Očekávaná hodnota binomického rozdělení
Binomické rozdělení je jedním z nejčastěji se vyskytujících diskrétních rozdělení pravděpodobnosti ve statistice a pravděpodobnosti. Toto rozdělení popisuje počet úspěchů v sérii nezávislých binárních pokusů (pokusů s pouze dvěma výsledky: úspěch nebo neúspěch). Pro lepší pochopení binomického rozdělení je důležité pochopit koncept očekávané hodnoty, který popisuje průměrnou hodnotu pokusu opakovaného v dlouhodobém horizontu. Tento článek se bude zabývat konceptem očekávané hodnoty v kontextu binomického rozdělení.
Definice binomického rozdělení
Binomické rozdělení vzniká v kontextech, kdy provádíme řadu identických a nezávislých pokusů a každý pokus má dva vzájemně se vylučující výsledky, obvykle označované jako „úspěch“ a „neúspěch“. Například hod mincí (panna nebo orel), zodpovězení zkušební otázky (pravda nebo nepravda) nebo lékařský pokus (vyléčení nebo nevyléčení).
Binomické rozdělení je definováno dvěma parametry:
– n , počet pokusů.
– p , pravděpodobnost úspěchu v každém pokusu.
Zhruba řečeno, pokud je X náhodná proměnná představující počet úspěchů v n pokusech, pak X sleduje binomické rozdělení s parametry n a p, označené jako X ~ Binomial(n, p).
Pravděpodobnostní funkce
Pravděpodobnostní funkce binomického rozdělení je následující:
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
Kde:
– \( \binom{n}{k} \) je binomický koeficient, který se vypočítá jako \( \frac{n!}{k!(nk)!} \).
– \( k \) je požadovaný počet úspěchů.
– \(n \) je počet pokusů.
– \( p \) je pravděpodobnost úspěchu v každém pokusu.
– \( (1-p) \) je pravděpodobnost neúspěchu v každém pokusu.
Očekávaná hodnota
Očekávaná hodnota neboli průměr rozdělení pravděpodobnosti je jedním z nejdůležitějších ukazatelů centrální polohy. Pro binomické rozdělení je očekávaná hodnota náhodné proměnné X, která následuje za Binomial(n, p), rovna:
\[ E(X) = np \]
Důkaz očekávané hodnoty
Abychom pochopili, proč je očekávaná hodnota binomického rozdělení np, můžeme použít vlastnost linearity očekávané hodnoty a podívat se, jak se binární proměnné sčítají ve svém příspěvku.
Definujme \( X \) jako počet úspěchů v n binárních pokusech. Přesněji řečeno, nechť \( X_i \) je náhodná proměnná označující výsledek i-tého pokusu, kde \( X_i = 1 \) je-li i-tý pokus úspěšný, a \( X_i = 0 \) je-li neúspěšný. Pak můžeme \( X \) zapsat jako:
\[ X = X_1 + X_2 + \ldots + X_n \]
Protože každá proměnná \( X_i \) je binární proměnná s pravděpodobností úspěchu p, očekávaná hodnota \( X_i \) je:
\[ E(X_i) = 1 \cdot p + 0 \cdot (1-p) = p \]
Pro očekávanou hodnotu X můžeme použít vlastnost linearity očekávané hodnoty:
\[ E(X) = E(X_1 + X_2 + \ldots + X_n) \]
\[ E(X) = E(X_1) + E(X_2) + \ldots + E(X_n) \]
\[ E(X) = p + p + \ldots + p \]
\[ E(X) = np \]
To ukazuje, že očekávaná hodnota binomického rozdělení je np.
Ilustrativní příklad
Uvažujme případ, kdy desetkrát hodíme spravedlivou mincí. Zeptáme se, jaká by byla očekávaná hodnota počtu hodů, při kterých padne panna.
V tomto případě:
– n = 10 (počet hodů mincí)
– p = 0.5 (pravděpodobnost pádu panny, protože mince je spravedlivá)
Očekávaná hodnota je tedy:
\[ E(X) = np = 10 \krát 0.5 = 5 \]
To znamená, že pokud v dlouhodobém horizontu desetkrát opakovaně hodíme mincí, padne nám v průměru pětkrát panna.
Rozptyl a směrodatná odchylka
Kromě očekávané hodnoty je také důležité pochopit rozptyl a směrodatnou odchylku binomického rozdělení.
Pro binomické rozdělení jsou rozptyl ( \sigma^2 \) a směrodatná odchylka ( \sigma \) následující:
\[ \sigma^2 = np(1-p) \]
\[ \sigma = \sqrt{np(1-p)} \]
Rozptyl měří, jak moc se data liší od očekávané hodnoty. Směrodatná odchylka je druhá odmocnina rozptylu a také měří rozptyl dat, ale ve stejných jednotkách jako původní data.
Závěr
Binomické rozdělení je základní koncept ve statistice a pravděpodobnosti, s nímž se často setkáváme v různých reálných aplikacích, od obchodu po společenské vědy a biologii. Očekávaná hodnota binomického rozdělení, vypočítaná jako np, poskytuje důležitý vhled do průměrného počtu úspěchů v sérii binárních pokusů. Pochopením konceptů očekávané hodnoty, rozptylu a směrodatné odchylky můžeme lépe porozumět charakteristikám binomického rozdělení a tomu, jak popisuje určité jevy v každodenním životě.
Tyto znalosti jsou mimořádně užitečné nejen v analýze dat a statistice, ale také v rozhodování, které vyžaduje vyhodnocení pravděpodobnosti a nejistoty. Pochopení očekávané hodnoty a binomického rozdělení nám může pomoci vytvářet přesnější předpovědi a činit informovanější rozhodnutí.
