Биномын тархалт: Онол, хэрэглээ ба жишээнүүд
Пендахулуан
Биномиал тархалт нь статистик болон магадлалын онолын үндсэн ойлголт юм. Хамгийн түгээмэл хэрэглэгддэг дискрет тархалтын нэг болох биномын тархалт нь анагаах ухаан, эдийн засаг, биологи, нийгмийн шинжлэх ухаан зэрэг салбарт олон төрлийн хэрэглээг санал болгодог. Энэ нийтлэлд биномын тархалтыг түүний тодорхойлолт, гол шинж чанарууд, холбогдох томъёо, хэд хэдэн практик хэрэглээний жишээ зэрэг гүнзгийрүүлэн авч үзэх болно.
Бином тархалтыг ойлгох нь
Биномиал тархалт нь n Бернулли туршилтын үр дүнг тодорхойлдог бөгөөд туршилт бүр нь зөвхөн хоёр боломжит үр дүнтэй байдаг: "амжилт" эсвэл "бүтэлгүйтэл". Жишээлбэл, зоос шидэхэд боломжит үр дүн нь "талбай" эсвэл "талбай" юм.
Бином тархалтын хоёр үндсэн параметр нь:
1. n (туршилтын тоо)
2. p (туршилт бүрт амжилт олох магадлал)
Илүү албан ёсоор, n туршилтын амжилтын тоог биномын тархалт \( B(n, p) \)-ээр тодорхойлж болно.
Магадлалын массын функц (PMF)
Биномиал тархалтын магадлалын массын функцийг дараах байдлаар томъёолно.
\[ P(X = k) = \binom{n}{k} p^k (1 – p)^{n – k} \]
Хаана:
– \( \binom{n}{k} \) нь сонгосон n k-ийн хослол юм,
– \( p \) нь ганц туршилтаар амжилтанд хүрэх магадлал юм,
– \( k \) нь амжилтын тоо,
– \( n \) нь туршилтын нийт тоо юм.
Биномын тархалтын үндсэн шинж чанарууд
Бином тархалт нь хэд хэдэн үндсэн шинж чанартай байдаг:
1. Дундаж (Дундаж): Туршилтын тоог туршилт бүрийн амжилтын магадлалаар үржүүлснээр гарна. Дундаж нь \( \mu = np \) байна.
2. Дисперс: Биномиал тархалтын дисперс нь туршилтын тоо, амжилтын магадлал болон бүтэлгүйтлийн магадлалын үржвэр юм, өөрөөр хэлбэл \( \sigma^2 = np(1 – p) \).
3. Тэгш хэм ба муруйлт: \(p = 0.5 \) үед биномын тархалт тэгш хэмтэй байна. \(p < 0.5 \) үед тархалт баруун тийш муруйж, \(p > 0.5 \) үед тархалт зүүн тийш муруйж байна.
4. Утгын хязгаар: Биномын утга (k) нь 0-ээс n хүртэл хэлбэлздэг.
Биномиал тархалт ба төв хязгаарын теорем
Биномиал тархалт нь Төвийн Хязгаарын Теоремд чухал үүрэг гүйцэтгэдэг. Туршилтын тоо (n) маш их болоход биномын тархалт нь дундаж \( \mu = np \) ба стандарт хазайлт \( \sigma = \sqrt{np(1 – p)} \) бүхий хэвийн тархалтад ойртох болно.
Бином тархалтыг ашиглах жишээ
Биномын тархалтын талаарх хэлэлцүүлгийг янз бүрийн салбарын практик жишээнүүдээр дамжуулан ойлгоход хялбар байх болно. Бодит ертөнцийн зарим хэрэглээг энд оруулав.
Жишээ 1: Бүтээгдэхүүний туршилт
Электроникийн компани нь бүтээгдэхүүний согогтой байх магадлал 0.01 гэсэн үйлдвэрлэлийн шугамтай гэж бодъё. Хэрэв компани 100 бүтээгдэхүүнийг шалгавал яг 2 согогтой бүтээгдэхүүн олох магадлал хэд вэ?
Биномиал тархалтын томъёог ашиглан:
\[ P(X = 2) = \binom{100}{2} (0.01)^2 (0.99)^{98} \]
\(\binom{100}{2}\) хослолуудыг тооцоолж, үлдсэн магадлалаар үржүүлснээр бид эцсийн үр дүнг гаргана.
Жишээ 2: Анагаах ухааны судалгаа
Тодорхой өвчний эмнэлзүйн туршилтаар өвчтөн уг эмийг хэрэглэснээр эдгэрэх магадлал 0.8 байна. Хэрэв 10 өвчтөнд шинжилгээ өгвөл дор хаяж 8 өвчтөн эдгэрэх магадлал хэд вэ?
Энэ магадлалыг олохын тулд бид 8, 9, 10 өвчтөний эдгэрэх магадлалыг нэмэх хэрэгтэй:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) \]
k (8, 9, ба 10)-ын утга бүрийн биномын томъёог ашиглан үр дүнг нэмнэ.
Жишээ 3: Эдийн засгийн шийдвэрүүд
Зах зээлийн судалгаагаар хэрэглэгчдийн 60% нь шинэ бүтээгдэхүүнд дуртай байсан. Хэрэв 20 хэрэглэгчийн санамсаргүй түүврийг авбал тэдний дор хаяж 15 нь уг бүтээгдэхүүнд дуртай байх магадлал хэд вэ?
15-аас 20 хүртэлх тооны лайкийн магадлалыг тооцоолохын тулд бидэнд биномын тархалт хэрэгтэй:
\[ P(X \geq 15) = P(X = 15) + P(X = 16) + P(X = 17) + P(X = 18) + P(X = 19) + P(X = 20) \]
Үүнтэй ижил аргыг ашиглан бид эдгээр магадлалыг тооцоолж, нэмдэг.
Биномын тархалтын тооцоололд технологийг ашиглах нь
Дижитал эрин үед биномын тархалтын тооцооллын програмуудыг зөвхөн гараар хийхээс гадна R, Python эсвэл тодорхой статистикийн тооны машинууд ашиглан хийдэг болсон.
Python ашиглан биномын тархалтыг тооцоолох жишээг энд харуулав.
"` питон
scipy.stats-аас импортлох бином
n = 10 туршилтын тоо
p = 0.8 амжилтын магадлал
k = 8 хүлээгдэж буй амжилтын тоо
яг 8 амжилтын магадлал
prob_8 = binom.pmf(k, n, p)
дор хаяж 8 амжилтын магадлал
prob_ge_8 = 1 – binom.cdf(k-1, n, p)
print(f”Яг 8 амжилттай байх магадлал: {prob_8}”)
print(f”Дор хаяж 8 амжилттай байх магадлал: {prob_ge_8}”)
""
Дүгнэлт
Биномиал тархалт нь статистик ба магадлалын чухал үндсэн ойлголт юм. Биномиал тархалтыг ойлгосноор бид хоёр үр дүнтэй давтан туршилтуудыг хамарсан бодит ертөнцийн нөхцөл байдалд янз бүрийн магадлалын загваруудыг хэрэглэж болно. Технологийн хэрэгслийг ашиглах чадвар нь тооцооллын үйл явцыг илүү үр дүнтэй, нарийвчлалтай болгодог. Биномиал тархалт нь зөвхөн онолын хувьд чухал төдийгүй шинжлэх ухаан, үйлдвэрлэлийн янз бүрийн салбарт олон тооны холбогдох практик хэрэглээтэй байдаг.
Энэ нийтлэл нь биномын тархалтын талаар илүү гүнзгий ойлголт өгөхөөс гадна статистик болон магадлалын чиглэлээр цаашид судлах урам зориг өгөх болно гэж найдаж байна.
