Mifano ya Maswali na Majadiliano ya Usambazaji wa Binomial
Usambazaji wa binomial ni mojawapo ya usambazaji wa uwezekano tofauti unaotumika sana. Ni muhimu kwa kuiga idadi ya mafanikio katika majaribio kadhaa yanayofanana, huru, ambayo kila moja hutoa mafanikio au kushindwa. Katika makala haya, tutachunguza kwa undani zaidi usambazaji wa binomial kwa kutoa mifano kadhaa na majadiliano ya kina.
Utangulizi wa Usambazaji wa Binomial
Sifa kuu za usambazaji wa binomial:
1. n: Idadi ya majaribio au marudio.
2. p: Uwezekano wa kufanikiwa katika kila jaribio.
3. q = 1-p : Uwezekano wa kushindwa katika kila jaribio.
Kitendakazi cha wingi wa uwezekano wa usambazaji wa binomial ni:
\[ P(X = k) = {n \chagua k} p^k (1-p)^{nk} \]
Wapi:
– \( {n \chagua k} = \frac{n!}{k!(nk)!} \)
– \( X \): Kigezo nasibu kinachowakilisha idadi ya mafanikio.
– \( k \): Idadi ya mafanikio yanayotafutwa.
Maswali na Majadiliano ya Mfano
Tuanze na mifano michache ya matatizo ili kuelewa dhana ya usambazaji wa binomial kwa undani zaidi.
Mfano wa 1: Kuchagua kutoka kwa Kundi la Wanafunzi
Kwa mfano, tuseme tuna kundi la wanafunzi 10, na uwezekano kwamba kila mwanafunzi atachaguliwa kushiriki katika shindano ni 0,3. Tunataka kujua uwezekano kwamba wanafunzi 4 pekee watachaguliwa.
Hatua ya 1: Tambua vigezo vya usambazaji wa binomial.
– \( n = 10 \)
– \( p = 0.3 \)
Hatua ya 2: Tumia usambazaji wa binomial kuhesabu uwezekano wa \( X = 4 \).
\[ P(X = 4) = {10 \chagua 4} (0.3)^4 (0.7)^6 \]
Kuhesabu \( {10 \chagua 4} \):
\[ {10 \chagua 4} = \frac{10!}{4!(10-4)!} = \frac{10!}{4!6!} = 210 \]
Sasa hesabu \( (0.3)^4 \) na \( (0.7)^6 \):
\[ (0.3)^4 = 0.0081 \]
\[ (0.7)^6 = 0.117649 \]
Kwa hiyo,
\[ P(X = 4) = 210 \cdot 0.0081 \cdot 0.117649 \takriban 0.20012 \]
Kwa hivyo, uwezekano kwamba wanafunzi 4 haswa watachaguliwa ni takriban 0.20012 au 20.012%.
Mfano wa 2: Uwezekano Chini ya au Sawa na 2
Sasa, kwa mfano, tunaulizwa kuhusu uwezekano kwamba wanafunzi chini ya au sawa na 2 watachaguliwa.
Hatua ya 1: Tunapaswa kuhesabu \( P(X = 0) \), \( P(X = 1) \), na \( P(X = 2) \).
– Kwa \( P(X = 0) \):
\[ P(X = 0) = {10 \chagua 0} (0.3)^0 (0.7)^{10} \]
\[ {10 \chagua 0} = 1 \]
\[ (0.7)^{10} = 0.0282475 \]
\[ P(X = 0) = 1 \cdot 1 \cdot 0.0282475 = 0.0282475 \]
– Kwa \( P(X = 1) \):
\[ P(X = 1) = {10 \chagua 1} (0.3)^1 (0.7)^9 \]
\[ {10 \chagua 1} = 10 \]
\[ (0.3) \cdot (0.7)^9 = 0.1210608 \]
\[ P(X = 1) = 10 \cdot 0.3 \cdot 0.1210608 = 0.3631824 \]
– Kwa \( P(X = 2) \):
\[ P(X = 2) = {10 \chagua 2} (0.3)^2 (0.7)^8 \]
\[ {10 \chagua 2} = 45 \]
\[ (0.3)^2 \cdot (0.7)^8 = 0.2334744 \]
\[ P(X = 2) = 45 \cdot 0.09 \cdot 0.2334744 = 0.2334744 \]
Hatua ya 2: Ongeza uwezekano.
\[ P(X \leq 2) = P(X = 0) + P(X = 1) + P(X = 2) \]
\[ P(X \leq 2) = 0.0282475 + 0.3631824 + 0.3826372 = 0.7740671 \]
Kwa hivyo, uwezekano kwamba wanafunzi 2 chini ya au sawa na waliochaguliwa ni takriban 0.7740671 au 77.41%.
Mfano wa 3: Uwezekano wa angalau 8
Ikiwa jaribio litafanywa mara 12, na uwezekano wa kufanikiwa katika kila jaribio ni 0.5, kuna uwezekano gani kwamba angalau mafanikio 8 yatatokea?
Hatua ya 1: Weka vigezo vya binomial: \( n = 12, p = 0.5 \).
Hatua ya 2: Tafuta uwezekano wa \( X \geq 8 \).
Hii inahitaji kuhesabu uwezekano kadhaa wa mtu binafsi na kuuongeza:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) + P(X = 11) + P(X = 12) \]
Hesabu moja baada ya nyingine:
– Kwa \( P(X = 8) \):
\[ P(X = 8) = {12 \chagua 8} (0.5)^8 (0.5)^4 \]
\[ {12 \chagua 8} = 495 \]
\[ (0.5)^{12} = 0.0002441406 \]
\[ P(X = 8) = 495 \cdot 0.0002441406 = 0.1208496 \]
– Kwa \( P(X = 9) \):
\[ P(X = 9) = {12 \chagua 9} (0.5)^9 (0.5)^3 \]
\[ {12 \chagua 9} = 220 \]
\[ P(X = 9) = 220 \cdot 0.0002441406 = 0.05371094 \]
– Kwa \( P(X = 10) \):
\[ P(X = 10) = {12 \chagua 10} (0.5)^{10} (0.5)^2 \]
\[ {12 \chagua 10} = 66 \]
\[ P(X = 10) = 66 \cdot 0.0002441406 = 0.01611328 \]
– Kwa \( P(X = 11) \):
\[ P(X = 11) = {12 \chagua 11} (0.5)^{11} (0.5)^1 \]
\[ {12 \chagua 11} = 12 \]
\[ P(X = 11) = 12 \cdot 0.0002441406 = 0.002929688 \]
– Kwa \( P(X = 12) \):
\[ P(X = 12) = {12 \chagua 12} (0.5)^{12} \]
\[ {12 \chagua 12} = 1 \]
\[ P(X = 12) = 1 \cdot 0.0002441406 = 0.0002441406 \]
Hatua ya 3: Ongeza uwezekano wote.
\[ P(X \geq 8) = 0.1208496 + 0.05371094 + 0.01611328 + 0.002929688 + 0.0002441406 \takriban 0.1938477 \]
Kwa hivyo, uwezekano kwamba angalau mafanikio 8 hutokea katika majaribio 12 ni takriban 0.1938477 au 19.38%.
Hitimisho
Usambazaji wa binomiali ni dhana ya msingi katika takwimu ambayo ni muhimu katika matumizi mengi ya vitendo. Kwa kuelewa jinsi ya kuhesabu uwezekano wa visa mbalimbali vya usambazaji wa binomiali, kama inavyoonyeshwa katika mifano hapo juu, tunaweza kutumia dhana hii katika hali halisi. Zoezi hili pia linaimarisha uelewa wetu wa jinsi miundo ya uwezekano inavyofanya kazi katika muktadha ulio wazi na uliopangwa.
