Binominis pasiskirstymas: teorija, taikymas ir pavyzdžiai
Pendahuluanas
Binominis skirstinys yra pagrindinė statistikos ir tikimybių teorijos sąvoka. Būdamas vienu iš dažniausiai naudojamų diskrečiųjų skirstinių, binominis skirstinys turi daug pritaikymo galimybių tokiose srityse kaip medicina, ekonomika, biologija ir socialiniai mokslai. Šiame straipsnyje bus išsamiai aptartas binominis skirstinys, įskaitant jo apibrėžimą, pagrindines savybes, susijusias formules ir keletą praktinių taikymo pavyzdžių.
Binominio pasiskirstymo supratimas
Binominis skirstinys apibūdina n Bernulio bandymų rezultatą, kur kiekvienas bandymas turi tik du galimus rezultatus: „sėkmė“ arba „nesėkmė“. Pavyzdžiui, monetos metimo metu galimi rezultatai yra „galva“ arba „galva“.
Du pagrindiniai binominio skirstinio parametrai yra šie:
1. n (bandymų skaičius)
2. p (kiekvieno bandymo sėkmės tikimybė)
Formaliau, sėkmių per n bandymų skaičių galima apibūdinti binominiu skirstiniu \(B(n, p) \).
Tikimybės masės funkcija (PMF)
Binominio skirstinio tikimybės masės funkcija suformuluojama taip:
_[P(X = k) = _binom{n}{k} p^k (1 – p)^{n – k} _]
Kur:
– ∫(∫binom{n}{k}) yra n pasirinktų k skaičių derinys,
– \(p \) yra sėkmės tikimybė per vieną bandymą,
– \(k \) yra sėkmių skaičius,
– \(n \) yra bendras bandymų skaičius.
Pagrindinės binominio skirstinio savybės
Binominis skirstinys turi keletą pagrindinių savybių:
1. Vidurkis (vidurkis): gaunamas padauginus bandymų skaičių iš kiekvieno bandymo sėkmės tikimybės. Vidurkis yra \( \mu = np \).
2. Dispersija: binominio skirstinio dispersija yra bandymų skaičiaus, sėkmės tikimybės ir nesėkmės tikimybės sandauga, t. y. \( \sigma^2 = np(1 – p) \).
3. Simetrija ir asimetrija: Kai p = 0.5, binominis skirstinys yra simetriškas. Kai p < 0.5, skirstinys yra pasviręs į dešinę, o kai p > 0.5, – į kairę.
4. Reikšmių ribos: Binominė reikšmė (k) svyruoja nuo 0 iki n.
Binominis skirstinys ir centrinė ribinė teorema
Binominis skirstinys vaidina svarbų vaidmenį centrinėje ribinėje teoremoje. Kai bandymų skaičius (n) tampa labai didelis, binominis skirstinys artėja prie normalaus skirstinio, kurio vidurkis yra \mu = np \) ir standartinis nuokrypis yra \sigma = \sqrt{np(1 – p)} \).
Atvejo pavyzdys naudojant binominį skirstinį
Diskusijas apie binominį skirstinį bus lengviau suprasti pateikiant praktinių pavyzdžių iš įvairių sričių. Štai keletas praktinių pritaikymų:
1 pavyzdys: Produkto testavimas
Tarkime, elektronikos įmonė turi gamybos liniją, kurioje brokuoto produkto tikimybė yra 0.01. Jei įmonė patikrina 100 gaminių, kokia tikimybė rasti lygiai 2 brokuotus gaminius?
Naudojant binominio skirstinio formulę:
\[P(X = 2) = \binom{100}{2} (0.01)^2 (0.99)^{98} \]
Apskaičiavę derinius \(\binom{100}{2}\) ir padauginę juos iš likusių tikimybių, gauname galutinį rezultatą.
2 pavyzdys: Medicininiai tyrimai
Klinikinio vaisto nuo tam tikros ligos tyrimo metu paciento pasveikimo tikimybė yra 0.8. Jei tiriama 10 pacientų, kokia tikimybė, kad pasveiks bent 8 pacientai?
Norėdami rasti šią tikimybę, turime sudėti 8, 9 ir 10 pacientų pasveikimo tikimybes:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) \]
Naudojant binominę formulę kiekvienai k vertei (8, 9 ir 10), tada susumuojant rezultatus.
3 pavyzdys: Ekonomikos sprendimai
Rinkos tyrimo metu 60 % vartotojų pamėgo naują produktą. Jei atsitiktinai būtų paimta 20 vartotojų imtis, kokia tikimybė, kad produktas patiktų bent 15 iš jų?
Binominio skirstinio reikia norint apskaičiuoti patiktukų skaičiaus nuo 15 iki 20 tikimybę:
\[ P(X \geq 15) = P(X = 15) + P(X = 16) + P(X = 17) + P(X = 18) + P(X = 19) + P(X = 20) \]
Taikant tą patį metodą, apskaičiuojame ir susumuojame šias tikimybes.
Technologijų naudojimas binominio skirstinio skaičiavimuose
Skaitmeniniame amžiuje binominio skirstinio skaičiavimo programos atliekamos ne tik rankiniu būdu, bet ir naudojant tokią programinę įrangą kaip R, Python arba tam tikrus statistinius skaičiuotuvus.
Štai pavyzdys, kaip naudojant Python apskaičiuoti binominį skirstinį:
"" Python
iš scipy.stats importuoti binomą
n = 10 bandymų skaičius
p = 0.8 sėkmės tikimybė
k = 8 numatomas sėkmių skaičius
lygiai 8 sėkmių tikimybė
prob_8 = binom.pmf(k, n, p)
bent 8 sėkmių tikimybė
prob_ge_8 = 1 – binom.cdf(k-1, n, p)
print(f”Tiksliai 8 sėkmių tikimybė: {prob_8}”)
print(f”Tikimybė, kad bus bent 8 sėkmingi bandymai: {prob_ge_8}”)
„“
Išvada
Binominis skirstinys yra esminė statistikos ir tikimybių sąvoka. Suprasdami binominį skirstinį, galime pritaikyti įvairius tikimybių modelius realaus pasaulio situacijoms, apimančioms pakartotinius eksperimentus su dviem rezultatais. Gebėjimas naudoti technologines priemones padaro skaičiavimo procesą efektyvesnį ir tikslesnį. Binominis skirstinys yra svarbus ne tik teoriškai, bet ir turi daug aktualių praktinių pritaikymų įvairiose mokslo ir pramonės srityse.
Tikimės, kad šis straipsnis padės geriau suprasti binominį skirstinį ir įkvėps tolesnius tyrimus statistikos ir tikimybių srityse.
