Mifano ya Maswali na Majadiliano ya Usambazaji wa Uwezekano
Usambazaji wa uwezekano ni mojawapo ya dhana za msingi katika takwimu na uwezekano. Hutumika kuelewa uwezekano wa thamani mbalimbali za nambari nasibu kutokea. Usambazaji wa uwezekano unaweza kuchukua maumbo mengi kulingana na aina ya data inayochambuliwa. Aina mbili za kawaida za usambazaji wa uwezekano ni tofauti na endelevu. Katika makala haya, tutapitia mifano kadhaa ya matatizo na kujadili usambazaji wa uwezekano ili kutusaidia kuelewa vyema mada hii.
Usambazaji Huria
Usambazaji wa kipekee ni usambazaji unaohesabu uwezekano wa kigezo nasibu cha kipekee, yaani, kigezo ambacho kinaweza kuchukua thamani fulani tu. Mifano inayojulikana ya usambazaji wa kipekee ni Usambazaji wa Binomial na Usambazaji wa Poisson.
Mfano wa 1: Usambazaji wa Binomial
Usambazaji wa binomial unaelezea idadi ya mafanikio katika mfululizo wa majaribio ya Bernoulli. Kila jaribio la Bernoulli lina matokeo mawili: mafanikio au kushindwa. Uwezekano wa mafanikio unabaki thabiti katika kipindi chote cha jaribio.
Swali:
Kampuni ya dawa inajaribu dawa mpya kwa wagonjwa 10. Uwezekano kwamba dawa hiyo inafanya kazi kwa mgonjwa yeyote mmoja ni 0.7. Hesabu uwezekano kwamba dawa hiyo inafanya kazi kwa wagonjwa 7 kati ya 10 haswa.
Majadiliano:
Kigezo nasibu \(X\) hufuata usambazaji wa binomial ukitumia \(n = 10\) na \(p = 0.7\). Kitendakazi cha uwezekano wa binomial ni:
\[ P(X = k) = \binom{n}{k} p^k (1 – p)^{n – k} \]
Kwa \(k = 7\):
\[ P(X = 7) = \binom{10}{7} (0.7)^7 (0.3)^3 \]
Kuhesabu mgawo wa binomial \(\binom{10}{7}\):
\[ \binom{10}{7} = \frac{10!}{7!(10-7)!} = \frac{10!}{7!3!} = 120 \]
Kuhesabu thamani za uwezekano:
\[ P(X = 7) = 120 \mara (0.7)^7 \mara (0.3)^3 \]
\[ P(X = 7) \takriban 120 \mara 0.0823543 \mara 0.027 \]
\[ P(X = 7) \takriban 0.231 \]
Kwa hivyo, uwezekano kwamba dawa hiyo inafanya kazi kwa wagonjwa 7 kati ya 10 ni takriban 0.231 au 23.1%.
Mfano wa 2: Usambazaji wa Poisson
Usambazaji wa Poisson hutumika kuiga idadi ya matukio ya tukio adimu ndani ya muda au nafasi fulani.
Swali:
Duka hupata wastani wa wateja 4 kwa saa. Kuna uwezekano gani kwamba duka litapata wateja 5 haswa katika saa moja?
Majadiliano:
Kigezo nasibu \(X\) hufuata usambazaji wa Poisson wenye kigezo \(\lambda = 4\). Kitendakazi cha uzito wa uwezekano wa Poisson ni:
\[ P(X = k) = \frac{\lambda^ke^{-\lambda}}{k!} \]
Kwa \(k = 5\):
\[ P(X = 5) = \frac{4^5 e^{-4}}{5!} \]
Hesabu:
\[ P(X = 5) = \frac{1024 \cdot e^{-4}}{120} \]
\[ P(X = 5) \takriban \frac{1024 \cdot 0.0183}{120} \]
\[ P(X = 5) \takriban 0.156 \]
Kwa hivyo, uwezekano kwamba duka litapokea wateja 5 haswa katika saa moja ni takriban 0.156, au 15.6%.
Usambazaji Endelevu
Usambazaji endelevu hutumika wakati kigezo nasibu kinachopimwa kinaweza kuchukua thamani yoyote ndani ya safu fulani. Mifano inayojulikana ya usambazaji endelevu ni Usambazaji wa Kawaida na Usambazaji wa Kielelezo.
Mfano wa 3: Usambazaji wa Kawaida
Usambazaji wa Kawaida, ambao mara nyingi huitwa Usambazaji wa Gaussian, ni usambazaji unaotumika sana katika nyanja mbalimbali, ikiwa ni pamoja na sayansi, uhandisi, na uchumi.
Swali:
Urefu wa wanaume wazima katika jiji kwa kawaida husambazwa kwa wastani wa sentimita 170 na kupotoka kwa kawaida kwa sentimita 10. Kuna uwezekano gani kwamba mwanaume aliyechaguliwa bila mpangilio awe na urefu wa kati ya sentimita 160 na sentimita 180?
Majadiliano:
Tunahitaji kuhesabu alama ya z kwa sentimita 160 na sentimita 180. Alama ya z imefafanuliwa kama:
\[ Z = \frac{X – \mu}{\sigma} \]
Kwa \(X = 160\):
\[ Z_{160} = \frac{160 – 170}{10} = -1 \]
Kwa \(X = 180\):
\[ Z_{180} = \frac{180 – 170}{10} = 1 \]
Sasa tunahitaji kuangalia thamani za uwezekano kutoka -1 hadi 1 katika jedwali la z. Thamani kutoka z = -1 hadi z = 1 ni takriban 0.6826.
Kwa hivyo, uwezekano kwamba mwanaume aliyechaguliwa bila mpangilio ni kati ya sentimita 160 na sentimita 180 ni takriban asilimia 0.6826 au asilimia 68.26.
Mfano wa 4: Usambazaji wa Kielelezo
Usambazaji wa Kielelezo hutumika kuiga muda kati ya matukio katika mchakato wa Poisson.
Swali:
Muda wa wastani kati ya wateja wawili wanaofika dukani ni dakika 15. Kuna uwezekano gani kwamba muda kati ya wateja wawili wanaofika ni chini ya dakika 10?
Majadiliano:
Usambazaji wa Kielelezo una kigezo \(\lambda\) ambacho ni kinyume cha wastani (\(\mu\)). Kwa wastani wa dakika 15:
\[ \lambda = \frac{1}{\mu} = \frac{1}{15} = 0.0667 \]
Kitendakazi cha usambazaji wa jumla wa kipeo ni:
\[ P(X \leq x) = 1 – e^{-\lambda x} \]
Kwa \(x = 10\):
\[ P(X \leq 10) = 1 – e^{-0.0667 \mara 10} \]
\[ P(X \leq 10) = 1 – e^{-0.667} \]
\[ P(X \leq 10) \takriban 1 – 0.5134 \]
\[ P(X \leq 10) \takriban 0.4866 \]
Kwa hivyo, uwezekano kwamba muda kati ya kuwasili kwa wateja wawili ni chini ya dakika 10 ni takriban 0.4866 au 48.66%.
Hitimisho
Usambazaji wa uwezekano, wote wawili tofauti na unaoendelea, ni dhana muhimu sana kwa ajili ya kuunda modeli na kuelewa tabia ya vigeu nasibu. Usambazaji wa binomial na Poisson mara nyingi hutumiwa kwa vigeu tofauti, huku usambazaji wa kawaida na wa kielelezo ni mifano ya usambazaji endelevu.
Kupitia mifano hapo juu, tunatumai umepata uelewa bora wa jinsi ya kuhesabu na kutafsiri uwezekano katika usambazaji wa uwezekano. Kwa mazoezi thabiti, uwezo wako wa kuelewa usambazaji wa uwezekano utaimarika na unaweza kutumika katika taaluma mbalimbali.
