Exemple de întrebări și discuții despre distribuția probabilității
Distribuția probabilității este unul dintre conceptele fundamentale în statistică și probabilități. Este utilizată pentru a înțelege probabilitatea apariției diferitelor valori ale unui număr aleator. Distribuțiile probabilității pot lua multe forme, în funcție de natura datelor analizate. Cele două tipuri cele mai comune de distribuții de probabilitate sunt discrete și continue. În acest articol, vom examina câteva exemple de probleme și vom discuta despre distribuțiile de probabilitate pentru a ne ajuta să înțelegem mai bine acest subiect.
Distribuție discretă
O distribuție discretă este o distribuție care calculează probabilitatea unei variabile aleatoare discrete, adică o variabilă care poate lua doar anumite valori. Exemple bine cunoscute de distribuții discrete sunt distribuția binomială și distribuția Poisson.
Exemplul 1: Distribuție binomială
Distribuția binomială descrie numărul de succese dintr-o serie de încercări Bernoulli. Fiecare încercare Bernoulli are două rezultate: succes sau eșec. Probabilitatea de succes rămâne constantă pe tot parcursul încercării.
Întrebare:
O companie farmaceutică testează un nou medicament pe 10 pacienți. Probabilitatea ca medicamentul să funcționeze la oricare pacient este de 0.7. Calculați probabilitatea ca medicamentul să funcționeze la exact 7 din 10 pacienți.
Pembahasan:
Variabila aleatoare \(X\) urmează o distribuție binomială cu \(n = 10\) și \(p = 0.7\). Funcția de probabilitate binomială este:
P(X = k) = \binom{n}{k} p^k (1 – p)^{n – k}
Pentru \(k = 7\):
P(X = 7) = 10/7 (0.7)^7 (0.3)^3
Calcularea coeficientului binomial \(\binom{10}{7}\):
\[ \binom{10}{7} = \frac{10!}{7!(10-7)!} = \frac{10!}{7!3!} = 120 \]
Calcularea valorilor probabilității:
P(X = 7) = 120 × (0.7)^7 × (0.3)^3
P(X = 7) \aprox. 120 \times 0.0823543 \times 0.027
P(X = 7) \aprox. 0.231
Deci, probabilitatea ca medicamentul să funcționeze la exact 7 din 10 pacienți este de aproximativ 0.231 sau 23.1%.
Exemplul 2: Distribuția Poisson
Distribuția Poisson este utilizată pentru a modela numărul de apariții ale unui eveniment rar într-un interval de timp sau spațiu dat.
Întrebare:
Un magazin primește în medie 4 clienți pe oră. Care este probabilitatea ca magazinul să primească exact 5 clienți într-o oră?
Pembahasan:
Variabila aleatoare \(X\) urmează o distribuție Poisson cu parametrul \(\lambda = 4\). Funcția de masă a probabilității Poisson este:
P(X = k) = \frac{\lambda^ke^{-\lambda}}{k!}
Pentru \(k = 5\):
P(X = 5) = \frac{4^5 e^{-4}}{5!}
Conta:
P(X = 5) = \frac{1024 \cdot e^{-4}}{120} \]
P(X = 5) \approx \frac{1024 \cdot 0.0183}{120} \]
P(X = 5) \aprox. 0.156
Deci, probabilitatea ca magazinul să primească exact 5 clienți într-o oră este de aproximativ 0.156, sau 15.6%.
Distribuție continuă
Distribuțiile continue sunt utilizate atunci când variabila aleatorie măsurată poate lua orice valoare într-un anumit interval. Exemple bine cunoscute de distribuții continue sunt distribuția normală și distribuția exponențială.
Exemplul 3: Distribuție normală
Distribuția normală, adesea numită distribuție gaussiană, este o distribuție utilizată în mod obișnuit în diverse domenii, inclusiv știință, inginerie și economie.
Întrebare:
Înălțimile bărbaților adulți dintr-un oraș au o distribuție normală, cu o medie de 170 cm și o deviație standard de 10 cm. Care este probabilitatea ca un bărbat selectat aleatoriu să aibă o înălțime cuprinsă între 160 cm și 180 cm?
Pembahasan:
Trebuie să calculăm scorul z pentru 160 cm și 180 cm. Scorul z este definit ca:
\[ Z = \frac{X – \mu}{\sigma} \]
Pentru \(X = 160\):
\[ Z_{160} = \frac{160 – 170}{10} = -1 \]
Pentru \(X = 180\):
\[ Z_{180} = \frac{180 – 170}{10} = 1 \]
Acum trebuie să ne uităm la valorile probabilității de la -1 la 1 în tabelul z. Valoarea de la z = -1 la z = 1 este de aproximativ 0.6826.
Deci, probabilitatea ca un bărbat selectat aleatoriu să aibă o înălțime cuprinsă între 160 cm și 180 cm este de aproximativ 0.6826 sau 68.26%.
Exemplul 4: Distribuție exponențială
Distribuția exponențială este utilizată pentru a modela timpul dintre evenimentele unui proces Poisson.
Întrebare:
Timpul mediu dintre sosirea a două clienți într-un magazin este de 15 minute. Care este probabilitatea ca timpul dintre sosirea a două clienți să fie mai mic de 10 minute?
Pembahasan:
Distribuția exponențială are un parametru λ care este inversa mediei (μ). Cu o medie de 15 minute:
λ = 1/μ = 1/15 = 0.0667
Funcția de distribuție cumulativă exponențială este:
P(X ≤ x) = 1 – e^{-λx}
Pentru \(x = 10\):
P(X ≤ 10) = 1 – e^{-0.0667 × 10}
P(X ≤ 10) = 1 – e^{-0.667}
P(X ≤ 10) ≈ 1 – 0.5134
P(X ≤ 10) ≈ 0.4866
Deci, probabilitatea ca timpul dintre sosirea a două clienți să fie mai mic de 10 minute este de aproximativ 0.4866 sau 48.66%.
Concluzie
Distribuțiile de probabilitate, atât discrete, cât și continue, sunt concepte foarte utile pentru modelarea și înțelegerea comportamentului variabilelor aleatoare. Distribuțiile binomială și Poisson sunt adesea utilizate pentru variabile discrete, în timp ce distribuțiile normale și exponențială sunt exemple de distribuții continue.
Prin exemplele de mai sus, sperăm că ați dobândit o mai bună înțelegere a modului de calculare și interpretare a probabilităților în distribuțiile de probabilități. Cu o practică constantă, capacitatea dumneavoastră de a înțelege distribuțiile de probabilități se va îmbunătăți și va putea fi aplicată în diverse discipline.
