Primjeri pitanja o očekivanoj vrijednosti binomne distribucije
Binomna distribucija je diskretna distribucija koja se često koristi u statistici za opisivanje vjerojatnosti određenog broja uspjeha u nizu neovisno provedenih pokušaja. Ova distribucija je vrlo korisna u raznim područjima, kao što su ekonomija, biologija i društvene znanosti. Jedan važan koncept koji treba razumjeti u binomnoj distribuciji je očekivana vrijednost. Ovaj članak će raspravljati o konceptu očekivane vrijednosti u binomnoj distribuciji kroz nekoliko primjera problema i njihovu raspravu.
Definicija binomne distribucije
Binomna distribucija opisuje broj uspjeha u \(n \) pokušaja koji imaju dva moguća ishoda: uspjeh ili neuspjeh. Ovu distribuciju karakteriziraju dva glavna parametra:
– \(n \): broj pokušaja
– \(p \): vjerojatnost uspjeha u jednom pokušaju
Ova se distribucija često označava kao B(n, p). Funkcija mase vjerojatnosti (PMF) binomne distribucije je:
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
gdje je \( \binom{n}{k} \) binomni koeficijent, koji se izračunava kao:
\[ \binom{n}{k} = \frac{n!}{k!(nk)!} \]
Očekivana vrijednost u binomnoj distribuciji
Očekivana vrijednost binomne distribucije je prosječan broj uspjeha u \(n \) pokušaja i formulira se kao:
\[ E(X) = n \puta p \]
Primjeri pitanja i rasprava
Primjer pitanja 1
Pitanje:
Pretpostavimo da istraživač provodi eksperiment sadnje 10 sadnica, svaka s vjerojatnošću rasta od 0.7. Koliki je očekivani broj sadnica koje će izrasti?
Rasprava:
Poznato je:
– \(n = 10 \)
– \(p = 0.7 \)
Očekivana vrijednost, \( E(X) \), izračunava se kao:
\[ E(X) = n \puta p \]
\[ E(X) = 10 \puta 0.7 \]
\[ E(X) = 7 \]
Dakle, očekivana vrijednost broja sjemenki koje rastu je 7 sjemenki.
Primjer pitanja 2
Pitanje:
Na ispitu je vjerojatnost da student točno odgovori na sva pitanja 0.8. Ako na ispitu ima 15 pitanja, koji je očekivani broj točnih odgovora?
Rasprava:
Poznato je:
– \(n = 15 \)
– \(p = 0.8 \)
Očekivana vrijednost, \( E(X) \), izračunava se kao:
\[ E(X) = n \puta p \]
\[ E(X) = 15 \puta 0.8 \]
\[ E(X) = 12 \]
Dakle, očekivana vrijednost broja točnih odgovora je 12 pitanja.
Primjer pitanja 3
Pitanje:
Tiskara proizvodi listove papira s vjerojatnošću nedostataka od 0.02. U jednom radnom danu tvornica proizvodi 500 listova papira. Koliki je očekivani broj neispravnih listova papira u jednom danu?
Rasprava:
Poznato je:
– \(n = 500 \)
– \(p = 0.02 \)
Očekivana vrijednost, \( E(X) \), izračunava se kao:
\[ E(X) = n \puta p \]
\[ E(X) = 500 \puta 0.02 \]
\[ E(X) = 10 \]
Dakle, očekivana vrijednost broja neispravnih listova papira u jednom danu je 10 listova.
Proširenje pojmova u razumijevanju
1. Varijanca i standardna devijacija:
Osim očekivane vrijednosti, važno je razumjeti i varijancu i standardnu devijaciju u binomnoj distribuciji. Varijanca binomne distribucije formulira se kao:
\[ \text{Var}(X) = n \puta p \puta (1 – p) \]
Standardna devijacija je kvadratni korijen varijance:
\[ \text{SD}(X) = \sqrt{n \puta p \puta (1 – p)} \]
2. Primjena na ispitima iz statistike:
Na akademskim ispitima ili testovima, očekivani rezultati mogu se koristiti za mjerenje očekivanog prosječnog rezultata učenika ili skupine učenika, što pomaže u analizi obrazovnih programa i procjeni učinkovitosti poučavanja.
3. Studije slučaja u epidemiologiji:
Na primjer, u studiji prijenosa bolesti, vjerojatnost oporavka pacijenta može se modelirati pomoću binomne distribucije. Poznavanje očekivane vrijednosti omogućuje zdravstvenim djelatnicima da planiraju potrebne medicinske resurse na temelju predviđenog broja oporavljenih pacijenata.
Zaključak
Binomna distribucija važan je alat u statistici koji pomaže u opisivanju vjerojatnosti uspjeha u nizu pokušaja. Očekivana vrijednost u binomnoj distribuciji ključni je koncept koji opisuje prosječan broj očekivanih uspjeha. Kroz raspravljene primjere možemo vidjeti kako se očekivana vrijednost izračunava i primjenjuje u različitim kontekstima. Dobro razumijevanje ovog koncepta omogućuje istraživačima i praktičarima da donose bolje planove i informiranije odluke na temelju probabilističkih podataka.
Binomna distribucija nije važna samo u teoriji vjerojatnosti i statistici, već je i vrlo relevantna u raznim praktičnim primjenama. Stoga proučavanje ove distribucije i koncepta očekivane vrijednosti pruža čvrstu osnovu u analizi podataka i donošenju odluka.
