Функција биномне расподеле: Комплетно објашњење и примене
Биномна расподела је једна од најчешће коришћених дискретних расподела вероватноће у статистици и вероватноћи. Ова расподела моделира број успеха у низу идентичних, независних покушаја, где сваки покушај има два могућа исхода: успех или неуспех. У овом чланку ћемо детаљно истражити дефиницију, формулу, својства и примене биномне функције расподеле.
Разумевање биномне дистрибуције
Биномна расподела описује број „успеха“ у n независних покушаја, где је:
– Сваки покушај производи само два могућа исхода: успех или неуспех.
– Вероватноћа успеха у сваком покушају је p.
– Вероватноћа неуспеха је 1 – p.
– Свако суђење је независно једно од другог.
Биномна расподела се означава као B(n, p), где је n број покушаја, а p вероватноћа успеха у једном покушају.
Формула биномне расподеле
Биномна расподела се израчунава помоћу следеће формуле:
\[ П(Кс = к) = \бином{н}{к} п^к (1-п)^{нк} \]
Где:
– \( P(X = k) \): Вероватноћа постизања тачно k успеха у n покушаја.
– \( \binom{n}{k} \): Комбинација n објеката узетих k.
– \( p \): Вероватноћа успеха у сваком покушају.
– \( n \): Укупан број покушаја.
– \( k \): Жељени број успеха.
Комбинација \(\binom{n}{k}\) се израчунава као:
\[ \бином{н}{к} = \фрац{н!}{к!(нк)!} \]
Особине биномне расподеле
1. Очекивање (средња вредност) и варијанса:
– Очекивана вредност или средња вредност биномне расподеле је \( \mu = np \).
– Варијанса је \( \sigma^2 = np(1-p) \).
2. Симетрија:
– Биномна расподела је симетрична ако је p = 0.5. Ако је p ≠ 0.5, расподела постаје асиметрична удесно (p < 0.5) или улево (p > 0.5).
3. Асиметрија и куртоза:
– Асиметрија биномне расподеле је \( \γ_1 = \frac{1-2p}{\sqrt{np(1-p)}} \).
– Куртоза је \( \γ_2 = \frac{1-6p(1-p)}{np(1-p)} \).
4. Приближна дистрибуција:
– За велико n и p које се приближава 0.5, биномна расподела се може апроксимирати нормалном расподелом.
– Ако је p веома мало, а n веома велико, тако да np остаје константно, онда се биномна расподела може апроксимирати Поасоновом расподелом.
Коришћење биномне расподеле
Биномна дистрибуција се користи у областима као што су биологија, економија, маркетинг и инжењерство за моделирање догађаја који се могу изразити бинарним терминима (успех/неуспех). Ево неких конкретних примера њене употребе:
Тестирање квалитета производа
Претпоставимо да серија производа има вероватноћу од 2% да буде неисправна. Ако тестирамо 50 јединица производа, можемо користити биномну расподелу да израчунамо вероватноћу проналажења датог броја неисправних јединица. Са n = 50 и p = 0.02, можемо израчунати вероватноћу проналажења тачно k неисправних јединица у серији.
Процена узорковања
На пример, у истраживању тржишта, анкете се често спроводе са питањима са одговорима да/не. Ако желимо да знамо број испитаника који се слажу са неком изјавом у узорку од 100 људи (под претпоставком вероватноће слагања од 0.7), биномна расподела може помоћи у процени очекиваног броја људи који се слажу.
Генетика
У генетици, биномна расподела се користи за моделирање наслеђивања одређених особина из једне генерације у другу. На пример, ако постоји вероватноћа од 25% да ће потомак имати одређену генетску особину, можемо користити биномну расподелу да одредимо вероватноћу да ће од четири потомка, два имати ту особину.
Финансије и осигурање
У финансијама, биномна дистрибуција може се користити за моделирање појаве банкрота, исплата потраживања или каматних стопа на одређене робе које испуњавају услове успеха/неуспеха.
Пример израчунавања
Претпоставимо да желимо да израчунамо вероватноћу да, од 10 бацања новчића, добијемо тачно 6 глава (под претпоставком да су новчићи фер и p=0.5):
\[ P(X = 6) = \binom{10}{6} (0.5)^6 (0.5)^4 \]
\[ = \frac{10!}{6!4!} (0.5)^{10} \]
\[ = \frac{210}{1024} \]
\[ = 0.205 \]
Дакле, вероватноћа да се добије тачно 6 глава од 10 бацања новчића је 0.205.
Рачунарске апликације
У данашњем технолошком добу, биномне расподеле се често израчунавају помоћу статистичког софтвера као што су R, Python или алата за табеларне прорачуне попут Microsoft Excel-а. Ево примера једноставног Python скрипта који користи библиотеку `scipy`:
„`питхон
из scipy.stats импорта binom-а
На пример, желимо да пронађемо P(X = 6) за n=10 и p=0.5
н = КСНУМКС
п = 0.5
к = 6
вероватноћа = бином.пмф(к, н, п)
print(f”Вероватноћа да добијете тачно {k} глава из {n} бацања новчића је {prob:.3f}”)
„`
Закључак
Биномна расподела је важан алат у статистици и вероватноћи, посебно при анализи независних бинарних догађаја. Савладавање овог концепта може нам помоћи да ефикасније решавамо проблеме који укључују финансијске одлуке, истраживање тржишта, квалитет производа, генетику и разне друге примене.
Разумевањем биномне функције расподеле, можемо прецизно моделирати и израчунати вероватноће догађаја и заснивати одлуке на робусној статистичкој анализи. Напредак у технологији и статистичком софтверу је такође олакшао израчунавање и визуелизацију ове расподеле, чинећи је приступачнијом у широком спектру области проучавања и примена.
