Биномдук бөлүштүрүүнү түшүнүү
Биномдук бөлүштүрүү ыктымалдуулук жана статистика тармактарындагы эң белгилүү жана көп колдонулган дискреттик ыктымалдуулук бөлүштүрүүлөрүнүн бири болуп саналат. Ал илимий изилдөөлөрдөн баштап бизнес маалыматтарын талдоосуна чейин көптөгөн колдонмолордо абдан маанилүү. Бул макалада биномдук бөлүштүрүүнүн ар кандай аспектилери, анын негизги аныктамасынан жана касиеттеринен баштап, ар кандай тармактардагы колдонулушуна чейин талкууланат.
Биномдук бөлүштүрүүнүн аныктамасы жана формуласы
Биномдук бөлүштүрүү – бул "ийгилик" жана "ийгиликсиздик" деген эки башка натыйжага ээ болгон бир катар сыноолордогу же байкоолордогу ийгиликтердин санынын ыктымалдуулук бөлүштүрүлүшү. Бул сыноолор Бернулли сыноолору деп аталат, ал эми бул көз карандысыз сыноолор сериясы Бернулли схемасы деп аталат.
Биномдук бөлүштүрүүнүн ыктымалдуулугун эсептөө үчүн колдонулган негизги формула:
\[ P(X = k) = \binom{n}{k} p^k (1 – p)^{n – k} \]
Кайда:
– \( P(X = k) \) – бул n \) сыноолордун кайсынысы болбосун \( k \) ийгиликтүү болуу ыктымалдыгы.
– \( \binom{n}{k} \) – бул \( \frac{n!}{k!(nk)!} \) катары эсептелген биномдук коэффициент.
– \( p \) – бул бир сыноодо ийгиликке жетүү ыктымалдыгы.
– \( 1 – p \) – бир сыноодогу ийгиликсиздиктин ыктымалдуулугу.
– \(n \) – сыноолордун жалпы саны.
– \( k \) – бул ийгиликтердин каалаган саны.
Биномдук бөлүштүрүүнүн касиеттери
Биномдук бөлүштүрүүнүн статистикалык анализде пайдалуу болушуна шарт түзгөн бир нече маанилүү касиеттери бар:
1. Дискреттик: Биномдук бөлүштүрүү дискреттик бөлүштүрүү болуп саналат, анткени ал чектелген сандагы сыноолордогу ийгиликтердин санын гана эсептейт.
2. Эки натыйжа: Бернулли схемасындагы ар бир сыноонун эки гана натыйжасы бар: ийгилик (ыктымалдуулугу \( p \) менен) же ийгиликсиздик (ыктымалдуулугу \( 1 – p \) менен).
3. Көз карандысыз: Бир эксперимент экинчисинен көз карандысыз; бир эксперименттин натыйжалары экинчисине таасир этпейт.
4. Туруктуу параметрлер: Ыктымалдуулук \(p \), сыноолордун жалпы саны \(n \) жана ийгиликтердин саны \(k \) биномдук бөлүштүрүүдө туруктуу параметрлер болуп саналат.
Биномдук бөлүштүрүүнүн орточо мааниси жана дисперсиясы
Биномдук бөлүштүрүүнүн орточо мааниси жана дисперсиясы да жөнөкөй жана интуитивдик формулаларга ээ:
– Орточо маани (\(\mu\)): Биномдук бөлүштүрүүнүн орточо мааниси – бул сыноолордун санынын ийгиликтүү болуу ыктымалдуулугуна көбөйтүлгөнү:
\[ \mu = np \]
– Дисперсия (\(\sigma^2\)): Биномдук бөлүштүрүүнүн дисперсиясы сыноолордун санынын, ийгилик ыктымалдуулугунун жана ийгиликсиздик ыктымалдуулугунун көбөйтүндүсүнө барабар:
\[ \sigma^2 = np(1 – p) \]
Биномдук бөлүштүрүүнү колдонуунун кейс-стадиси
Биномдук бөлүштүрүүнүн колдонулушун түшүнүү үчүн, реалдуу дүйнөдөгү кээ бир мисалдарды карап көрөлү:
1-мисал: Кызматкерлердин ишинин натыйжалуулугун талдоо
Менеджер бөлүмдөгү кызматкерлердин ишин талдагысы келет. Ар бир кызматкердин тапшырманы ийгиликтүү аткаруу мүмкүнчүлүгү 0,7 (70%) деп коёлу. Эгерде 10 кызматкер бир эле тапшырманы аткарып жатса, менеджер так 7 кызматкердин ийгиликке жетүү ыктымалдыгын билгиси келиши мүмкүн.
Биномдук бөлүштүрүү формуласын колдонуңуз:
\[ P(X = 7) = \binom{10}{7} (0.7)^7 (0.3)^3 \]
Биномдук коэффициентти жана акыркы натыйжаны эсептөө бул сценарийдин ыктымалдуулугун берет.
2-мисал: Заводдо продукцияны сыноо
Завод электрондук тетиктерди 2% кемчилик көрсөткүчү менен чыгарат. Эгер алар 100 тетикти текшеришсе, алардын экөөсүнүн кемчиликтүү болуу ыктымалдыгы канча?
Биномдук бөлүштүрүү формуласын колдонуңуз:
\[ P(X = 2) = \binom{100}{2} (0.02)^2 (0.98)^{98} \]
Ал сапатты көзөмөлдөө боюнча көрсөтмөлөрдү берет.
Биномдук бөлүштүрүүгө каршы Пуассондук бөлүштүрүү
Айрым учурларда, биномдук бөлүштүрүү Пуассон бөлүштүрүүсүнө жакындашы мүмкүн, айрыкча, сыноолордун саны \(n \) көп жана ыктымалдуулук \(p \) аз болгондо. Пуассон бөлүштүрүүсүн биномдук бөлүштүрүү менен жакындаштыруунун бир жалпы эрежеси - эгерде \(n \geq 20 \) жана \(p \leq 0.05 \).
Программалык камсыздоону колдонуу жана биномдук бөлүштүрүү
Технологиянын жана эсептөөнүн өнүгүшү менен, биномдук бөлүштүрүү эсептөөлөрүн эми R, Python сыяктуу статистикалык программаларды жана Microsoft Excel сыяктуу башка программаларды колдонуу менен оңой эле аткарууга болот. Мисалы, Pythonдо биномдук бөлүштүрүү эсептөөлөрүн оңой аткаруу үчүн `scipy.stats` китепканасын колдонсоңуз болот:
"`python
scipy.stats импорттоодон binom
параметрлер
n = 10 сыноолордун саны
p = 0.5 ийгиликке жетүү ыктымалдыгы
k = 5 ийгиликтердин саны
биномдук ыктымалдуулукту эсептөө
binom_prob = binom.pmf(k, n, p)
print(“Так 5 ийгиликке жетүү ыктымалдыгы:”, binom_prob)
""
Корутунду
Биномдук бөлүштүрүү ыктымалдуулук жана статистикалык анализдеги негизги, бирок күчтүү бөлүштүрүү болуп саналат. Дискреттик мүнөзүнө жана эки натыйжага - ийгиликке жана ийгиликсиздикке - багытталгандыгынан улам, ал көптөгөн реалдуу дүйнөдөгү кырдаалдар үчүн идеалдуу модель болуп кызмат кылат. Биномдук бөлүштүрүүнү билүү окуянын ыктымалдуулугун аныктоого жана түшүнүүгө гана жардам бербестен, татаалыраак статистикалык анализ үчүн бекем негиз түзөт. Заманбап эсептөө куралдарын колдонуу биномдук бөлүштүрүүнү колдонууну барган сайын жеңилдетти, бул аны бүгүнкү күндө маалыматтарга негизделген дүйнөдө абдан актуалдуу куралга айландырды.
