Að skilja tvíliðadreifinguna
Tvíliðadreifingin er ein þekktasta og mest notaða stakræna líkindadreifingin á sviði líkindafræði og tölfræði. Hún er mikilvæg í mörgum tilgangi, allt frá vísindarannsóknum til greiningar viðskiptagagna. Í þessari grein verður fjallað um ýmsa þætti tvíliðadreifingarinnar, allt frá grunnskilgreiningu hennar og eiginleikum til notkunar hennar á ýmsum sviðum.
Skilgreining og formúla tvíliðadreifingar
Tvíliðudreifing er líkindadreifing fjölda velgengni í röð tilrauna eða athugana sem hafa tvær aðskildar útkomur, „velgengni“ og „mistök“. Þessar tilraunir eru kallaðar Bernoulli-tilraunir og þessi röð óháðra tilrauna er kölluð Bernoulli-kerfi.
Helsta formúlan sem notuð er til að reikna út líkindi tvíliðudreifingarinnar er:
[P(X = k) = \binom{n}{k} p^k(1 – p)^{n – k}]
Hvar:
– \(P(X = k) \) er líkurnar á því að einhverjar \(k \) af \(n \) tilraunum takist.
– \( \binom{n}{k} \) er tvíliðastuðullinn reiknaður sem \( \frac{n!}{k!(nk)!} \).
– \(p \) er líkurnar á árangri í einni tilraun.
– \(1 – p \) er líkurnar á að einni tilraun mistakist.
– \(n \) er heildarfjöldi tilrauna.
– \(k \) er æskilegur fjöldi árangurs.
Eiginleikar tvíliðadreifingarinnar
Tvíliðadreifingin hefur nokkra mikilvæga eiginleika sem gera hana gagnlega í tölfræðilegri greiningu:
1. Stafræn dreifing: Tvíliðudreifingin er stakræn dreifing því hún telur aðeins fjölda vel heppnaðra tilrauna í endanlegum fjölda tilrauna.
2. Tvær niðurstöður: Hver tilraun í Bernoulli-kerfinu hefur aðeins tvær niðurstöður: árangur (með líkindum \(p \)) eða mistök (með líkindum \(1 – p \)).
3. Óháð: Ein tilraun er óháð annarri; niðurstöður einnar tilraunar hafa ekki áhrif á hina.
4. Fastir breytur: Líkurnar \(p \), heildarfjöldi tilrauna \(n \) og fjöldi vel heppnaðra tilrauna \(k \) eru fastir breytur í tvíliðudreifingunni.
Meðaltal og dreifni tvíliðadreifingar
Meðaltal og dreifni tvíliðudreifingarinnar hafa einnig einfaldar og innsæisríkar formúlur:
– Meðaltal (\(\mu\)): Meðaltal tvíliðudreifingar er fjöldi tilrauna margfaldaður með líkum á árangri:
\[ \mu = np \]
– Dreifni (\(\sigma^2\)): Dreifni tvíliðudreifingarinnar er margfeldi fjölda tilrauna, líkinda á árangri og líkinda á mistökum:
\[ \sigma^2 = np(1 – p) \]
Dæmisaga um notkun tvíliðadreifingar
Til að skilja notkun tvíliðadreifingarinnar skulum við skoða nokkur dæmi úr raunheiminum:
Dæmi 1: Greining á frammistöðu starfsmanna
Stjórnandi vill greina frammistöðu starfsmanna í deild. Gerum ráð fyrir að hver starfsmaður hafi 0,7 (70%) líkur á að klára verkefni með góðum árangri. Ef 10 starfsmenn eru að vinna sama verkefnið gæti stjórnandinn viljað vita líkurnar á að nákvæmlega 7 starfsmönnum takist það.
Notaðu tvíliðadreifingarformúluna:
[P(X = 7) = \binom{10}{7} (0.7)^7 (0.3)^3 \]
Með því að reikna tvíliðastuðulinn og lokaniðurstöðunni fæst líkindi þessarar atburðarásar.
Dæmi 2: Vöruprófun í verksmiðju
Verksmiðja framleiðir rafeindabúnað með 2% gallatíðni. Ef þeir prófa 100 íhluti, hverjar eru líkurnar á að 2 séu gallaðir?
Notaðu tvíliðadreifingarformúluna:
[P(X = 2) = \binom{100}{2} (0.02)^2 (0.98)^{98} \]
Það veitir leiðbeiningar um gæðaeftirlit.
Tvíliðadreifing á móti Poisson-dreifingu
Í sumum tilfellum getur tvíliðadreifingin nálgast Poisson-dreifinguna, sérstaklega þegar fjöldi tilrauna n er mikill og líkurnar p litlar. Ein almenn regla til að nálga Poisson-dreifinguna með tvíliðadreifingunni er ef n ≤ 20 og p ≥ 0.05.
Hugbúnaðarnotkun og tvíliðadreifing
Með framþróun í tækni og tölvunarfræði er nú auðvelt að framkvæma útreikninga á tvíliðadreifingu með tölfræðihugbúnaði eins og R, Python og öðrum hugbúnaði eins og Microsoft Excel. Til dæmis, í Python er hægt að nota `scipy.stats` bókasafnið til að framkvæma útreikninga á tvíliðadreifingu auðveldlega:
"` pýthon
frá scipy.stats flytja inn binom
breytur
n = 10 fjöldi tilrauna
p = 0.5 líkur á árangri
k = 5 fjöldi árangurs
reikna tvíliðalíkindi
binom_prob = binom.pmf(k, n, p)
print(“Líkur á að fá nákvæmlega 5 árangursríkar tilraunir:”, binom_prob)
„“
Niðurstaða
Tvíliðadreifingin er einföld en öflug dreifing í líkinda- og tölfræðilegri greiningu. Vegna aðskildrar eðlis hennar og áherslu á tvær útkomur - velgengni og mistök - þjónar hún sem kjörin fyrirmynd fyrir margar raunverulegar aðstæður. Þekking á tvíliðadreifingunni hjálpar ekki aðeins til við að skilgreina og skilja líkur á atburði heldur veitir einnig traustan grunn fyrir flóknari tölfræðilega greiningu. Notkun nútíma tölvuverkfæra hefur gert það sífellt auðveldara að beita tvíliðadreifingunni, sem gerir hana að mjög viðeigandi verkfæri í gagnadrifnum heimi nútímans.
