Binominio pasiskirstymo funkcija: išsamus paaiškinimas ir taikymas
Binominis skirstinys yra vienas iš dažniausiai statistikoje ir tikimybių skaičiavime naudojamų diskrečiųjų tikimybių skirstinių. Šis skirstinys modeliuoja sėkmių skaičių identiškų, nepriklausomų bandymų serijoje, kur kiekvienas bandymas turi du galimus rezultatus: sėkmę arba nesėkmę. Šiame straipsnyje išsamiai išnagrinėsime binominio skirstinio funkcijos apibrėžimą, formulę, savybes ir taikymą.
Binominio pasiskirstymo supratimas
Binominis skirstinys apibūdina „sėkmių“ skaičių per n nepriklausomų bandymų, kur:
– Kiekvienas bandymas gali duoti tik du rezultatus: sėkmę arba nesėkmę.
– Kiekvieno bandymo sėkmės tikimybė yra p.
– Nesėkmės tikimybė yra 1 – p.
– Kiekvienas bandymas yra nepriklausomas vienas nuo kito.
Binominis skirstinys žymimas B(n, p), kur n yra bandymų skaičius, o p – vieno bandymo sėkmės tikimybė.
Binominio pasiskirstymo formulė
Binominis skirstinys apskaičiuojamas pagal šią formulę:
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
Kur:
– \(P(X = k) \): Tikimybė gauti lygiai k sėkmių per n bandymų.
– \( \binom{n}{k} \): n objektų, paimtų iš k, derinys.
– \( p \): Kiekvieno bandymo sėkmės tikimybė.
– \(n \): Bendras bandymų skaičius.
– \(k \): Pageidaujamas sėkmių skaičius.
Derinys \(\binom{n}{k}\) apskaičiuojamas taip:
\[ \binom{n}{k} = \frac{n!}{k!(nk)!} \]
Binominio skirstinio savybės
1. Lūkestis (vidurkis) ir dispersija:
– Binominio skirstinio vidurkis arba vidurkis yra \( \mu = np \).
– Dispersija yra \( \sigma^2 = np(1-p) \).
2. Simetrija:
– Binominis skirstinys yra simetriškas, jei p = 0.5. Jei p ≠ 0.5, skirstinys tampa iškreiptas į dešinę (p < 0.5) arba į kairę (p > 0.5).
3. Asimetrija ir kurtosis:
– Binominio skirstinio asimetrija yra \( \gamma_1 = \frac{1-2p}{\sqrt{np(1-p)}} \).
– Ekscesas yra (γ_2 = ∑1-6p(1-p)}{np(1-p)).
4. Apytikslis pasiskirstymas:
– Esant dideliam n ir p artėja prie 0.5, binominį skirstinį galima aproksimuoti pagal normalųjį skirstinį.
– Jei p yra labai mažas, o n yra labai didelis, todėl np išlieka pastovus, tai binominį skirstinį galima aproksimuoti pagal Puasono skirstinį.
Binominio skirstinio naudojimas
Binominis skirstinys naudojamas tokiose srityse kaip biologija, ekonomika, rinkodara ir inžinerija modeliuojant įvykius, kuriuos galima išreikšti dvejetainiais terminais (sėkmė / nesėkmė). Pateikiame keletą konkrečių jo naudojimo pavyzdžių:
Produkto kokybės testavimas
Tarkime, kad produkto partijos brokuotos tikimybė yra 2 %. Jei išbandome 50 produkto vienetų, galime naudoti binominį skirstinį, kad apskaičiuotume tikimybę rasti tam tikrą skaičių brokuotų vienetų. Kai n = 50 ir p = 0.02, galime apskaičiuoti tikimybę rasti lygiai k brokuotų vienetų partijoje.
Imčių vertinimas
Pavyzdžiui, rinkos tyrimuose apklausos dažnai atliekamos su klausimais, į kuriuos galima atsakyti tik į vieną klausimą. Jei norime sužinoti, kiek respondentų sutinka su teiginiu 100 žmonių imtyje (darant prielaidą, kad sutikimo tikimybė yra 0.7), binominis skirstinys gali padėti įvertinti numatomą sutinkančių žmonių skaičių.
Genetika
Genetikoje binominis skirstinys naudojamas modeliuojant tam tikrų požymių paveldėjimą iš vienos kartos į kitą. Pavyzdžiui, jei yra 25 % tikimybė, kad palikuonis turės tam tikrą genetinį požymį, galime naudoti binominį skirstinį, kad nustatytume tikimybę, jog iš keturių palikuonių du turės tą požymį.
Finansai ir draudimas
Finansuose binominis skirstinys gali būti naudojamas modeliuojant bankrotų, išmokų išmokų ar palūkanų normų už tam tikras prekes, kurios atitinka sėkmės / nesėkmės sąlygas, atsiradimą.
Skaičiavimo pavyzdys
Tarkime, norime apskaičiuoti tikimybę, kad iš 10 monetų metimų iškris lygiai 6 galvos (darant prielaidą, kad monetos yra teisingos ir p = 0.5):
P(X = 6) = ∫binom{10}{6} (0.5)^6 (0.5)^4]
[ = ∫₀ (10!) / 6! 4! (0.5)^{10} ]
[ = 210}, {1024}]
\[ = 0.205 \]
Taigi, tikimybė iš 10 monetos metimų iškristi lygiai 6 galvoms yra 0.205.
Skaičiavimo programos
Šiandienos technologijų amžiuje binominiai skirstiniai dažnai apskaičiuojami naudojant statistinę programinę įrangą, tokią kaip R, Python, arba skaičiuoklių įrankius, tokius kaip „Microsoft Excel“. Štai paprasto Python scenarijaus, naudojančio „scipy“ biblioteką, pavyzdys:
"" Python
iš scipy.stats importuoti binomą
Pavyzdžiui, norime rasti P(X = 6), kai n = 10 ir p = 0.5.
n = 10
p = 0.5
k = 6
tikimybė = binom.pmf(k, n, p)
print(f”Tikimybė gauti lygiai {k} galvas iš {n} monetos metimų yra {prob:.3f}”)
„“
Išvada
Binominis skirstinys yra svarbi statistikos ir tikimybių teorijos priemonė, ypač analizuojant nepriklausomus dvejetainius įvykius. Šios sąvokos įvaldymas gali padėti mums efektyviau spręsti problemas, susijusias su finansiniais sprendimais, rinkos tyrimais, produktų kokybe, genetika ir įvairiomis kitomis sritimis.
Suprasdami binominio skirstinio funkciją, galime tiksliai modeliuoti ir apskaičiuoti įvykių tikimybes ir priimti sprendimus remdamiesi patikima statistine analize. Technologijų ir statistinės programinės įrangos pažanga taip pat palengvino šio skirstinio apskaičiavimą ir vizualizavimą, todėl jis tapo prieinamesnis įvairiose studijų ir taikymo srityse.
