Binomiālā sadalījuma teorija, pielietojumi un piemēri
Pendahuluan
Binomiālais sadalījums ir fundamentāls jēdziens statistikā un varbūtību teorijā. Kā viens no visbiežāk izmantotajiem diskrētajiem sadalījumiem, binomiālais sadalījums piedāvā daudzus pielietojumus tādās jomās kā medicīna, ekonomika, bioloģija un sociālās zinātnes. Šajā rakstā tiks padziļināti aplūkots binomiālais sadalījums, tostarp tā definīcija, galvenās īpašības, saistītās formulas un vairāki praktiski pielietojuma piemēri.
Binomiālā sadalījuma izpratne
Binomiālais sadalījums apraksta n Bernulli izmēģinājumu iznākumu, kur katram izmēģinājumam ir tikai divi iespējamie iznākumi: “veiksme” vai “neveiksme”. Piemēram, monētas mešanā iespējamie iznākumi ir “galva” vai “galva”.
Binomiālā sadalījuma divi galvenie parametri ir:
1. n (mēģinājumu skaits)
2. p (veiksmes varbūtība katrā izmēģinājumā)
Formālāk, veiksmes reižu skaitu n mēģinājumos var aprakstīt ar binominālo sadalījumu \(B(n, p) \).
Varbūtības masas funkcija (PMF)
Binomiālā sadalījuma varbūtības masas funkcija ir formulēta šādi:
\[P(X = k) = \binom{n}{k} p^k (1 – p)^{n – k} \]
dimana:
– \( \binom{n}{k} \) ir n izvēlēto k vērtību kombinācija,
– \(p \) ir veiksmes varbūtība vienā mēģinājumā,
– \(k \) ir izdošanās reižu skaits,
– \(n \) ir kopējais mēģinājumu skaits.
Binomiālā sadalījuma galvenās īpašības
Binomiālajam sadalījumam ir vairākas galvenās īpašības:
1. Vidējais (Average): Iegūts, reizinot mēģinājumu skaitu ar katra mēģinājuma veiksmes varbūtību. Vidējais ir \( \mu = np \).
2. Dispersija: Binomiālā sadalījuma dispersija ir mēģinājumu skaita, veiksmes varbūtības un neveiksmes varbūtības reizinājums, tas ir (\sigma^2 = np(1 – p) \).
3. Simetrija un asimetrija: Ja p = 0.5, binomiālais sadalījums ir simetrisks. Ja p < 0.5, sadalījums ir sašķiebts pa labi, un, ja p > 0.5, sadalījums ir sašķiebts pa kreisi.
4. Vērtību robežas: Binomiālā vērtība (k) ir robežās no 0 līdz n.
Binomiālais sadalījums un centrālā robežteorēma
Binomiālajam sadalījumam ir svarīga loma centrālajā robežteorēmā. Kad mēģinājumu skaits (n) kļūst ļoti liels, binomiālais sadalījums tuvosies normālajam sadalījumam ar vidējo vērtību \mu = np \) un standartnovirzi \(\sigma = \sqrt{np(1 – p)} \).
Gadījuma piemērs, izmantojot binomiālo sadalījumu
Diskusijas par binomiālo sadalījumu būs vieglāk saprotamas, izmantojot praktiskus piemērus no dažādām jomām. Šeit ir daži reālās pasaules pielietojumi:
1. piemērs: Produkta testēšana
Pieņemsim, ka elektronikas uzņēmumam ir ražošanas līnija, kurā bojāta produkta varbūtība ir 0.01. Ja uzņēmums pārbauda 100 produktus, kāda ir varbūtība atrast tieši 2 bojātus produktus?
Izmantojot binomiālā sadalījuma formulu:
\[P(X = 2) = \binom{100}{2} (0.01)^2 (0.99)^{98} \]
Aprēķinot kombinācijas \(\binom{100}{2}\) un pēc tam reizinot ar atlikušajām varbūtībām, iegūstam gala rezultātu.
2. piemērs: Medicīniskā izpēte
Klīniskajā pētījumā, kurā tiek pētītas zāles noteiktas slimības ārstēšanai, varbūtība, ka pacients tiks izārstēts ar šīm zālēm, ir 0.8. Ja tiek testēti 10 pacienti, kāda ir varbūtība, ka tiks izārstēti vismaz 8 pacienti?
Lai atrastu šo varbūtību, mums jāsaskaita 8, 9 un 10 pacientu atveseļošanās varbūtības:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) \]
Izmantojot binominālo formulu katrai k vērtībai (8, 9 un 10) un pēc tam saskaitot rezultātus.
3. piemērs: Lēmumi ekonomikā
Tirgus aptaujā 60 % patērētāju patika jauns produkts. Ja tiek nejauši izvēlēta 20 patērētāju izlase, kāda ir varbūtība, ka produkts patiks vismaz 15 no viņiem?
Lai aprēķinātu atzīmju Patīk skaita no 15 līdz 20 varbūtību, mums ir nepieciešams binomiālais sadalījums:
\[ P(X \geq 15) = P(X = 15) + P(X = 16) + P(X = 17) + P(X = 18) + P(X = 19) + P(X = 20) \]
Izmantojot to pašu metodi, mēs aprēķinām un saskaitam šīs varbūtības.
Tehnoloģiju izmantošana binomiālā sadalījuma aprēķinos
Digitālajā laikmetā binomiālā sadalījuma aprēķināšanas lietojumprogrammas tiek veiktas ne tikai manuāli, bet arī izmantojot programmatūru, piemēram, R, Python vai noteiktus statistikas kalkulatorus.
Šeit ir piemērs, kā izmantot Python, lai aprēķinātu binomiālo sadalījumu:
"" Python
no scipy.stats importēt binom
n = 10 mēģinājumu skaits
p = 0.8 veiksmes varbūtība
k = 8 paredzamais izdošanās reižu skaits
tieši 8 panākumu varbūtība
prob_8 = binom.pmf(k, n, p)
vismaz 8 panākumu varbūtība
prob_ge_8 = 1 — binom.cdf(k-1, n, p)
print(f”Tieši 8 izdošanās varbūtība: {prob_8}”)
print(f”Vismaz 8 izdošanās varbūtība: {prob_ge_8}”)
“
Secinājums
Binomiālais sadalījums ir būtisks pamatjēdziens statistikā un varbūtību teorijā. Izprotot binomiālo sadalījumu, mēs varam pielietot dažādus varbūtības modeļus reālās situācijās, kas ietver atkārtotus eksperimentus ar diviem rezultātiem. Spēja izmantot tehnoloģiskos rīkus padara aprēķinu procesu efektīvāku un precīzāku. Binomiālais sadalījums ir ne tikai teorētiski svarīgs, bet tam ir arī daudzi atbilstoši praktiski pielietojumi dažādās zinātnes un rūpniecības jomās.
Cerams, ka šis raksts sniegs dziļāku izpratni par binomiālo sadalījumu un iedvesmos tālākai izpētei statistikas un varbūtības teorijas jomā.
