نمونه سوالاتی در مورد مقدار مورد انتظار توزیع دوجمله‌ای
توزیع دوجمله‌ای، توزیعی گسسته است که اغلب در آمار برای توصیف احتمال تعداد معینی از موفقیت‌ها در تعدادی از آزمایش‌های مستقل استفاده می‌شود. این توزیع در زمینه‌های مختلف مانند اقتصاد، زیست‌شناسی و علوم اجتماعی بسیار مفید است. یکی از مفاهیم مهم برای درک توزیع دوجمله‌ای، مقدار مورد انتظار است. این مقاله مفهوم مقدار مورد انتظار در توزیع دوجمله‌ای را از طریق چندین مثال و بحث در مورد آنها مورد بحث قرار خواهد داد.
تعریف توزیع دوجمله‌ای
توزیع دوجمله‌ای تعداد موفقیت‌ها در \(n \) آزمایش‌هایی را توصیف می‌کند که دو نتیجه ممکن دارند: موفقیت یا شکست. این توزیع با دو پارامتر اصلی مشخص می‌شود:
– \( n \): تعداد آزمایش‌ها
– \(p \): احتمال موفقیت در یک آزمایش واحد
این توزیع اغلب با B(n, p) نشان داده می‌شود. تابع جرم احتمال (PMF) توزیع دوجمله‌ای به صورت زیر است:
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
که در آن \( \binom{n}{k} \) ضریب دوجمله‌ای است که به صورت زیر محاسبه می‌شود:
\[ \binom{n}{k} = \frac{n!}{k!(nk)!} \]
مقدار مورد انتظار در توزیع دوجمله‌ای
مقدار مورد انتظار یک توزیع دوجمله‌ای، میانگین تعداد موفقیت‌ها در \(n \) آزمایش است و به صورت زیر فرموله می‌شود:
\[ E(X) = n \ضرب در p \]
Contoh Soal Dan Pembahasan
مثال سوال ۶
سوال:
فرض کنید یک محقق آزمایشی را انجام می‌دهد که در آن 10 نهال می‌کارد، که هر کدام احتمال رشد 0.7 دارند. تعداد مورد انتظار نهال‌هایی که رشد خواهند کرد چقدر است؟
بحث:
شناخته شده است:
– \(n = 10 \)
– \(p = 0.7 \)
مقدار مورد انتظار، \(E(X) \)، به صورت زیر محاسبه می‌شود:
\[ E(X) = n \ضرب در p \]
\[ E(X) = 10 \times 0.7 \]
\[ E(X) = 7 \]
بنابراین، مقدار مورد انتظار تعداد دانه‌هایی که رشد می‌کنند، ۷ دانه است.
مثال سوال ۶
سوال:
در یک امتحان، احتمال اینکه یک دانش‌آموز به هر سؤال پاسخ صحیح بدهد، 0.8 است. اگر 15 سؤال در امتحان وجود داشته باشد، تعداد پاسخ‌های صحیح مورد انتظار چقدر است؟
بحث:
شناخته شده است:
– \(n = 15 \)
– \(p = 0.8 \)
مقدار مورد انتظار، \(E(X) \)، به صورت زیر محاسبه می‌شود:
\[ E(X) = n \ضرب در p \]
\[ E(X) = 15 \times 0.8 \]
\[ E(X) = 12 \]
بنابراین، مقدار مورد انتظار تعداد پاسخ‌های صحیح ۱۲ سوال است.
مثال سوال ۶
سوال:
یک شرکت چاپ، کاغذهایی با احتمال 0.02 نقص تولید می‌کند. در یک روز کاری، این کارخانه 500 برگ کاغذ تولید می‌کند. تعداد مورد انتظار برگ‌های کاغذ معیوب در یک روز چقدر است؟
بحث:
شناخته شده است:
– \(n = 500 \)
– \(p = 0.02 \)
مقدار مورد انتظار، \(E(X) \)، به صورت زیر محاسبه می‌شود:
\[ E(X) = n \ضرب در p \]
\[ E(X) = 500 \times 0.02 \]
\[ E(X) = 10 \]
بنابراین، مقدار مورد انتظار تعداد برگه‌های کاغذ معیوب در یک روز، 10 برگه است.
گسترش مفاهیم در فهم
۱. واریانس و انحراف معیار:
علاوه بر مقدار مورد انتظار، درک واریانس و انحراف معیار در توزیع دوجمله‌ای نیز مهم است. واریانس توزیع دوجمله‌ای به صورت زیر فرموله می‌شود:
\[ \text{Var}(X) = n \times p \times (1 – p) \]
انحراف معیار، جذر واریانس است:
\[ \text{SD}(X) = \sqrt{n \times p \times (1 – p)} \]
۲. کاربرد در امتحانات آمار:
در امتحانات یا آزمون‌های دانشگاهی، نمرات مورد انتظار می‌توانند برای اندازه‌گیری میانگین نمره مورد انتظار یک دانش‌آموز یا گروهی از دانش‌آموزان استفاده شوند و به تجزیه و تحلیل برنامه‌های درسی آموزشی و ارزیابی اثربخشی آموزش کمک کنند.
۳. مطالعات موردی در اپیدمیولوژی:
برای مثال، در مطالعه‌ای در مورد انتقال بیماری، احتمال بهبودی بیمار را می‌توان با استفاده از توزیع دوجمله‌ای مدل‌سازی کرد. دانستن مقدار مورد انتظار به متخصصان مراقبت‌های بهداشتی این امکان را می‌دهد که منابع پزشکی لازم را بر اساس تعداد پیش‌بینی‌شده بیماران بهبود یافته برنامه‌ریزی کنند.
نتیجه گیری
توزیع دوجمله‌ای ابزاری مهم در آمار است که به توصیف احتمال موفقیت در یک سری آزمایش‌ها کمک می‌کند. مقدار مورد انتظار در توزیع دوجمله‌ای یک مفهوم کلیدی است که میانگین تعداد موفقیت‌های مورد انتظار را توصیف می‌کند. از طریق مثال‌های مورد بحث، می‌توانیم ببینیم که چگونه مقدار مورد انتظار محاسبه و در زمینه‌های مختلف اعمال می‌شود. درک قوی از این مفهوم، محققان و متخصصان را قادر می‌سازد تا بر اساس داده‌های احتمالی، برنامه‌های بهتری تهیه کنند و تصمیمات آگاهانه‌تری بگیرند.
توزیع دوجمله‌ای نه تنها در نظریه احتمال و آمار اهمیت دارد، بلکه در طیف وسیعی از کاربردهای عملی نیز بسیار مرتبط است. بنابراین، مطالعه این توزیع و مفهوم مقدار مورد انتظار، پایه محکمی در تحلیل داده‌ها و تصمیم‌گیری فراهم می‌کند.
