Nilai Jangkaan Taburan Binomial
Taburan binomial merupakan salah satu taburan kebarangkalian diskret yang paling biasa ditemui dalam statistik dan kebarangkalian. Taburan ini menerangkan bilangan kejayaan dalam satu siri percubaan binari bebas (percubaan dengan hanya dua hasil: kejayaan atau kegagalan). Untuk lebih memahami taburan binomial, adalah penting untuk memahami konsep nilai jangkaan, yang menerangkan nilai purata percubaan yang diulang dalam jangka masa panjang. Artikel ini akan mengulas konsep nilai jangkaan dalam konteks taburan binomial.
Definisi Taburan Binomial
Taburan binomial timbul dalam konteks di mana kita melakukan beberapa percubaan yang sama dan bebas, dan setiap percubaan mempunyai dua hasil yang saling eksklusif, biasanya dirujuk sebagai "kejayaan" dan "kegagalan." Contohnya, melambung syiling (kepala atau ekor), menjawab soalan peperiksaan (benar atau salah), atau percubaan perubatan (sembuh atau tidak sembuh).
Taburan binomial ditakrifkan oleh dua parameter:
– n , bilangan percubaan.
– p , kebarangkalian kejayaan pada setiap percubaan.
Secara kasarnya, jika X ialah pembolehubah rawak yang mewakili bilangan kejayaan dalam n percubaan, maka X mengikuti taburan binomial dengan parameter n dan p, dilambangkan sebagai X ~ Binomial(n, p).
Fungsi Kebarangkalian
Fungsi kebarangkalian bagi taburan binomial adalah seperti berikut:
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
Di mana:
– \( \binom{n}{k} \) ialah pekali binomial, yang dikira sebagai \( \frac{n!}{k!(nk)!} \).
– \( k \) ialah bilangan kejayaan yang diingini.
– \( n \) ialah bilangan percubaan.
– \( p \) ialah kebarangkalian kejayaan pada setiap percubaan.
– \( (1-p) \) ialah kebarangkalian kegagalan dalam setiap percubaan.
Nilai Jangkaan
Nilai jangkaan atau min bagi taburan kebarangkalian merupakan salah satu ukuran lokasi pusat yang paling penting. Bagi taburan binomial, nilai jangkaan bagi pembolehubah rawak X yang mengikuti Binomial(n, p) ialah:
\[ E(X) = np \]
Bukti Nilai Jangkaan
Untuk memahami mengapa nilai jangkaan taburan binomial ialah np, kita boleh menggunakan sifat lineariti bagi nilai jangkaan dan melihat bagaimana pembolehubah binari menambah sumbangannya.
Mari kita takrifkan \( X \) sebagai bilangan kejayaan dalam n percubaan binari. Lebih khusus lagi, katakan \( X_i \) sebagai pemboleh ubah rawak yang menunjukkan hasil percubaan ke-i, dengan \( X_i = 1 \) jika percubaan ke-i berjaya, dan \( X_i = 0 \) jika ia gagal. Kemudian, kita boleh menulis \( X \) sebagai:
\[ X = X_1 + X_2 + \ldots + X_n \]
Oleh kerana setiap \( X_i \) ialah pembolehubah binari dengan kebarangkalian kejayaan p, nilai jangkaan \( X_i \) ialah:
\[ E(X_i) = 1 \cdot p + 0 \cdot (1-p) = p \]
Kita boleh menggunakan sifat lineariti bagi nilai yang dijangkakan untuk nilai yang dijangkakan bagi X:
\[ E(X) = E(X_1 + X_2 + \ldots + X_n) \]
\[ E(X) = E(X_1) + E(X_2) + \ldots + E(X_n) \]
\[ E(X) = p + p + \ldots + p \]
\[ E(X) = np \]
Ini menunjukkan bahawa nilai jangkaan bagi taburan binomial ialah np.
Contoh Ilustrasi
Pertimbangkan kes di mana kita melambung syiling yang adil sebanyak 10 kali. Mari kita tanya apakah nilai jangkaan bilangan lambungan yang menghasilkan kepala.
Dalam kes ini:
– n = 10 (bilangan lambungan syiling)
– p = 0.5 (kebarangkalian mendapat kepala, memandangkan syiling itu adil)
Jadi, nilai yang dijangkakan ialah:
\[ E(X) = np = 10 \kali 0.5 = 5 \]
Ini bermakna jika kita melambung syiling sebanyak 10 kali berulang kali dalam jangka masa panjang, secara purata kita akan mendapat 5 kepala.
Varians dan Sisihan Piawai
Selain nilai yang dijangkakan, penting juga untuk memahami varians dan sisihan piawai bagi taburan binomial.
Bagi taburan binomial, varians \( \sigma^2 \) dan sisihan piawai \( \sigma \) adalah seperti berikut:
\[ \sigma^2 = np(1-p) \]
\[ \sigma = \sqrt{np(1-p)} \]
Varians mengukur sejauh mana data tersebar daripada nilai yang dijangkakan. Sisihan piawai ialah punca kuasa dua bagi varians dan juga mengukur penyebaran data, tetapi dalam unit yang sama seperti data asal.
Kesimpulannya
Taburan binomial merupakan konsep asas dalam statistik dan kebarangkalian, yang sering ditemui dalam pelbagai aplikasi dunia sebenar, daripada perniagaan kepada sains sosial dan biologi. Nilai jangkaan taburan binomial, yang dikira sebagai np, memberikan wawasan penting tentang purata bilangan kejayaan dalam satu siri percubaan binari. Dengan memahami konsep nilai jangkaan, varians dan sisihan piawai, kita boleh mendapatkan pemahaman yang lebih jelas tentang ciri-ciri taburan binomial dan bagaimana ia menggambarkan fenomena tertentu dalam kehidupan seharian.
Pengetahuan ini amat berguna bukan sahaja dalam analisis data dan statistik, tetapi juga dalam membuat keputusan yang memerlukan penilaian kebarangkalian dan ketidakpastian. Memahami nilai yang dijangkakan dan taburan binomial boleh membantu kita membuat ramalan yang lebih tepat dan membuat keputusan yang lebih tepat.
