Биномдук бөлүштүрүү: теория, колдонулуштар жана мисалдар
Pendahuluan
Биномдук бөлүштүрүү статистикада жана ыктымалдуулук теориясында фундаменталдык түшүнүк болуп саналат. Эң көп колдонулган дискреттик бөлүштүрүүлөрдүн бири катары, биномдук бөлүштүрүү медицина, экономика, биология жана коомдук илимдер сыяктуу тармактарда көптөгөн колдонмолорду сунуштайт. Бул макалада биномдук бөлүштүрүү, анын аныктамасы, негизги касиеттери, тиешелүү формулалары жана бир нече практикалык колдонуу мисалдары терең талкууланат.
Биномдук бөлүштүрүүнү түшүнүү
Биномдук бөлүштүрүү n Бернулли сыноосунун натыйжасын сүрөттөйт, мында ар бир сыноонун эки гана мүмкүн болгон натыйжасы бар: "ийгилик" же "ийгиликсиздик". Мисалы, тыйын ыргытууда мүмкүн болгон натыйжалар "табыштар" же "табыштар".
Биномдук бөлүштүрүүдөгү эки негизги параметр:
1. n (сыноолордун саны)
2. p (ар бир сыноодо ийгиликке жетүү ыктымалдыгы)
Расмий түрдө, n сыноодогу ийгиликтердин санын биномдук бөлүштүрүү \(B(n, p) \) менен сүрөттөөгө болот.
Ыктымалдуулук массасынын функциясы (ЫМФ)
Биномдук бөлүштүрүүнүн ыктымалдуулук массалык функциясы төмөнкүдөй формула менен берилет:
\[ P(X = k) = \binom{n}{k} p^k (1 – p)^{n – k} \]
димана:
– \( \binom{n}{k} \) тандалган n kнын айкалышы,
– \( p \) – бир сыноодо ийгиликке жетүү ыктымалдыгы,
– \( k \) ийгиликтердин саны,
– \(n \) – сыноолордун жалпы саны.
Биномдук бөлүштүрүүнүн негизги касиеттери
Биномдук бөлүштүрүүнүн бир нече негизги касиеттери бар:
1. Орточо маани (орточо): Ар бир сыноодогу ийгиликке жетүү ыктымалдуулугуна сыноолордун санын көбөйтүүдөн алынат. Орточо маани \( \mu = np \).
2. Дисперсия: Биномдук бөлүштүрүүнүн дисперсиясы сыноолордун санынын, ийгилик ыктымалдуулугунун жана ийгиликсиздик ыктымалдуулугунун көбөйтүндүсү болуп саналат, башкача айтканда, \(\sigma^2 = np(1 – p) \).
3. Симметрия жана кыйшыктык: \(p = 0.5 \) болгондо, биномдук бөлүштүрүү симметриялуу болот. \(p < 0.5 \) болгондо, бөлүштүрүү оңго кыйшайган, ал эми \(p > 0.5 \) болгондо, бөлүштүрүү солго кыйшайган.
4. Маанилердин чектери: Биномдук маани (k) 0дөн nге чейин.
Биномдук бөлүштүрүү жана борбордук чеги теоремасы
Биномдук бөлүштүрүү Борбордук Лимит Теоремасында маанилүү ролду ойнойт. Сыноолордун саны (n) өтө чоңойгондо, биномдук бөлүштүрүү орточо мааниси \(\mu = np \) жана стандарттык четтөөсү \(\sigma = \sqrt{np(1 – p)} \) болгон нормалдуу бөлүштүрүүгө жакындайт.
Биномдук бөлүштүрүүнү колдонуунун мисалы
Биномдук бөлүштүрүү жөнүндөгү талкууларды ар кандай тармактардагы практикалык мисалдар аркылуу түшүнүү оңой болот. Бул жерде реалдуу дүйнөдөгү кээ бир колдонмолор келтирилген:
1-мисал: Продукцияны сыноо
Мисалы, электроника компаниясынын өндүрүш линиясында кемчиликтүү продукциянын болуу ыктымалдуулугу 0.01ге барабар дейли. Эгерде компания 100 продукцияны текшерсе, анда так 2 кемчиликтүү продукцияны табуу ыктымалдуулугу канча?
Биномдук бөлүштүрүү формуласын колдонуу:
\[ P(X = 2) = \binom{100}{2} (0.01)^2 (0.99)^{98} \]
\(\binom{100}{2}\) айкалыштарын эсептеп, андан кийин калган ыктымалдуулуктарга көбөйтүү менен, биз акыркы натыйжаны алабыз.
2-мисал: Медициналык изилдөөлөр
Белгилүү бир ооруга каршы дары-дармектин клиникалык сыноосунда, бейтаптын дары менен айыгып кетүү ыктымалдыгы 0.8ге барабар. Эгерде 10 бейтап текшерилсе, жок дегенде 8 бейтаптын айыгып кетүү ыктымалдыгы канча?
Бул ыктымалдуулукту табуу үчүн, биз 8, 9 жана 10 бейтаптын айыгып кетүү ыктымалдуулуктарын кошушубуз керек:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) \]
k (8, 9 жана 10) ар бир мааниси үчүн биномдук формуланы колдонуп, андан кийин жыйынтыктарды кошуу менен.
3-мисал: Экономикадагы чечимдер
Рыноктук сурамжылоодо керектөөчүлөрдүн 60% жаңы продуктуну жактырган. Эгерде 20 керектөөчүдөн турган кокустук үлгү алынса, алардын жок дегенде 15ине продукт жакты деген ыктымалдуулук канча?
15тен 20га чейинки лайктардын санынын ыктымалдуулугун эсептөө үчүн бизге биномдук бөлүштүрүү керек:
\[ P(X \geq 15) = P(X = 15) + P(X = 16) + P(X = 17) + P(X = 18) + P(X = 19) + P(X = 20) \]
Ошол эле ыкманы колдонуп, биз бул ыктымалдуулуктарды эсептейбиз жана кошобуз.
Биномдук бөлүштүрүү эсептөөлөрүндө технологияны колдонуу
Санарип доорунда биномдук бөлүштүрүүнү эсептөө колдонмолору кол менен гана эмес, R, Python же айрым статистикалык калькуляторлор сыяктуу программаларды колдонуу менен да жасалат.
Бул жерде биномдук бөлүштүрүүнү эсептөө үчүн Pythonду колдонуунун мисалы келтирилген:
"`python
scipy.stats импорттоодон binom
n = 10 сыноолордун саны
p = 0.8 ийгиликке жетүү ыктымалдыгы
k = 8 күтүлгөн ийгиликтердин саны
так 8 ийгиликке жетүү ыктымалдыгы
prob_8 = binom.pmf(k, n, p)
кеминде 8 ийгиликке жетүү ыктымалдыгы
prob_ge_8 = 1 – binom.cdf(k-1, n, p)
print(f”Так 8 ийгиликтин ыктымалдуулугу: {prob_8}”)
print(f”Жок дегенде 8 ийгиликтин ыктымалдыгы: {prob_ge_8}”)
""
Корутунду
Биномдук бөлүштүрүү статистика жана ыктымалдуулук жаатындагы маанилүү фундаменталдык түшүнүк болуп саналат. Биномдук бөлүштүрүүнү түшүнүү менен, биз эки натыйжа менен кайталануучу эксперименттерди камтыган реалдуу дүйнөдөгү кырдаалдарга ар кандай ыктымалдуулук моделдерин колдоно алабыз. Технологиялык куралдарды колдонуу мүмкүнчүлүгү эсептөө процессин натыйжалуураак жана так кылат. Биномдук бөлүштүрүү теориялык жактан гана маанилүү эмес, ошондой эле илимдин жана өнөр жайдын ар кандай тармактарында көптөгөн тиешелүү практикалык колдонмолорго ээ.
Бул макала биномдук бөлүштүрүүнү тереңирээк түшүнүүгө мүмкүндүк берет жана статистика жана ыктымалдуулук тармактарында андан ары изилдөөгө шыктандырат деп үмүттөнөбүз.
