Tvíliðadreifing: Kenning, notkun og dæmi
Pendahuluan
Tvíliðadreifing er grundvallarhugtak í tölfræði og líkindafræði. Sem ein algengasta stakræna dreifingin býður tvíliðadreifingin upp á fjölmörg notkunarsvið á sviðum eins og læknisfræði, hagfræði, líffræði og félagsvísindum. Í þessari grein verður fjallað ítarlega um tvíliðadreifinguna, þar á meðal skilgreiningu hennar, lykileiginleika, tengdar formúlur og nokkur dæmi um hagnýt notkun.
Að skilja tvíliðadreifingu
Tvíliðudreifingin lýsir útkomu n Bernoulli-tilrauna, þar sem hver tilraun hefur aðeins tvær mögulegar útkomur: „árangur“ eða „misheppni“. Til dæmis, í peningakasti eru mögulegar útkomur „höfuð“ eða „köfuð“.
Helstu breyturnar tvær í tvíliðudreifingunni eru:
1. n (fjöldi tilrauna)
2. p (líkur á árangri í hverri tilraun)
Formlegra séð er hægt að lýsa fjölda vel heppnaðra tilrauna í n tilraunum með tvíliðudreifingu \(B(n, p) \).
Líkindamassafall (PMF)
Líkindamassafall tvíliðudreifingarinnar er sett fram sem:
[P(X = k) = \binom{n}{k} p^k(1 – p)^{n – k}]
Hvar:
– \( \binom{n}{k} \) er samsetning af n völdum k,
– \(p \) er líkurnar á árangri í einni tilraun,
– \(k \) er fjöldi árangursríkra atvika,
– \(n \) er heildarfjöldi tilrauna.
Helstu eiginleikar tvíliðadreifingar
Tvíliðadreifingin hefur nokkra lykileiginleika:
1. Meðaltal (Average): Fæst með því að margfalda fjölda tilrauna með líkum á árangri í hverri tilraun. Meðaltalið er ∫( μ = np ∫).
2. Dreifni: Dreifni tvíliðudreifingarinnar er margfeldi fjölda tilrauna, líkinda á árangri og líkinda á mistökum, það er \( \sigma^2 = np(1 – p) \).
3. Samhverfa og skekkja: Þegar \(p = 0.5 \) er tvíliðudreifingin samhverf. Fyrir \(p < 0.5 \) er dreifingin skekkt til hægri og fyrir \(p > 0.5 \) er dreifingin skekkt til vinstri.
4. Gildimörk: Tvíliðagildið (k) er á bilinu 0 til n.
Tvíliðadreifing og miðlæga markgildissetningin
Tvíliðadreifingin gegnir mikilvægu hlutverki í miðmarksreglunni. Þegar fjöldi tilrauna (n) verður mjög mikill, mun tvíliðadreifingin nálgast normaldreifingu með meðaltali \( \mu = np \) og staðalfráviki \( \sigma = \sqrt{np(1 – p)} \).
Dæmi um notkun tvíliðadreifingar
Umræður um tvíliðadreifingu verða auðveldari að skilja með hagnýtum dæmum úr ýmsum sviðum. Hér eru nokkur raunveruleg dæmi:
Dæmi 1: Vöruprófanir
Segjum sem svo að rafeindatæknifyrirtæki hafi framleiðslulínu þar sem líkurnar á gallaðri vöru eru 0.01. Ef fyrirtækið skoðar 100 vörur, hverjar eru þá líkurnar á að finna nákvæmlega tvær gallaðar vörur?
Með því að nota tvíliðudreifingarformúluna:
[P(X = 2) = \binom{100}{2} (0.01)^2 (0.99)^{98} \]
Með því að reikna út samsetningarnar \(\binom{100}{2}\) og margfalda síðan með eftirstandandi líkindum fáum við lokaniðurstöðuna.
Dæmi 2: Læknisfræðilegar rannsóknir
Í klínískri rannsókn á lyfi við ákveðnum sjúkdómi eru líkurnar á að sjúklingur læknast með lyfinu 0.8. Ef 10 sjúklingar eru prófaðir, hverjar eru þá líkurnar á að að minnsta kosti 8 sjúklingar læknast?
Til að finna þessar líkur verðum við að leggja saman líkurnar á að 8, 9 og 10 sjúklingar nái bata:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) \]
Með því að nota tvíliðuformúluna fyrir hvert gildi k (8, 9 og 10) og leggja síðan saman niðurstöðurnar.
Dæmi 3: Ákvarðanir í hagfræði
Í markaðskönnun líkuðu 60% neytenda ný vara. Ef tekið er handahófskennt úrtak af 20 neytendum, hverjar eru þá líkurnar á að að minnsta kosti 15 þeirra líki varan?
Við þurfum tvíliðadreifinguna til að reikna út líkurnar á fjölda „læka“ frá 15 upp í 20:
\[ P(X \geq 15) = P(X = 15) + P(X = 16) + P(X = 17) + P(X = 18) + P(X = 19) + P(X = 20) \]
Með sömu aðferð reiknum við út og leggjum saman þessar líkur.
Notkun tækni í útreikningum á tvíliðudreifingu
Í stafrænni öld eru útreikningar á tvíliðadreifingu ekki aðeins gerðar handvirkt heldur einnig með hugbúnaði eins og R, Python eða ákveðnum tölfræðireiknivélum.
Hér er dæmi um notkun Python til að reikna tvíliðadreifingu:
"` pýthon
frá scipy.stats flytja inn binom
n = 10 fjöldi tilrauna
p = 0.8 líkur á árangri
k = 8 væntanlegur fjöldi árangurs
líkur á nákvæmlega 8 sigrum
prob_8 = binom.pmf(k, n, p)
líkur á að minnsta kosti 8 sigrum
prob_ge_8 = 1 – binom.cdf(k-1, n, p)
print(f”Líkur á nákvæmlega 8 árangri: {prob_8}”)
print(f”Líkur á að minnsta kosti 8 árangri: {prob_ge_8}”)
„“
Niðurstaða
Tvíliðadreifingin er grundvallarhugtak í tölfræði og líkindafræði. Með því að skilja tvíliðadreifinguna getum við beitt ýmsum líkindalíkönum á raunverulegar aðstæður sem fela í sér endurteknar tilraunir með tveimur útkomum. Hæfni til að nota tæknileg verkfæri gerir útreikningsferlið skilvirkara og nákvæmara. Tvíliðadreifingin er ekki aðeins fræðilega mikilvæg heldur hefur hún einnig fjölmargar hagnýtar notkunarmöguleika sem tengjast ýmsum sviðum vísinda og iðnaðar.
Vonandi veitir þessi grein dýpri skilning á tvíliðadreifingu og hvetur til frekari rannsókna á sviði tölfræði og líkindafræði.
