Distribució binomial: teoria, aplicacions i exemples
Pendahuluan
La distribució binomial és un concepte fonamental en estadística i teoria de la probabilitat. Com a una de les distribucions discretes més utilitzades, la distribució binomial ofereix nombroses aplicacions en camps com la medicina, l'economia, la biologia i les ciències socials. Aquest article tractarà la distribució binomial en profunditat, incloent-hi la seva definició, les propietats clau, les fórmules relacionades i diversos exemples d'aplicació pràctica.
Comprensió de la distribució binomial
La distribució binomial descriu el resultat de n proves de Bernoulli, on cada prova només té dos resultats possibles: "èxit" o "fracàs". Per exemple, en un llançament de moneda, els resultats possibles són "cara" o "cara".
Els dos paràmetres principals de la distribució binomial són:
1. n (nombre d'assajos)
2. p (probabilitat d'èxit en cada prova)
Més formalment, el nombre d'èxits en n proves es pot descriure mitjançant la distribució binomial \(B(n, p)\).
Funció de massa de probabilitat (FMP)
La funció de probabilitat de massa de la distribució binomial es formula com:
P(X = k) = \binom{n}{k} p^k (1 – p)^{n – k}
On:
– \( \binom{n}{k} \) és una combinació de n k escollits,
– \(p\) és la probabilitat d'èxit en una sola prova,
– \(k\) és el nombre d'èxits,
– \(n\) és el nombre total d'assajos.
Propietats principals de la distribució binomial
La distribució binomial té diverses propietats clau:
1. Mitjana (promedio): S'obté de multiplicar el nombre d'assajos per la probabilitat d'èxit en cada assaig. La mitjana és ∫(μ = np).
2. Variància: La variància de la distribució binomial és el producte del nombre d'assajos, la probabilitat d'èxit i la probabilitat de fracàs, és a dir, \( \sigma^2 = np(1 – p) \).
3. Simetria i asimetria: Quan (p = 0.5), la distribució binomial és simètrica. Per a (p < 0.5), la distribució està asimètrica cap a la dreta, i per a (p > 0.5), la distribució està asimètrica cap a l'esquerra.
4. Límits de valor: El valor binomial (k) oscil·la entre 0 i n.
Distribució binomial i el teorema del límit central
La distribució binomial juga un paper important en el teorema del límit central. Quan el nombre d'assajos (n) esdevé molt gran, la distribució binomial s'aproximarà a una distribució normal amb mitjana μ = np i desviació estàndard σ = np(1 – p).
Exemple de cas utilitzant la distribució binomial
Les discussions sobre la distribució binomial seran més fàcils d'entendre mitjançant exemples pràctics de diversos camps. Aquí teniu algunes aplicacions del món real:
Exemple 1: Proves de producte
Suposem que una empresa d'electrònica té una línia de producció on la probabilitat d'un producte defectuós és de 0.01. Si l'empresa inspecciona 100 productes, quina és la probabilitat de trobar exactament 2 productes defectuosos?
Utilitzant la fórmula de la distribució binomial:
P(X = 2) = \binom{100}{2} (0.01)^2 (0.99)^{98}
Calculant les combinacions \(\binom{100}{2}\) i multiplicant-les per les probabilitats restants, obtenim el resultat final.
Exemple 2: Recerca mèdica
En un assaig clínic d'un fàrmac per a una determinada malaltia, la probabilitat que un pacient es curi amb el fàrmac és de 0.8. Si es fan proves a 10 pacients, quina és la probabilitat que almenys 8 pacients es curin?
Per trobar aquesta probabilitat, hem de sumar les probabilitats que 8, 9 i 10 pacients es recuperin:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) \]
Utilitzant la fórmula binomial per a cada valor de k (8, 9 i 10) i sumant els resultats.
Exemple 3: Decisions en economia
En una enquesta de mercat, al 60% dels consumidors els va agradar un producte nou. Si es pren una mostra aleatòria de 20 consumidors, quina és la probabilitat que almenys a 15 d'ells els agradés el producte?
Necessitem la distribució binomial per calcular la probabilitat d'un nombre de "m'agrada" de 15 a 20:
\[ P(X \geq 15) = P(X = 15) + P(X = 16) + P(X = 17) + P(X = 18) + P(X = 19) + P(X = 20) \]
Amb el mateix mètode, calculem i sumem aquestes probabilitats.
Ús de la tecnologia en els càlculs de la distribució binomial
A l'era digital, les aplicacions de càlcul de la distribució binomial no només es fan manualment, sinó que també s'utilitzen programes com ara R, Python o certes calculadores estadístiques.
Aquí teniu un exemple d'ús de Python per calcular la distribució binomial:
"`pitó
importació de binom des de scipy.stats
n = 10 nombre d'assajos
p = 0.8 probabilitat d'èxit
k = 8 nombre esperat d'èxits
probabilitat d'exactament 8 èxits
prob_8 = binom.pmf(k, n, p)
probabilitat d'almenys 8 èxits
prob_ge_8 = 1 – binom.cdf(k-1, n, p)
print(f"Probabilitat d'exactament 8 èxits: {prob_8}")
print(f”Probabilitat d'almenys 8 èxits: {prob_ge_8}”)
“
Conclusió
La distribució binomial és un concepte fonamental essencial en estadística i probabilitat. En comprendre la distribució binomial, podem aplicar diversos models de probabilitat a situacions del món real que impliquen experiments repetits amb dos resultats. La capacitat d'utilitzar eines tecnològiques fa que el procés de càlcul sigui més eficient i precís. La distribució binomial no només és teòricament important, sinó que també té nombroses aplicacions pràctiques rellevants en diversos camps de la ciència i la indústria.
Esperem que aquest article proporcioni una comprensió més profunda de la distribució binomial i inspiri més exploracions en els camps de l'estadística i la probabilitat.
