Contoh Soalan Membincangkan Nilai Jangkaan Taburan Binomial
Taburan binomial ialah taburan diskret yang kerap digunakan dalam statistik untuk menggambarkan kebarangkalian bilangan kejayaan tertentu dalam beberapa percubaan yang dijalankan secara bebas. Taburan ini sangat berguna dalam pelbagai bidang, seperti ekonomi, biologi dan sains sosial. Satu konsep penting yang perlu difahami dalam taburan binomial ialah nilai jangkaan. Artikel ini akan membincangkan konsep nilai jangkaan dalam taburan binomial melalui beberapa contoh masalah dan perbincangannya.
Definisi Taburan Binomial
Taburan binomial menerangkan bilangan kejayaan dalam percubaan \( n \) yang mempunyai dua kemungkinan hasil: kejayaan atau kegagalan. Taburan ini dicirikan oleh dua parameter utama:
– \( n \): bilangan percubaan
– \( p \): kebarangkalian kejayaan dalam satu percubaan
Taburan ini sering dilambangkan sebagai B(n, p). Fungsi jisim kebarangkalian (PMF) bagi taburan binomial ialah:
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
di mana \( \binom{n}{k} \) ialah pekali binomial, yang dikira sebagai:
\[ \binom{n}{k} = \frac{n!}{k!(nk)!} \]
Nilai Jangkaan dalam Taburan Binomial
Nilai jangkaan bagi taburan binomial ialah purata bilangan kejayaan dalam percubaan \( n \), dan dirumuskan sebagai:
\[ E(X) = n \kali p \]
Contoh Soalan dan Perbincangan
Contoh Soalan 1
Soalan:
Katakan seorang penyelidik menjalankan eksperimen menanam 10 anak benih, setiap satu dengan kebarangkalian pertumbuhan 0.7. Berapakah bilangan anak benih yang dijangkakan akan tumbuh?
Perbincangan:
Ia diketahui:
– \( n = 10 \)
– \( p = 0.7 \)
Nilai yang dijangkakan, \( E(X) \), dikira sebagai:
\[ E(X) = n \kali p \]
\[ E(X) = 10 \kali 0.7 \]
\[ E(X) = 7 \]
Jadi, nilai jangkaan bagi bilangan biji benih yang tumbuh ialah 7 biji benih.
Contoh Soalan 2
Soalan:
Dalam peperiksaan, kebarangkalian seorang pelajar menjawab setiap soalan dengan betul ialah 0.8. Jika terdapat 15 soalan dalam peperiksaan, apakah bilangan jawapan yang dijangkakan untuk jawapan yang betul?
Perbincangan:
Ia diketahui:
– \( n = 15 \)
– \( p = 0.8 \)
Nilai yang dijangkakan, \( E(X) \), dikira sebagai:
\[ E(X) = n \kali p \]
\[ E(X) = 15 \kali 0.8 \]
\[ E(X) = 12 \]
Jadi, nilai jangkaan bagi bilangan jawapan yang betul ialah 12 soalan.
Contoh Soalan 3
Soalan:
Sebuah syarikat percetakan menghasilkan helaian kertas dengan kebarangkalian 0.02 kecacatan. Dalam satu hari bekerja, kilang itu menghasilkan 500 helaian kertas. Berapakah bilangan helaian kertas yang dijangkakan rosak dalam satu hari?
Perbincangan:
Ia diketahui:
– \( n = 500 \)
– \( p = 0.02 \)
Nilai yang dijangkakan, \( E(X) \), dikira sebagai:
\[ E(X) = n \kali p \]
\[ E(X) = 500 \kali 0.02 \]
\[ E(X) = 10 \]
Jadi, nilai jangkaan bagi bilangan helaian kertas yang rosak dalam satu hari ialah 10 helaian.
Perluasan Konsep dalam Pemahaman
1. Varians dan Sisihan Piawai:
Selain nilai yang dijangkakan, adalah penting juga untuk memahami varians dan sisihan piawai dalam taburan binomial. Varians taburan binomial dirumuskan sebagai:
\[ \text{Var}(X) = n \times p \times (1 – p) \]
Sisihan piawai ialah punca kuasa dua bagi varians:
\[ \text{SD}(X) = \sqrt{n \times p \times (1 – p)} \]
2. Aplikasi dalam Peperiksaan Statistik:
Dalam peperiksaan atau ujian akademik, skor yang dijangkakan boleh digunakan untuk mengukur purata skor yang dijangkakan bagi seseorang pelajar atau sekumpulan pelajar, membantu dalam analisis kurikulum pendidikan dan penilaian keberkesanan pengajaran.
3. Kajian Kes dalam Epidemiologi:
Contohnya, dalam kajian penularan penyakit, kebarangkalian pesakit pulih boleh dimodelkan menggunakan taburan binomial. Mengetahui nilai yang dijangkakan membolehkan profesional penjagaan kesihatan merancang sumber perubatan yang diperlukan berdasarkan bilangan pesakit yang diramalkan pulih.
Kesimpulannya
Taburan binomial merupakan alat penting dalam statistik yang membantu menggambarkan kebarangkalian kejayaan dalam satu siri percubaan. Nilai yang dijangkakan dalam taburan binomial merupakan konsep utama yang menggambarkan purata bilangan kejayaan yang dijangkakan. Melalui contoh yang dibincangkan, kita dapat melihat bagaimana nilai yang dijangkakan dikira dan digunakan dalam pelbagai konteks. Pemahaman yang kukuh tentang konsep ini membolehkan penyelidik dan pengamal membuat perancangan yang lebih baik dan membuat keputusan yang lebih bermaklumat berdasarkan data kebarangkalian.
Taburan binomial bukan sahaja penting dalam teori kebarangkalian dan statistik tetapi juga sangat relevan dalam pelbagai aplikasi praktikal. Oleh itu, mengkaji taburan ini dan konsep nilai yang dijangkakan menyediakan asas yang kukuh dalam analisis data dan membuat keputusan.
