이항분포 함수에 관한 예시 문제
이항분포는 성공과 실패라는 두 가지 결과만 있는 여러 번의 독립적인 시행으로 이루어진 실험에서 성공 횟수를 나타내는 이산 확률 분포입니다. 각 시행을 '시행'이라고 하며, 이항분포는 여러 번의 독립적인 시행에 걸쳐 나타나는 성공 횟수에 관심이 있을 때 자주 사용됩니다. 이 글에서는 이항분포의 기본 개념을 살펴보고 예시와 풀이를 제공합니다.
이항분포 함수의 기본 개념
예제 문제와 토론에 들어가기 전에 이항 분포와 관련된 몇 가지 기본 개념을 살펴보겠습니다.
1. 정의: 이항 분포는 'n'번의 독립적인 시행에서 성공 횟수의 합으로 정의되며, 각 시행은 성공(확률 p) 또는 실패(확률 q = 1 – p)의 두 가지 가능한 결과를 갖습니다.
2. 확률 함수: 이항 분포의 확률 함수는 다음과 같습니다.
\[
P(X = k) = \binom{n}{k} p^k (1-p)^{nk}
\]
어디:
– \( P(X = k) \)는 n번의 시행에서 k번 성공할 확률입니다.
– \( \binom{n}{k} \)는 n과 k의 조합이며, 이는 \( \frac{n!}{k!(nk)!} \)로 정의됩니다.
- \( p \)는 각 시행에서 성공할 확률입니다.
– \( (1-p) \)는 각 시행에서 실패할 확률입니다.
3. 기대값과 분산:
이항분포의 기대값(평균)은 \( \mu = np \)입니다.
– 이항분포의 분산은 \( \sigma^2 = np(1-p) \)입니다.
이제 이러한 개념을 예제 문제에 적용하여 더 깊이 이해해 보겠습니다.
예제 문제 1: 이항분포의 기본 계산
질문 :
한 회사가 품질 검사를 통과할 확률이 0.95인 전자 부품을 생산합니다. 총 10개의 부품을 생산할 때, 정확히 8개의 부품이 품질 검사를 통과할 확률을 계산하세요.
논의 :
이 문제를 해결하기 위해 이항분포 공식을 사용할 수 있습니다. 먼저 다음과 같은 매개변수를 확인합니다.
– \( n \) (총 시행 횟수) = 10
– \( k \) (성공 횟수) = 8
– \( p \) (성공 확률) = 0.95
– \( q \) (실패 확률) = 1 – 0.95 = 0.05
그다음 이 값들을 이항분포 공식에 대입합니다.
\[
P(X = 8) = \binom{10}{8} (0.95)^8 (0.05)^2
\]
먼저, 조합 \( \binom{10}{8} \)을 계산합니다.
\[
\binom{10}{8} = \frac{10!}{8!(10-8)!} = \frac{10!}{8!2!} = \frac{10 \times 9 \times 8!}{8! \times 2!} = \frac{10 \times 9}{2 \times 1} = 45
\]
다음으로 확률 \( (0.95)^8 \) 및 \( (0.05)^2 \)를 계산합니다.
\[
(0.95)^8 \approx 0.6634
\]
\[
(0.05)^2 = 0.0025
\]
마지막으로, 위의 모든 값을 곱하면 다음과 같습니다.
\[
P(X = 8) = 45 × 0.6634 × 0.0025 ≈ 0.0744
\]
따라서 10개 부품 중 정확히 8개가 품질 검사를 통과할 확률은 약 0.0744, 즉 7.44%입니다.
예제 문제 2: 누적 확률
질문 :
같은 회사에서 생산된 제품 10개 중 최소 9개가 품질 검사를 통과할 확률을 계산해 보세요.
논의 :
이 문제를 해결하려면 누적 확률을 계산해야 합니다. 10개의 부품 중 최소 9개가 테스트를 통과할 확률은 \( P(X \geq 9) \)로 나타낼 수 있으며, 이는 다음과 같이 표현할 수 있습니다.
\[
P(X \geq 9) = P(X = 9) + P(X = 10)
\]
이항분포 공식을 사용하면 다음과 같습니다.
\[
P(X = 9) = \binom{10}{9} (0.95)^9 (0.05)^1
\]
\[
P(X = 10) = \binom{10}{10} (0.95)^{10} (0.05)^0
\]
먼저, 각 경우에 대한 조합을 계산합니다.
\[
\binom{10}{9} = \frac{10!}{9!(10-9)!} = 10
\]
\[
\binom{10}{10} = 1
\]
다음으로, \( P(X = 9) \)와 \( P(X = 10) \)에 대한 확률을 계산하십시오.
\[
P(X = 9) = 10 \times (0.95)^9 \times 0.05
\]
\[
(0.95)^9 \approx 0.6302
\]
\[
P(X = 9) = 10 × 0.6302 × 0.05 ≈ 0.3151
\]
\[
P(X = 10) = 1 \times (0.95)^{10} \times 1
\]
\[
(0.95)^{10} \approx 0.5987
\]
\[
P(X = 10) = 0.5987
\]
\( P(X \geq 9) \)에 대한 총 확률:
\[
P(X \geq 9) = 0.3151 + 0.5987 \approx 0.9138
\]
따라서 10개 부품 중 최소 9개가 품질 테스트를 통과할 확률은 약 0.9138, 즉 91.38%입니다.
예제 문제 3: 기대값과 분산
질문 :
품질 검사를 통과할 확률이 0.95일 때, 생산된 10개의 부품 중 품질 검사를 통과하는 부품 수의 기대값과 분산을 계산하십시오.
논의 :
다음 공식을 사용하십시오.
– 기대값(평균) \( \mu = np \)
– 분산 \( \sigma^2 = np(1-p) \)
n = 10 및 p = 0.95일 때:
\[
μ = 10 × 0.95 = 9.5
\]
\[
σ² = 10 × 0.95 × 0.05 = 0.475
\]
따라서 품질 검사를 통과하는 부품 수의 기대값은 9.5이고 분산은 0.475입니다.
결론
위의 세 가지 예제를 통해 이항분포를 이용하여 다양한 상황에서 확률을 계산하는 방법, 즉 정확한 확률, 누적 확률, 기대값 및 분산을 계산하는 방법을 살펴보았습니다. 이항분포에 대한 지식은 제조, 의학 연구, 사회 통계 등 다양한 분야에서 유용하게 활용됩니다. 특히 두 가지 가능한 결과가 있는 반복 실험 결과를 분석하여 의사결정을 내리는 데 도움이 되는 분야에서 더욱 그렇습니다. 이 예제와 설명을 통해 이항분포에 대한 이해를 더욱 깊이 있게 다져보시기 바랍니다.
