이항분포에 대한 예시 문제 및 해설
이항분포는 가장 흔하게 사용되는 이산 확률분포 중 하나입니다. 이는 성공 또는 실패라는 두 가지 결과만 나타내는 동일하고 독립적인 시행에서 성공 횟수를 모델링하는 데 유용합니다. 이 글에서는 몇 가지 예시와 자세한 설명을 통해 이항분포를 더 깊이 있게 살펴보겠습니다.
이항분포 소개
이항분포의 주요 특징:
1. n : 시도 또는 반복 횟수.
2. p: 각 시행에서의 성공 확률.
3. q = 1-p : 각 시행에서의 실패 확률.
이항분포의 확률질량함수는 다음과 같습니다.
\[ P(X = k) = {n \choose k} p^k (1-p)^{nk} \]
어디:
– \( {n \choose k} = \frac{n!}{k!(nk)!} \)
– \( X \): 성공 횟수를 나타내는 확률 변수.
– \( k \): 목표로 하는 성공 횟수.
Contoh Soal dan Pembahasan
이항분포의 개념을 더 자세히 이해하기 위해 몇 가지 예제 문제를 살펴보겠습니다.
예시 1: 학생 그룹에서 선택하기
예를 들어, 10명의 학생이 있고 각 학생이 대회 참가자로 선발될 확률이 0,3이라고 가정해 봅시다. 우리는 정확히 4명의 학생이 선발될 확률을 알고 싶습니다.
1단계: 이항분포의 매개변수를 확인합니다.
– \( n = 10 \)
– \( p = 0.3 \)
2단계: 이항분포를 이용하여 \( X = 4 \)일 확률을 계산합니다.
\[ P(X = 4) = {10 \choose 4} (0.3)^4 (0.7)^6 \]
\( {10 \choose 4} \) 계산 중:
\[ {10 \choose 4} = \frac{10!}{4!(10-4)!} = \frac{10!}{4!6!} = 210 \]
이제 \( (0.3)^4 \)와 \( (0.7)^6 \)를 계산하세요.
\[ (0.3)^4 = 0.0081 \]
\[ (0.7)^6 = 0.117649 \]
그래서,
\[ P(X = 4) = 210 \cdot 0.0081 \cdot 0.117649 \approx 0.20012 \]
따라서 정확히 4명의 학생이 선택될 확률은 약 0.20012 또는 20.012%입니다.
예시 2: 확률이 2 이하인 경우
예를 들어, 2명 이하의 학생이 선택될 확률에 대해 묻는 문제가 나왔습니다.
1단계: \( P(X = 0) \), \( P(X = 1) \), 그리고 \( P(X = 2) \)를 계산해야 합니다.
– \( P(X = 0) \)의 경우:
\[ P(X = 0) = {10 \choose 0} (0.3)^0 (0.7)^{10} \]
\[ {10 \choose 0} = 1 \]
\[ (0.7)^{10} = 0.0282475 \]
\[ P(X = 0) = 1 \cdot 1 \cdot 0.0282475 = 0.0282475 \]
– \( P(X = 1) \)의 경우:
\[ P(X = 1) = {10 \choose 1} (0.3)^1 (0.7)^9 \]
\[ {10 \choose 1} = 10 \]
\[ (0.3) \cdot (0.7)^9 = 0.1210608 \]
\[ P(X = 1) = 10 \cdot 0.3 \cdot 0.1210608 = 0.3631824 \]
– \( P(X = 2) \)의 경우:
\[ P(X = 2) = {10 \choose 2} (0.3)^2 (0.7)^8 \]
\[ {10 \choose 2} = 45 \]
\[ (0.3)^2 \cdot (0.7)^8 = 0.2334744 \]
\[ P(X = 2) = 45 \cdot 0.09 \cdot 0.2334744 = 0.2334744 \]
2단계: 확률을 모두 더합니다.
\[ P(X \leq 2) = P(X = 0) + P(X = 1) + P(X = 2) \]
\[ P(X \leq 2) = 0.0282475 + 0.3631824 + 0.3826372 = 0.7740671 \]
따라서 2명 이하의 학생이 선택될 확률은 대략 0.7740671, 즉 77.41%입니다.
예시 3: 최소 8일 확률
어떤 실험을 12번 반복하고, 매 시도마다 성공 확률이 0.5일 때, 최소 8번 성공할 확률은 얼마일까요?
1단계: 이항분포 매개변수를 설정합니다. \( n = 12, p = 0.5 \).
2단계: \( X \geq 8 \)일 확률을 구합니다.
이를 위해서는 여러 개별 확률을 계산하고 모두 더해야 합니다.
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) + P(X = 11) + P(X = 12) \]
하나씩 세어 보세요:
– \( P(X = 8) \)의 경우:
\[ P(X = 8) = {12 \choose 8} (0.5)^8 (0.5)^4 \]
\[ {12 \choose 8} = 495 \]
\[ (0.5)^{12} = 0.0002441406 \]
\[ P(X = 8) = 495 \cdot 0.0002441406 = 0.1208496 \]
– \( P(X = 9) \)의 경우:
\[ P(X = 9) = {12 \choose 9} (0.5)^9 (0.5)^3 \]
\[ {12 \choose 9} = 220 \]
\[ P(X = 9) = 220 \cdot 0.0002441406 = 0.05371094 \]
– \( P(X = 10) \)의 경우:
\[ P(X = 10) = {12 \choose 10} (0.5)^{10} (0.5)^2 \]
\[ {12 \choose 10} = 66 \]
\[ P(X = 10) = 66 \cdot 0.0002441406 = 0.01611328 \]
– \( P(X = 11) \)의 경우:
\[ P(X = 11) = {12 \choose 11} (0.5)^{11} (0.5)^1 \]
\[ {12 \choose 11} = 12 \]
\[ P(X = 11) = 12 \cdot 0.0002441406 = 0.002929688 \]
– \( P(X = 12) \)의 경우:
\[ P(X = 12) = {12 \choose 12} (0.5)^{12} \]
\[ {12 \choose 12} = 1 \]
\[ P(X = 12) = 1 \cdot 0.0002441406 = 0.0002441406 \]
3단계: 모든 확률을 더합니다.
\[ P(X \geq 8) = 0.1208496 + 0.05371094 + 0.01611328 + 0.002929688 + 0.0002441406 \approx 0.1938477 \]
따라서 12번의 시도에서 최소 8번 성공할 확률은 대략 0.1938477, 즉 19.38%입니다.
결론
이항분포는 통계학의 기본 개념으로, 많은 실제 응용 분야에서 매우 중요합니다. 위 예시에서처럼 이항분포의 다양한 경우에 대한 확률 계산 방법을 이해하면, 이 개념을 실생활에 적용할 수 있습니다. 또한, 이 연습을 통해 확률 구조가 어떻게 작동하는지 명확하고 체계적인 맥락에서 이해할 수 있습니다.
