二項分布の期待値に関する例題
二項分布は、統計学において、独立して実施された複数の試行における特定の成功回数の確率を表すために頻繁に用いられる離散分布です。この分布は、経済学、生物学、社会科学など、さまざまな分野で非常に有用です。二項分布を理解する上で重要な概念の一つに、期待値があります。本稿では、いくつかの例題とその解説を通して、二項分布における期待値の概念について考察します。
二項分布の定義
二項分布は、成功または失敗という2つの結果があるn回の試行における成功回数を表します。この分布は、主に2つのパラメータによって特徴付けられます。
– \( n \): 試行回数
– \( p \): 1回の試行における成功確率
この分布はしばしばB(n, p)と表記される。二項分布の確率質量関数(PMF)は以下の通りである。
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
ここで、\( \binom{n}{k} \) は二項係数であり、次のように計算されます。
\[ \binom{n}{k} = \frac{n!}{k!(nk)!} \]
二項分布における期待値
二項分布の期待値は、n回の試行における成功回数の平均値であり、次のように定式化されます。
\[ E(X) = n \times p \]
問題と回答の例
例題1
質問：
ある研究者が、それぞれ発芽する確率が0.7である苗木を10本植える実験を行ったとします。発芽する苗木の期待値はいくつでしょうか？
議論：
周知された：
– \( n = 10 \)
– \( p = 0.7 \)
期待値 \( E(X) \) は次のように計算されます。
\[ E(X) = n \times p \]
\[ E(X) = 10 \times 0.7 \]
\[ E(X) = 7 \]
したがって、発芽する種子の数の期待値は7個です。
例題2
質問：
試験において、学生がすべての問題に正解する確率は0.8です。試験問題が15問ある場合、正解数の期待値はいくつでしょうか？
議論：
周知された：
– \( n = 15 \)
– \( p = 0.8 \)
期待値 \( E(X) \) は次のように計算されます。
\[ E(X) = n \times p \]
\[ E(X) = 15 \times 0.8 \]
\[ E(X) = 12 \]
したがって、正解数の期待値は12問です。
例題3
質問：
ある印刷会社は、0.02の確率で不良紙を生産しています。工場は1営業日に500枚の紙を生産します。1日あたりの不良紙の期待値はいくつでしょうか？
議論：
周知された：
– \( n = 500 \)
– \( p = 0.02 \)
期待値 \( E(X) \) は次のように計算されます。
\[ E(X) = n \times p \]
\[ E(X) = 500 \times 0.02 \]
\[ E(X) = 10 \]
したがって、1日あたりの不良紙の枚数の期待値は10枚です。
理解における概念の拡張
1. 分散と標準偏差：
期待値に加えて、二項分布における分散と標準偏差を理解することも重要です。二項分布の分散は次のように定式化されます。
\[ \text{Var}(X) = n \times p \times (1 – p) \]
標準偏差は分散の平方根です。
\[ \text{SD}(X) = \sqrt{n \times p \times (1 – p)} \]
2. 統計学試験への応用：
学業試験やテストにおいて、予想得点は、生徒または生徒グループの平均得点を予測するために使用でき、教育カリキュラムの分析や教育効果の評価に役立つ。
3. 疫学における事例研究：
例えば、疾病伝播の研究において、患者が回復する確率は二項分布を用いてモデル化することができる。期待値を把握することで、医療従事者は回復する患者数の予測に基づいて必要な医療資源を計画することができる。
結論
二項分布は、一連の試行における成功確率を記述する上で重要な統計的手法です。二項分布における期待値は、期待される成功回数の平均値を表す重要な概念です。ここで紹介する例を通して、期待値の計算方法と様々な状況における適用方法を理解することができます。この概念をしっかりと理解することで、研究者や実務家は、確率データに基づいてより良い計画を立て、より的確な意思決定を行うことができるようになります。
二項分布は、確率論や統計学において重要なだけでなく、様々な実用的な応用においても非常に関連性が高い。したがって、この分布と期待値の概念を学ぶことは、データ分析と意思決定における確固たる基礎を築くことになる。
