitat que es seleccionin menys de 2 estudiants o més és aproximadament del 0.7740671 o del 77.41%.
Exemple 3: Probabilitat d'almenys 8
Si un experiment es realitza 12 vegades i la probabilitat d'èxit en cada prova és de 0.5, quina és la probabilitat que es produeixin almenys 8 èxits?
Pas 1: Establiu els paràmetres binomials: \(n = 12, p = 0.5 \).
Pas 2: Trobeu la probabilitat de \(X \geq 8 \).
Això requereix calcular diverses probabilitats individuals i sumar-les:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) + P(X = 11) + P(X = 12) \]
Compta un per un:
– Per a \(P(X = 8) \):
P(X = 8) = {12 \tria 8} (0.5)^8 (0.5)^4 \]
\[ {12 \trieu 8} = 495 \]
\[ (0.5)^{12} = 0.0002441406 \]
P(X = 8) = 495 ± 0.0002441406 = 0.1208496
– Per a \(P(X = 9) \):
P(X = 9) = {12 \tria 9} (0.5)^9 (0.5)^3 \]
\[ {12 \trieu 9} = 220 \]
P(X = 9) = 220 ± 0.0002441406 = 0.05371094
– Per a \(P(X = 10) \):
P(X = 10) = {12 \tria 10} (0.5)^{10} (0.5)^2 \]
\[ {12 \trieu 10} = 66 \]
P(X = 10) = 66 ± 0.0002441406 = 0.01611328
– Per a \(P(X = 11) \):
P(X = 11) = {12 \tria 11} (0.5)^{11} (0.5)^1 \]
\[ {12 \trieu 11} = 12 \]
P(X = 11) = 12 ± 0.0002441406 = 0.002929688
– Per a \(P(X = 12) \):
P(X = 12) = {12 \tria 12} (0.5)^{12} \]
\[ {12 \trieu 12} = 1 \]
P(X = 12) = 1 ± 0.0002441406 = 0.0002441406
Pas 3: Suma totes les probabilitats.
P(X ≤ 8) = 0.1208496 + 0.05371094 + 0.01611328 + 0.002929688 + 0.0002441406 \aprox. 0.1938477
Per tant, la probabilitat que es produeixin almenys 8 èxits en 12 proves és aproximadament del 0.1938477 o del 19.38%.
Conclusió
La distribució binomial és un concepte fonamental en estadística que és crucial en moltes aplicacions pràctiques. En entendre com calcular les probabilitats per a diversos casos de la distribució binomial, tal com es mostra als exemples anteriors, podem aplicar aquest concepte en situacions del món real. Aquest exercici també reforça la nostra comprensió de com funcionen les estructures de probabilitat en un context clar i organitzat.
