Функција на биномна распределба: Целосно објаснување и примени
Биномната распределба е една од најчесто користените дискретни распределби на веројатност во статистиката и веројатноста. Оваа распределба го моделира бројот на успеси во серија идентични, независни обиди, каде што секое обиди има два можни исхода: успех или неуспех. Во оваа статија, детално ќе ја истражиме дефиницијата, формулата, својствата и примените на функцијата на биномната распределба.
Разбирање на биномната распределба
Биномната распределба го опишува бројот на „успеси“ во n независни обиди, каде што:
– Секое испитување произведува само два можни исхода: успех или неуспех.
– Веројатноста за успех на секој обид е p.
– Веројатноста за неуспех е 1 – p.
– Секое испитување е независно едно од друго.
Биномната распределба се означува како B(n, p), каде што n е бројот на обиди, а p е веројатноста за успех во еден обид.
Формула за биномна распределба
Биномната распределба се пресметува со помош на следната формула:
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
Каде:
– \( P(X = k) \): Веројатноста за постигнување на точно k успеси во n обиди.
– \( \binom{n}{k} \): Комбинација од n објекти земени k.
– \( p \): Веројатност за успех на секој обид.
– \( n \): Вкупен број на обиди.
– \( k \): Посакуван број на успеси.
Комбинацијата \(\binom{n}{k}\) се пресметува како:
\[ \binom{n}{k} = \frac{n!}{k!(nk)!} \]
Својства на биномната распределба
1. Очекување (средна вредност) и варијанса:
– Очекуваната или средна вредност на биномната распределба е \( \mu = np \).
– Варијансата е \( \sigma^2 = np(1-p) \).
2. Симетрија:
– Биномната распределба е симетрична ако p = 0.5. Ако p ≠ 0.5, распределбата станува искривена надесно (p < 0.5) или налево (p > 0.5).
3. Искривување и куртоза:
– Асиметријата на биномната распределба е \( \gamma_1 = \frac{1-2p}{\sqrt{np(1-p)}} \).
– Куртозата е \( \gamma_2 = \frac{1-6p(1-p)}{np(1-p)} \).
4. Приближна распределба:
– За големи n и p кои се приближуваат до 0.5, биномната распределба може да се приближи со нормалната распределба.
– Ако p е многу мало, а n е многу големо, така што np останува константен, тогаш биномната распределба може да се пресмета приближно со Пуасонова распределба.
Користење на биномната распределба
Биномната распределба се користи во области како што се биологија, економија, маркетинг и инженерство за моделирање на настани што можат да се изразат во бинарни термини (успех/неуспех). Еве неколку конкретни примери за нејзина употреба:
Тестирање на квалитетот на производот
Да претпоставиме дека серијата на производот има 2% веројатност да биде неисправна. Ако тестираме 50 единици од производот, можеме да ја користиме биномната распределба за да ја пресметаме веројатноста за наоѓање на даден број на неисправни единици. Со n = 50 и p = 0.02, можеме да ја пресметаме веројатноста за наоѓање на точно k неисправни единици во серијата.
Проценка на земање примероци
На пример, во истражувањето на пазарот, анкетите често се спроведуваат со прашања со да/не одговор. Ако сакаме да го знаеме бројот на испитаници кои се согласуваат со некоја изјава во примерок од 100 луѓе (претпоставувајќи веројатност за согласност од 0.7), биномната распределба може да помогне да се процени очекуваниот број на луѓе кои се согласуваат.
Генетика
Во генетиката, биномната распределба се користи за моделирање на наследувањето на одредени особини од една генерација на друга. На пример, ако постои 25% веројатност дека потомството ќе има одредена генетска особина, можеме да ја користиме биномната распределба за да ја одредиме веројатноста дека од четири потомци, две ќе ја имаат таа особина.
Финансии и осигурување
Во финансиите, биномната распределба може да се користи за моделирање на појавата на банкроти, исплати на побарувања или каматни стапки на одредени стоки кои ги исполнуваат условите за успех/неуспех.
Пример за пресметка
Да претпоставиме дека сакаме да ја пресметаме веројатноста дека, од 10 фрлања парички, ќе добиеме точно 6 фрлања (под претпоставка дека монетите се правилни и p=0.5):
\[ P(X = 6) = \binom{10}{6} (0.5)^6 (0.5)^4 \]
\[ = \frac{10!}{6!4!} (0.5)^{10} \]
\[ = \frac{210}{1024} \]
\[ = 0.205 \]
Значи, веројатноста да се добијат точно 6 глави од 10 фрлања монети е 0.205.
Компјутерски апликации
Во денешното технолошко доба, биномните распределби често се пресметуваат со помош на статистички софтвер како што се R, Python или алатки за табеларни пресметки како Microsoft Excel. Еве еден пример за едноставна Python скрипта што ја користи библиотеката `scipy`:
„Пајтон
од scipy.stats увоз на бином
На пример, сакаме да го најдеме P(X = 6) за n=10 и p=0.5
n = 10
стр = 0.5
k = 6
prob = binom.pmf(k, n, p)
print(f”Веројатноста да се добијат точно {k} глави од {n} фрлања монети е {prob:.3f}”)
„„
Заклучок
Биномната распределба е важна алатка во статистиката и веројатноста, особено при анализа на независни бинарни настани. Совладувањето на овој концепт може да ни помогне поефикасно да се справиме со проблемите поврзани со финансиски одлуки, истражување на пазарот, квалитет на производот, генетика и разни други примени.
Со разбирање на функцијата на биномната распределба, можеме прецизно да ги моделираме и пресметаме веројатностите на настаните и да ги базираме одлуките врз основа на робусна статистичка анализа. Напредокот во технологијата и статистичкиот софтвер, исто така, го олесни пресметувањето и визуелизацијата на оваа распределба, правејќи ја подостапна во широк спектар на области на студии и апликации.
