Eksempelspørgsmål og diskussion af binomialfordeling
Binomialfordelingen er en af de mest almindeligt anvendte diskrete sandsynlighedsfordelinger. Den er nyttig til at modellere antallet af succeser på tværs af et antal identiske, uafhængige forsøg, som hver især producerer enten en succes eller en fiasko. I denne artikel vil vi dykke dybere ned i binomialfordelingen ved at give flere eksempler og en detaljeret diskussion.
Introduktion til binomialfordeling
Hovedkarakteristika for binomialfordeling:
1. n: Antal forsøg eller gentagelser.
2. p: Sandsynlighed for succes i hvert forsøg.
3. q = 1-p: Sandsynlighed for fiasko i hvert forsøg.
Sandsynlighedsmassefunktionen for den binomiale fordeling er:
[ P(X = k) = {n \choose k} p^k (1-p)^{nk} \]
Hvor:
– \( {n \choose k} = \frac{n!}{k!(nk)!} \)
– \(X \): En stokastisk variabel, der repræsenterer antallet af succeser.
– \(k \): Antallet af tilstræbte succeser.
Eksempel på løn og kompensation
Lad os starte med nogle eksempelproblemer for at forstå konceptet binomialfordeling mere detaljeret.
Eksempel 1: Valg fra en gruppe studerende
For eksempel, lad os antage, at vi har en gruppe på 10 elever, og sandsynligheden for, at hver elev bliver udvalgt til at deltage i en konkurrence, er 0,3. Vi vil gerne vide sandsynligheden for, at præcis 4 elever bliver udvalgt.
Trin 1: Identificer parametrene for binomialfordelingen.
– \(n = 10 \)
– \(p = 0.3 \)
Trin 2: Brug binomialfordelingen til at beregne sandsynligheden for \( X = 4 \).
[P(X = 4) = {10 \vælg 4} (0.3)^4 (0.7)^6 \]
Beregning af \({10 \choose 4} \):
\[ {10 \vælg 4} = \frac{10!}{4!(10-4)!} = \frac{10!}{4!6!} = 210 \]
Beregn nu \((0.3)^4 \) og \((0.7)^6 \):
\[ (0.3)^4 = 0.0081 \]
\[ (0.7)^6 = 0.117649 \]
Jadi,
[P(X = 4) = 210 ≥ 0.0081 ≥ 0.117649 (ca. 0.20012)]
Så sandsynligheden for, at præcis 4 elever bliver udvalgt, er cirka 0.20012 eller 20.012 %.
Eksempel 2: Sandsynlighed mindre end eller lig med 2
Nu bliver vi for eksempel spurgt om sandsynligheden for, at færre end eller lig med 2 elever vil blive udvalgt.
Trin 1: Vi skal beregne \(P(X = 0) \), \(P(X = 1) \) og \(P(X = 2) \).
– For \(P(X = 0) \):
[P(X = 0) = {10 \vælg 0} (0.3)^0 (0.7)^10 \]
\[ {10 \vælg 0} = 1 \]
\[ (0.7)^{10} = 0.0282475 \]
[P(X = 0) = 1 ⋅ 1 ⋅ 0.0282475 = 0.0282475]
– For \(P(X = 1) \):
[P(X = 1) = {10 \vælg 1} (0.3)^1 (0.7)^9 \]
\[ {10 \vælg 1} = 10 \]
[(0.3) ≤ (0.7)^9 = 0.1210608]
[P(X = 1) = 10 ⋅ 0.3 ⋅ 0.1210608 = 0.3631824]
– For \(P(X = 2) \):
[P(X = 2) = {10 \vælg 2} (0.3)^2 (0.7)^8 \]
\[ {10 \vælg 2} = 45 \]
[(0.3)^2 ⋅ (0.7)^8 = 0.2334744]
[P(X = 2) = 45 ⋅ 0.09 ⋅ 0.2334744 = 0.2334744]
Trin 2: Læg sandsynlighederne sammen.
[P(X ≤ 2) = P(X = 0) + P(X = 1) + P(X = 2)]
[P(X ≤ 2) = 0.0282475 + 0.3631824 + 0.3826372 = 0.7740671]
Så sandsynligheden for, at færre end eller lig med 2 elever udvælges, er cirka 0.7740671 eller 77.41 %.
Eksempel 3: Sandsynlighed for mindst 8
Hvis et eksperiment udføres 12 gange, og sandsynligheden for succes i hvert forsøg er 0.5, hvad er så sandsynligheden for, at mindst 8 succeser forekommer?
Trin 1: Indstil binomialparametrene: \(n = 12, p = 0.5 \).
Trin 2: Find sandsynligheden for (X ≥ 8).
Dette kræver beregning af flere individuelle sandsynligheder og sammenlægning af dem:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) + P(X = 11) + P(X = 12) \]
Tæl én efter én:
– For \(P(X = 8) \):
[P(X = 8) = {12 \vælg 8} (0.5)^8 (0.5)^4 \]
\[ {12 \vælg 8} = 495 \]
\[ (0.5)^{12} = 0.0002441406 \]
[P(X = 8) = 495 ⋅ 0.0002441406 = 0.1208496]
– For \(P(X = 9) \):
[P(X = 9) = {12 \vælg 9} (0.5)^9 (0.5)^3 \]
\[ {12 \vælg 9} = 220 \]
[P(X = 9) = 220 ⋅ 0.0002441406 = 0.05371094]
– For \(P(X = 10) \):
[P(X = 10) = {12 \vælg 10} (0.5)^{10} (0.5)^2 \]
\[ {12 \vælg 10} = 66 \]
[P(X = 10) = 66 ⋅ 0.0002441406 = 0.01611328]
– For \(P(X = 11) \):
[P(X = 11) = {12 \vælg 11} (0.5)^{11} (0.5)^1 \]
\[ {12 \vælg 11} = 12 \]
[P(X = 11) = 12 ⋅ 0.0002441406 = 0.002929688]
– For \(P(X = 12) \):
[P(X = 12) = 12 = 12 (0.5)^12]
\[ {12 \vælg 12} = 1 \]
[P(X = 12) = 1 ⋅ 0.0002441406 = 0.0002441406]
Trin 3: Læg alle sandsynlighederne sammen.
[P(X ≤ 8) = 0.1208496 + 0.05371094 + 0.01611328 + 0.002929688 + 0.0002441406 = ca. 0.1938477]
Så sandsynligheden for, at der opstår mindst 8 succeser ud af 12 forsøg, er cirka 0.1938477 eller 19.38 %.
Konklusion
Binomialfordelingen er et grundlæggende begreb i statistik, der er afgørende i mange praktiske anvendelser. Ved at forstå, hvordan man beregner sandsynligheder for forskellige tilfælde af binomialfordelingen, som vist i eksemplerne ovenfor, kan vi anvende dette koncept i virkelige situationer. Denne øvelse styrker også vores forståelse af, hvordan sandsynlighedsstrukturer fungerer i en klar og organiseret kontekst.
