Binoomjaotuse oodatav väärtus
Binoomjaotus on statistikas ja tõenäosusteoorias üks levinumaid diskreetseid tõenäosusjaotusi. See jaotus kirjeldab õnnestumiste arvu sõltumatute binaarsete katsete seerias (katsed, millel on ainult kaks tulemust: õnnestumine või ebaõnnestumine). Binoomjaotuse paremaks mõistmiseks on oluline mõista oodatava väärtuse mõistet, mis kirjeldab pikaajaliselt korduva katse keskmist väärtust. See artikkel vaatab eeldatava väärtuse mõiste üle binoomjaotuse kontekstis.
Binoomjaotuse definitsioon
Binoomjaotus tekib olukordades, kus viime läbi hulga identseid ja sõltumatuid katseid ning igal katsel on kaks teineteist välistavat tulemust, mida tavaliselt nimetatakse "eduks" ja "ebaeduks". Näiteks mündi viskamine (kull või saba), eksamiküsimusele vastamine (tõene või vale) või meditsiiniline katse (ravitud või mitteravitud).
Binoomjaotust defineerivad kaks parameetrit:
– n , katsete arv.
– p , iga katse õnnestumise tõenäosus.
Ligikaudu öeldes, kui X on juhuslik suurus, mis esindab n katse õnnestumiste arvu, siis X järgib binoomjaotust parameetritega n ja p, mida tähistatakse kui X ~ Binomial(n, p).
Tõenäosusfunktsioon
Binoomjaotuse tõenäosusfunktsioon on järgmine:
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
Kus:
– \( \binom{n}{k} \) on binoomkordaja, mis arvutatakse järgmiselt \( \frac{n!}{k!(nk)!} \).
– \(k \) on soovitud õnnestumiste arv.
– \(n \) on katsete arv.
– \(p \) on iga katse õnnestumise tõenäosus.
– \( (1-p) \) on iga katse ebaõnnestumise tõenäosus.
Oodatav väärtus
Tõenäosusjaotuse oodatav väärtus ehk keskmine on üks olulisemaid keskse asukoha mõõdikuid. Binoomjaotuse puhul on juhusliku muutuja X oodatav väärtus, mis järgneb Binomial(n, p)-le, järgmine:
\[ E(X) = np \]
Oodatava väärtuse tõend
Et mõista, miks binoomjaotuse oodatav väärtus on np, saame kasutada oodatava väärtuse lineaarsust ja vaadata, kuidas binaarmuutujad oma panuse annavad.
Defineerime X kui n binaarse katse õnnestumiste arvu. Täpsemalt öeldes olgu X_i juhuslik suurus, mis tähistab i-nda katse tulemust, kus X_i = 1, kui i-s katse õnnestub, ja X_i = 0, kui see ebaõnnestub. Seejärel saame X kirjutada järgmiselt:
\[X = X_1 + X_2 + \ldots + X_n \]
Kuna iga \(X_i \) on binaarne muutuja õnnestumistõenäosusega p, siis \(X_i \) eeldatav väärtus on:
\[E(X_i) = 1 \cdot p + 0 \cdot (1-p) = p \]
X eeldatava väärtuse jaoks saame kasutada eeldatava väärtuse lineaarsust:
\[ E(X) = E(X_1 + X_2 + ⋅ punktid + X_n) \]
\[ E(X) = E(X_1) + E(X_2) + ⋅ punktid + E(X_n) \]
\[ E(X) = p + p + \ldots + p \]
\[ E(X) = np \]
See näitab, et binoomjaotuse oodatav väärtus on np.
Illustreeriv näide
Vaatleme juhtumit, kus me viskame võrdset münti 10 korda. Küsime, milline oleks nende visete arvu oodatav väärtus, mille tulemuseks on kull.
Sellisel juhul:
– n = 10 (mündiviskete arv)
– p = 0.5 (kulli saamise tõenäosus, kuna münt on õiglane)
Seega on oodatav väärtus:
\[E(X) = np = 10 korda 0.5 = 5 \]
See tähendab, et kui me pikas perspektiivis münti 10 korda korduvalt viskame, saame keskmiselt 5 korda kulli.
Dispersioon ja standardhälve
Lisaks oodatavale väärtusele on oluline mõista ka binoomjaotuse dispersiooni ja standardhälvet.
Binoomjaotuse puhul on dispersioon \( \sigma^2 \) ja standardhälve \( \sigma \) järgmised:
\[ \sigma^2 = np(1-p) \]
\[ \sigma = \sqrt{np(1-p)} \]
Dispersioon mõõdab, kui palju andmed eeldatavast väärtusest kõrvale kalduvad. Standardhälve on dispersiooni ruutjuur ja mõõdab samuti andmete hajuvust, kuid samades ühikutes kui algsed andmed.
Järeldus
Binoomjaotus on statistika ja tõenäosusteooria põhimõiste, millega sageli kokku puututakse erinevates reaalsetes rakendustes, alates ärist kuni sotsiaalteaduste ja bioloogiani. Binoomjaotuse oodatav väärtus, mis arvutatakse kui np, annab olulise ülevaate binaarsete katsete seeria õnnestumiste keskmisest arvust. Oodatava väärtuse, dispersiooni ja standardhälbe mõistete mõistmise abil saame selgema arusaama binoomjaotuse omadustest ja sellest, kuidas see kirjeldab teatud nähtusi igapäevaelus.
See teadmine on äärmiselt kasulik mitte ainult andmete analüüsimisel ja statistikas, vaid ka otsuste tegemisel, mis nõuavad tõenäosuse ja määramatuse hindamist. Oodatava väärtuse ja binoomjaotuse mõistmine aitab meil teha täpsemaid ennustusi ja teadlikumaid otsuseid.
