Funció de distribució binomial: explicació completa i aplicacions
La distribució binomial és una de les distribucions de probabilitat discretes més utilitzades en estadística i probabilitat. Aquesta distribució modela el nombre d'èxits en una sèrie d'assajos idèntics i independents, on cada assaig té dos resultats possibles: èxit o fracàs. En aquest article, explorarem en profunditat la definició, la fórmula, les propietats i les aplicacions de la funció de distribució binomial.
Comprensió de la distribució binomial
La distribució binomial descriu el nombre d'"èxits" en n assaigs independents, on:
– Cada prova només produeix dos resultats possibles: èxit o fracàs.
– La probabilitat d'èxit en cada prova és p.
– La probabilitat de fallada és 1 – p.
– Cada prova és independent de les altres.
La distribució binomial es denota com a B(n, p), on n és el nombre d'assajos i p és la probabilitat d'èxit en un sol assaig.
Fórmula de la distribució binomial
La distribució binomial es calcula mitjançant la fórmula següent:
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
On:
– \( P(X = k) \): La probabilitat d'obtenir exactament k èxits en n proves.
– \( \binom{n}{k} \): Combinació de n objectes presos k.
– \(p \): Probabilitat d'èxit en cada prova.
– \(n \): Nombre total d'assajos.
– \(k \): Nombre desitjat d'èxits.
La combinació \(\binom{n}{k}\) es calcula com:
\[ \binom{n}{k} = \frac{n!}{k!(nk)!} \]
Propietats de la distribució binomial
1. Expectativa (mitjana) i variància:
– L'esperança o mitjana de la distribució binomial és (μ = np).
– La variància és \( \sigma^2 = np(1-p) \).
2. Simetria:
– La distribució binomial és simètrica si p = 0.5. Si p ≠ 0.5, la distribució esdevé asimètrica cap a la dreta (p < 0.5) o cap a l'esquerra (p > 0.5).
3. Asimetria i curtosi:
– L'asimetria de la distribució binomial és \( \gamma_1 = \frac{1-2p}{\sqrt{np(1-p)}} \).
– La curtosi és (γ2 = 1-6p(1-p)}{np(1-p)).
4. Distribució aproximada:
– Per a n grans i p que s'acosten a 0.5, la distribució binomial es pot aproximar mitjançant la distribució normal.
– Si p és molt petit i n és molt gran de manera que np roman constant, aleshores la distribució binomial es pot aproximar mitjançant la distribució de Poisson.
Ús de la distribució binomial
La distribució binomial s'utilitza en camps com la biologia, l'economia, el màrqueting i l'enginyeria per modelar esdeveniments que es poden expressar en termes binaris (èxit/fracàs). Aquí teniu alguns exemples concrets del seu ús:
Proves de qualitat del producte
Suposem que un lot de producte té una probabilitat del 2% de ser defectuós. Si provem 50 unitats del producte, podem utilitzar la distribució binomial per calcular la probabilitat de trobar un nombre determinat d'unitats defectuoses. Amb n = 50 i p = 0.02, podem calcular la probabilitat de trobar exactament k unitats defectuoses al lot.
Avaluació del mostreig
En la investigació de mercat, per exemple, les enquestes sovint es duen a terme amb preguntes de sí/no. Si volem saber el nombre d'enquestats que estan d'acord amb una afirmació en una mostra de 100 persones (suposant una probabilitat d'acord de 0.7), la distribució binomial pot ajudar a estimar el nombre esperat de persones que hi estan d'acord.
Genètica
En genètica, la distribució binomial s'utilitza per modelar l'herència de certs trets d'una generació a la següent. Per exemple, si hi ha una probabilitat del 25% que un descendent tingui un determinat tret genètic, podem utilitzar la distribució binomial per determinar la probabilitat que, de quatre descendents, dos tinguin aquest tret.
Finances i Assegurances
En finances, la distribució binomial es pot utilitzar per modelar l'ocurrència de fallides, pagaments de reclamacions o tipus d'interès sobre certes mercaderies que compleixen condicions d'èxit/fracàs.
Exemple de càlcul
Suposem que volem calcular la probabilitat que, de 10 llançaments de moneda, en surtin exactament 6 cares (suposant que les monedes siguin justes i p = 0.5):
P(X = 6) = \binom{10}{6} (0.5)^6 (0.5)^4
\[ = \frac{10!}{6!4!} (0.5)^{10} \]
\[ = \frac{210}{1024} \]
\[ = 0.205 \]
Per tant, la probabilitat d'obtenir exactament 6 cara de 10 llançaments de moneda és de 0.205.
Aplicacions informàtiques
En l'era tecnològica actual, les distribucions binomials sovint es calculen mitjançant programari estadístic com ara R, Python o eines de full de càlcul com ara Microsoft Excel. Aquí teniu un exemple d'un script senzill de Python que utilitza la biblioteca `scipy`:
"`pitó
importació de binom des de scipy.stats
Per exemple, volem trobar P(X = 6) per a n=10 i p=0.5
n = 10
p = 0.5
k = 6
prob = binom.pmf(k, n, p)
print(f"La probabilitat d'obtenir exactament {k} cares en {n} llançaments de moneda és {prob:.3f}")
“
Conclusió
La distribució binomial és una eina important en estadística i probabilitat, especialment quan s'analitzen esdeveniments binaris independents. Dominar aquest concepte ens pot ajudar a abordar de manera més eficaç problemes relacionats amb decisions financeres, investigació de mercat, qualitat de productes, genètica i una varietat d'altres aplicacions.
En comprendre la funció de distribució binomial, podem modelar i calcular les probabilitats d'esdeveniments amb precisió i basar les decisions en anàlisis estadístiques robustes. Els avenços en la tecnologia i el programari estadístic també han facilitat el càlcul i la visualització d'aquesta distribució, fent-la més accessible en una àmplia gamma de camps d'estudi i aplicacions.
