Exempelfrågor och diskussion om binomialfördelning
Binomialfördelningen är en av de vanligaste diskreta sannolikhetsfördelningarna. Den är användbar för att modellera antalet framgångar över ett antal identiska, oberoende försök, som var och en producerar antingen en framgång eller ett misslyckande. I den här artikeln kommer vi att fördjupa oss i binomialfördelningen genom att ge flera exempel och en detaljerad diskussion.
Introduktion till binomialfördelning
Binomialfördelningens huvudsakliga egenskaper:
1. n: Antal försök eller repetitioner.
2. p: Sannolikhet för framgång i varje försök.
3. q = 1-p: Sannolikhet för misslyckande i varje försök.
Sannolikhetsmassfunktionen för binomialfördelningen är:
\[ P(X = k) = {n \choose k} p^k (1-p)^{nk} \]
Där:
– \( {n \choose k} = \frac{n!}{k!(nk)!} \)
– \(X \): En slumpmässig variabel som representerar antalet lyckade försök.
– \(k \): Antalet eftersträvade framgångar.
Exempel på Soal och Pembahasan
Låt oss börja med några exempelproblem för att förstå konceptet binomialfördelning mer i detalj.
Exempel 1: Att välja från en grupp studenter
Anta till exempel att vi har en grupp på 10 elever, och sannolikheten att varje elev blir utvald att delta i en tävling är 0,3. Vi vill veta sannolikheten att exakt 4 elever blir utvalda.
Steg 1: Identifiera parametrarna för binomialfördelningen.
– \(n = 10 \)
– \(p = 0.3 \)
Steg 2: Använd binomialfördelningen för att beräkna sannolikheten för \( X = 4 \).
[P(X = 4) = {10 \välj 4} (0.3)^4 (0.7)^6 \]
Beräkning av \({10 \välj 4} \):
\[ {10 \välj 4} = \frac{10!}{4!(10-4)!} = \frac{10!}{4!6!} = 210 \]
Beräkna nu \((0.3)^4 \) och \((0.7)^6 \):
\[(0.3)^4 = 0.0081 \]
\[(0.7)^6 = 0.117649 \]
Så,
[P(X = 4) = 210 ≥ 0.0081 ≥ 0.117649 (ungefär 0.20012)]
Så sannolikheten att exakt fyra elever väljs ut är ungefär 0.20012 eller 20.012 %.
Exempel 2: Sannolikhet mindre än eller lika med 2
Nu, till exempel, blir vi tillfrågade om sannolikheten att färre än eller lika med 2 elever kommer att väljas ut.
Steg 1: Vi måste beräkna \(P(X = 0) \), \(P(X = 1) \) och \(P(X = 2) \).
– För \(P(X = 0) \):
[P(X = 0) = {10 \välj 0} (0.3)^0 (0.7)^{10} \]
\[ {10 \välj 0} = 1 \]
\[ (0.7)^{10} = 0.0282475 \]
[P(X = 0) = 1 ⋅ 1 ⋅ 0.0282475 = 0.0282475]
– För \(P(X = 1) \):
[P(X = 1) = {10 \välj 1} (0.3)^1 (0.7)^9 \]
\[ {10 \välj 1} = 10 \]
\[(0.3) \cdot (0.7)^9 = 0.1210608 \]
[P(X = 1) = 10 ⋅ 0.3 ⋅ 0.1210608 = 0.3631824]
– För \(P(X = 2) \):
[P(X = 2) = {10 \välj 2} (0.3)^2 (0.7)^8 \]
\[ {10 \välj 2} = 45 \]
\[ (0.3)^2 \cdot (0.7)^8 = 0.2334744 \]
[P(X = 2) = 45 ⋅ 0.09 ⋅ 0.2334744 = 0.2334744]
Steg 2: Lägg ihop sannolikheterna.
\[ P(X ≤ 2) = P(X = 0) + P(X = 1) + P(X = 2) \]
\[P(X ≤ 2) = 0.0282475 + 0.3631824 + 0.3826372 = 0.7740671 \]
Så sannolikheten att färre än eller lika med 2 elever väljs ut är ungefär 0.7740671 eller 77.41 %.
Exempel 3: Sannolikhet för minst 8
Om ett experiment utförs 12 gånger, och sannolikheten för att lyckas i varje försök är 0.5, vad är då sannolikheten att minst 8 lyckade försök inträffar?
Steg 1: Ställ in binomialparametrarna: \(n = 12, p = 0.5 \).
Steg 2: Hitta sannolikheten för (X ≥ 8).
Detta kräver att man beräknar flera individuella sannolikheter och summerar dem:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) + P(X = 11) + P(X = 12) \]
Räkna en efter en:
– För \(P(X = 8) \):
[P(X = 8) = {12 \välj 8} (0.5)^8 (0.5)^4 \]
\[ {12 \välj 8} = 495 \]
\[ (0.5)^{12} = 0.0002441406 \]
[P(X = 8) = 495 ⋅ 0.0002441406 = 0.1208496]
– För \(P(X = 9) \):
[P(X = 9) = {12 \välj 9} (0.5)^9 (0.5)^3 \]
\[ {12 \välj 9} = 220 \]
[P(X = 9) = 220 ⋅ 0.0002441406 = 0.05371094]
– För \(P(X = 10) \):
[P(X = 10) = {12 \välj 10} (0.5)^{10} (0.5)^2 \]
\[ {12 \välj 10} = 66 \]
[P(X = 10) = 66 ⋅ 0.0002441406 = 0.01611328]
– För \(P(X = 11) \):
[P(X = 11) = {12 \välj 11} (0.5)^{11} (0.5)^1 \]
\[ {12 \välj 11} = 12 \]
[P(X = 11) = 12 ⋅ 0.0002441406 = 0.002929688]
– För \(P(X = 12) \):
[P(X = 12) = 12 = 12 (0.5)^12]
\[ {12 \välj 12} = 1 \]
[P(X = 12) = 1 ⋅ 0.0002441406 = 0.0002441406]
Steg 3: Addera alla sannolikheter.
\[P(X ≤ 8) = 0.1208496 + 0.05371094 + 0.01611328 + 0.002929688 + 0.0002441406 \approx 0.1938477 \]
Så sannolikheten att minst 8 framgångar inträffar i 12 försök är ungefär 0.1938477 eller 19.38 %.
slutsats
Binomialfördelningen är ett grundläggande begrepp inom statistiken som är avgörande i många praktiska tillämpningar. Genom att förstå hur man beräknar sannolikheter för olika fall av binomialfördelningen, som visas i exemplen ovan, kan vi tillämpa detta koncept i verkliga situationer. Denna övning förstärker också vår förståelse för hur sannolikhetsstrukturer fungerar i ett tydligt och organiserat sammanhang.
