Pričakovana vrednost binomske porazdelitve
Binomska porazdelitev je ena najpogostejših diskretnih verjetnostnih porazdelitev v statistiki in verjetnosti. Ta porazdelitev opisuje število uspehov v seriji neodvisnih binarnih poskusov (poskusov z le dvema izidoma: uspehom ali neuspehom). Za boljše razumevanje binomske porazdelitve je pomembno razumeti koncept pričakovane vrednosti, ki opisuje povprečno vrednost poskusa, ki se ponavlja v daljšem časovnem obdobju. Ta članek bo pregledal koncept pričakovane vrednosti v kontekstu binomske porazdelitve.
Opredelitev binomske porazdelitve
Binomska porazdelitev se pojavi v kontekstih, kjer izvajamo več enakih in neodvisnih poskusov, pri čemer ima vsak poskus dva medsebojno izključujoča se izida, ki ju običajno imenujemo »uspeh« in »neuspeh«. Na primer, metanje kovanca (glava ali rep), odgovor na izpitno vprašanje (pravilno ali napačno) ali medicinsko preskušanje (ozdravljen ali neozdravljen).
Binomsko porazdelitev definirata dva parametra:
– n, število poskusov.
– p , verjetnost uspeha v vsakem poskusu.
Grobo rečeno, če je X naključna spremenljivka, ki predstavlja število uspehov v n poskusih, potem X sledi binomski porazdelitvi s parametroma n in p, označeni kot X ~ Binomial(n, p).
Funkcija verjetnosti
Funkcija verjetnosti binomske porazdelitve je naslednja:
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
di mana:
– \( \binom{n}{k} \) je binomski koeficient, ki se izračuna kot \( \frac{n!}{k!(nk)!} \).
– \( k \) je želeno število uspehov.
– \(n \) je število poskusov.
– \( p \) je verjetnost uspeha v vsakem poskusu.
– \( (1-p) \) je verjetnost neuspeha v vsakem poskusu.
Pričakovana vrednost
Pričakovana vrednost ali povprečje verjetnostne porazdelitve je ena najpomembnejših mer centralne lokacije. Za binomsko porazdelitev je pričakovana vrednost naključne spremenljivke X, ki sledi Binomial(n, p), enaka:
\[ E(X) = np \]
Dokazilo o pričakovani vrednosti
Da bi razumeli, zakaj je pričakovana vrednost binomske porazdelitve np, lahko uporabimo lastnost linearnosti pričakovane vrednosti in poglejmo, kako se prispevki binarnih spremenljivk seštevajo.
Definirajmo \( X \) kot število uspehov v n binarnih poskusih. Natančneje, naj bo \( X_i \) naključna spremenljivka, ki označuje izid i-tega poskusa, kjer je \( X_i = 1 \), če je i-ti poskus uspešen, in \( X_i = 0 \), če je neuspešen. Potem lahko \( X \) zapišemo kot:
\[ X = X_1 + X_2 + \pike + X_n \]
Ker je vsak \(X_i \) binarna spremenljivka z verjetnostjo uspeha p, je pričakovana vrednost \(X_i \):
\[ E(X_i) = 1 \cdot p + 0 \cdot (1-p) = p \]
Za pričakovano vrednost X lahko uporabimo lastnost linearnosti pričakovane vrednosti:
\[ E(X) = E(X_1 + X_2 + \ldots + X_n) \]
\[ E(X) = E(X_1) + E(X_2) + \ldots + E(X_n) \]
\[ E(X) = p + p + \pike + p \]
\[ E(X) = np \]
To kaže, da je pričakovana vrednost binomske porazdelitve np.
Ilustrativni primer
Razmislimo o primeru, ko 10-krat vržemo pošten kovanec. Vprašajmo se, kakšna bi bila pričakovana vrednost števila metov, pri katerih pade glava.
V tem primeru:
– n = 10 (število metov kovanca)
– p = 0.5 (verjetnost, da pade glava, ker je kovanec pošten)
Torej, pričakovana vrednost je:
\[ E(X) = np = 10 \krat 0.5 = 5 \]
To pomeni, da če kovanec vržemo 10-krat zaporedoma v daljšem časovnem obdobju, bomo v povprečju 5-krat dobili glavo.
Varianca in standardni odklon
Poleg pričakovane vrednosti je pomembno razumeti tudi varianco in standardni odklon binomske porazdelitve.
Za binomsko porazdelitev sta varianca ( \sigma^2 \) in standardni odklon ( \sigma \) naslednja:
\[ \sigma^2 = np(1-p) \]
\[ \sigma = \sqrt{np(1-p)} \]
Variance meri, kako zelo so podatki razpršeni od pričakovane vrednosti. Standardni odklon je kvadratni koren variance in prav tako meri razpršenost podatkov, vendar v istih enotah kot izvirni podatki.
Zaključek
Binomska porazdelitev je temeljni koncept v statistiki in verjetnosti, ki se pogosto sreča v različnih aplikacijah v resničnem svetu, od poslovnih ved do družboslovja in biologije. Pričakovana vrednost binomske porazdelitve, izračunana kot np, ponuja pomemben vpogled v povprečno število uspehov v seriji binarnih poskusov. Z razumevanjem konceptov pričakovane vrednosti, variance in standardnega odklona lahko bolje razumemo značilnosti binomske porazdelitve in kako opisuje določene pojave v vsakdanjem življenju.
To znanje je izjemno uporabno ne le pri analizi podatkov in statistiki, temveč tudi pri odločanju, ki zahteva ocenjevanje verjetnosti in negotovosti. Razumevanje pričakovane vrednosti in binomske porazdelitve nam lahko pomaga pri natančnejših napovedih in sprejemanju bolj informiranih odločitev.
