פונקציית התפלגות בינומית

פונקציית התפלגות בינומית: הסבר מלא ויישומים

ההתפלגות הבינומית היא אחת מהתפלגויות ההסתברות הבדידות הנפוצות ביותר בסטטיסטיקה ובהסתברות. התפלגות זו מדמה את מספר ההצלחות בסדרה של ניסויים זהים ועצמאיים, כאשר לכל ניסוי יש שתי תוצאות אפשריות: הצלחה או כישלון. במאמר זה נחקור את ההגדרה, הנוסחה, התכונות והיישומים של פונקציית ההתפלגות הבינומית לעומק.

הבנת התפלגות בינומית

ההתפלגות הבינומית מתארת ​​את מספר ה"הצלחות" ב-n ניסויים בלתי תלויים, כאשר:

כל ניסיון מניב רק שתי תוצאות אפשריות: הצלחה או כישלון.
– ההסתברות להצלחה בכל ניסיון היא p.
– ההסתברות לכישלון היא 1 – p.
- כל ניסוי הוא בלתי תלוי זה בזה.

ההתפלגות הבינומית מסומנת כ- B(n, p), כאשר n הוא מספר הניסיונות ו- p הוא ההסתברות להצלחה בניסיון בודד.

נוסחת התפלגות בינומית

ההתפלגות הבינומית מחושבת באמצעות הנוסחה הבאה:

\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]

אֵיפֹה:
– \( P(X = k) \): ההסתברות לקבל בדיוק k הצלחות ב-n ניסיונות.
– \( \binom{n}{k} \): שילוב של n עצמים בקירוב k.
– \(p \): הסתברות להצלחה בכל ניסיון.
– \(n \): מספר הניסיונות הכולל.
– \(k \): מספר הצלחות רצוי.

הצירוף \(\binom{n}{k}\) מחושב כך:

\[ \binom{n}{k} = \frac{n!}{k!(נק)!} \]

תכונות ההתפלגות הבינומית

1. תוחלת (ממוצע) ושונות:
– התוחלת או הממוצע של ההתפלגות הבינומית היא \( \mu = np \).
– השונות היא ∫( \sigma^2 = np(1-p) \).

2. סימטריה:
– ההתפלגות הבינומית סימטרית אם p = 0.5. אם p ≠ 0.5, ההתפלגות מוטה ימינה (p < 0.5) או שמאלה (p > 0.5).

3. עקמומיות וקורטוזיס:
– ההטיה של ההתפלגות הבינומית היא \( \gamma_1 = \frac{1-2p}{\sqrt{np(1-p)}} \).
– קורטוזיס הוא (γ² = (1-6p(1-p))/np(1-p)).

4. התפלגות משוערת:
– עבור n גדולים ו-p המתקרבים ל-0.5, ניתן לקרב את ההתפלגות הבינומית באמצעות ההתפלגות הנורמלית.
– אם p קטן מאוד ו-n גדול מאוד כך ש-np נשאר קבוע, אזי ניתן לקרב את ההתפלגות הבינומית באמצעות התפלגות פואסון.

שימוש בהתפלגות הבינומית

ההתפלגות הבינומית משמשת בתחומים כמו ביולוגיה, כלכלה, שיווק והנדסה כדי לדמות אירועים שניתן לבטא במונחים בינאריים (הצלחה/כישלון). הנה כמה דוגמאות קונקרטיות לשימוש בה:

בדיקות איכות מוצר

נניח שלאצווה של מוצר יש הסתברות של 2% להיות פגומה. אם נבדוק 50 יחידות של המוצר, נוכל להשתמש בהתפלגות הבינומית כדי לחשב את ההסתברות למצוא מספר נתון של יחידות פגומות. כאשר n = 50 ו-p = 0.02, נוכל לחשב את ההסתברות למצוא בדיוק k יחידות פגומות באצווה.

הערכת דגימה

במחקר שוק, לדוגמה, סקרים נערכים לעתים קרובות עם שאלות כן/לא. אם ברצוננו לדעת את מספר המשיבים שמסכימים עם טענה מסוימת במדגם של 100 איש (בהנחה של הסתברות הסכמה של 0.7), ההתפלגות הבינומית יכולה לסייע בהערכת המספר הצפוי של אנשים שמסכימים.

גנטיקה

בגנטיקה, ההתפלגות הבינומית משמשת למידול התורשה של תכונות מסוימות מדור לדור. לדוגמה, אם יש הסתברות של 25% שלצאצא תהיה תכונה גנטית מסוימת, נוכל להשתמש בהתפלגות הבינומית כדי לקבוע את ההסתברות שמתוך ארבעה צאצאים, שניים יהיו בעלי תכונה זו.

מימון וביטוח

במימון, ניתן להשתמש בהתפלגות הבינומית כדי לדמות את התרחשותן של פשיטות רגל, תשלומי תביעות או שיעורי ריבית על סחורות מסוימות העומדות בתנאי הצלחה/כישלון.

דוגמה לחישוב

נניח שאנחנו רוצים לחשב את ההסתברות שמתוך 10 הטלות מטבע, נקבל בדיוק 6 עץ (בהנחה שהמטבעות הוגנים ו-p=0.5):

‏[P(X = 6) = ‏(10/6 (0.5)^6 (0.5)^4]]

\[ = \frac{10!}{6!4!} (0.5)^{10} \]

\[ = \frac{210}{1024} \]

\[ = 0.205 \]

לכן, ההסתברות לקבל בדיוק 6 עץ מתוך 10 הטלות מטבע היא 0.205.

יישומי מחשוב

בעידן הטכנולוגי של ימינו, התפלגויות בינומיות מחושבות לעתים קרובות באמצעות תוכנות סטטיסטיות כמו R, Python, או כלי גיליון אלקטרוני כמו Microsoft Excel. הנה דוגמה לסקריפט Python פשוט המשתמש בספריית `scipy`:

"`פיתון
מ-scipy.stats ייבוא ​​binom

לדוגמה, אנו רוצים למצוא את P(X = 6) עבור n=10 ו-p=0.5
n = 10
p = 0.5
k = 6

prob = binom.pmf(k, n, p)

print(f”ההסתברות לקבל בדיוק {k} עץ מ-{n} הטלות מטבע היא {prob:.3f}”)
""

מסקנה

התפלגות בינומית היא כלי חשוב בסטטיסטיקה ובהסתברות, במיוחד בעת ניתוח אירועים בינאריים בלתי תלויים. שליטה במושג זה יכולה לעזור לנו להתמודד בצורה יעילה יותר עם בעיות הכרוכות בהחלטות פיננסיות, מחקרי שוק, איכות מוצר, גנטיקה ומגוון יישומים אחרים.

על ידי הבנת פונקציית ההתפלגות הבינומית, נוכל למדל ולחשב את ההסתברויות של אירועים בדיוק רב, ולבסס החלטות על ניתוח סטטיסטי חזק. התקדמות הטכנולוגיה והתוכנות הסטטיסטיות הקלו גם על חישוב והמחשה חזותית של התפלגות זו, מה שהופך אותה לנגישה יותר במגוון רחב של תחומי מחקר ויישומים.