ตัวอย่างคำถามสำหรับการอภิปรายเกี่ยวกับการกระจายโอกาส

ตัวอย่างคำถามและการอภิปรายเกี่ยวกับความน่าจะเป็น

การแจกแจงความน่าจะเป็นเป็นหนึ่งในแนวคิดพื้นฐานในสถิติและความน่าจะเป็น ใช้เพื่อทำความเข้าใจความน่าจะเป็นของการเกิดค่าต่างๆ ของจำนวนสุ่ม การแจกแจงความน่าจะเป็นสามารถมีได้หลายรูปแบบขึ้นอยู่กับลักษณะของข้อมูลที่นำมาวิเคราะห์ ประเภทของการแจกแจงความน่าจะเป็นที่พบได้บ่อยที่สุดสองประเภทคือแบบไม่ต่อเนื่องและแบบต่อเนื่อง ในบทความนี้ เราจะทบทวนตัวอย่างปัญหาหลายข้อและอภิปรายเกี่ยวกับการแจกแจงความน่าจะเป็นเพื่อช่วยให้เราเข้าใจหัวข้อนี้ได้ดียิ่งขึ้น

การแจกแจงแบบไม่ต่อเนื่อง

การแจกแจงแบบไม่ต่อเนื่อง คือการแจกแจงที่คำนวณความน่าจะเป็นของตัวแปรสุ่มแบบไม่ต่อเนื่อง กล่าวคือ ตัวแปรที่สามารถรับค่าได้เพียงบางค่าเท่านั้น ตัวอย่างที่รู้จักกันดีของการแจกแจงแบบไม่ต่อเนื่อง ได้แก่ การแจกแจงทวินามและการแจกแจงปัวซง

ตัวอย่างที่ 1: การแจกแจงทวินาม
การแจกแจงทวินามอธิบายจำนวนความสำเร็จในชุดของการทดลองแบบเบอร์นูลลี การทดลองแบบเบอร์นูลลีแต่ละครั้งมีผลลัพธ์สองอย่างคือ ความสำเร็จหรือความล้มเหลว ความน่าจะเป็นของความสำเร็จยังคงที่ตลอดการทดลอง

คำถาม:
บริษัทผลิตยาแห่งหนึ่งกำลังทดสอบยาใหม่กับผู้ป่วย 10 ราย ความน่าจะเป็นที่ยาจะได้ผลกับผู้ป่วยแต่ละรายคือ 0.7 จงคำนวณความน่าจะเป็นที่ยาจะได้ผลกับผู้ป่วย 7 รายจากทั้งหมด 10 ราย

การอภิปราย:
ตัวแปรสุ่ม \(X\) มีการแจกแจงแบบทวินาม โดยมี \(n = 10\) และ \(p = 0.7\) ฟังก์ชันความน่าจะเป็นแบบทวินามคือ:
[ P(X = k) = binom{n}{k} p^k (1 – p)^{n – k} ]

สำหรับ \(k = 7\):
[ P(X = 7) = \binom{10}{7} (0.7)^7 (0.3)^3 \]

การคำนวณสัมประสิทธิ์ทวินาม \(\binom{10}{7}\):
\[ \binom{10}{7} = \frac{10!}{7!(10-7)!} = \frac{10!}{7!3!} = 120 \]

การคำนวณค่าความน่าจะเป็น:
[ P(X = 7) = 120 \times (0.7)^7 \times (0.3)^3 \]
[ P(X = 7) ≈ 120 × 0.0823543 × 0.027 ]
[ P(X = 7) ≈ 0.231 ]

ดังนั้น โอกาสที่ยาจะออกฤทธิ์ในผู้ป่วย 7 ใน 10 ราย คือประมาณ 0.231 หรือ 23.1%

ตัวอย่างที่ 2: การแจกแจงปัวซง
การแจกแจงปัวซงใช้ในการจำลองจำนวนครั้งของการเกิดเหตุการณ์หายากภายในช่วงเวลาหรือพื้นที่ที่กำหนด

คำถาม:
ร้านค้าแห่งหนึ่งมีลูกค้าเฉลี่ย 4 คนต่อชั่วโมง ความน่าจะเป็นที่ร้านค้าจะมีลูกค้า 5 คนพอดีในหนึ่งชั่วโมงคือเท่าไร?

การอภิปราย:
ตัวแปรสุ่ม \(X\) เป็นไปตามการแจกแจงปัวซงที่มีพารามิเตอร์ \(\lambda = 4\). ฟังก์ชันความน่าจะเป็นมวลของปัวซงคือ:
[ P(X = k) = \frac{\lambda^ke^{-\lambda}}{k!} \]

สำหรับ \(k = 5\):
\[ P(X = 5) = \frac{4^5 e^{-4}}{5!} \]

นับ:
[ P(X = 5) = \frac{1024 \cdot e^{-4}}{120} \]
[ P(X = 5) ≈ 1024 ⋅ 0.0183 / 120 ]
[ P(X = 5) ≈ 0.156 ]

ดังนั้น ความน่าจะเป็นที่ร้านค้าจะได้รับลูกค้า 5 คนพอดีในหนึ่งชั่วโมงคือประมาณ 0.156 หรือ 15.6%

การกระจายอย่างต่อเนื่อง

การแจกแจงแบบต่อเนื่องใช้เมื่อตัวแปรสุ่มที่วัดสามารถรับค่าใดก็ได้ภายในช่วงที่กำหนด ตัวอย่างที่รู้จักกันดีของการแจกแจงแบบต่อเนื่อง ได้แก่ การแจกแจงแบบปกติและการแจกแจงแบบเอกซ์โปเนนเชียล

ตัวอย่างที่ 3: การแจกแจงแบบปกติ
การแจกแจงแบบปกติ หรือที่เรียกกันทั่วไปว่า การแจกแจงแบบเกาส์เซียน เป็นการแจกแจงที่ใช้กันทั่วไปในหลากหลายสาขา รวมถึงวิทยาศาสตร์ วิศวกรรม และเศรษฐศาสตร์

คำถาม:
ความสูงของชายวัยผู้ใหญ่ในเมืองแห่งหนึ่งมีการกระจายแบบปกติ โดยมีค่าเฉลี่ย 170 เซนติเมตร และส่วนเบี่ยงเบนมาตรฐาน 10 เซนติเมตร ความน่าจะเป็นที่ชายที่สุ่มเลือกมาคนหนึ่งจะมีความสูงระหว่าง 160 เซนติเมตร และ 180 เซนติเมตร คือเท่าใด

การอภิปราย:
เราจำเป็นต้องคำนวณค่า z-score สำหรับความสูง 160 ซม. และ 180 ซม. โดยค่า z-score นิยามได้ดังนี้:
\[ Z = \frac{X – \mu}{\sigma} \]

สำหรับ \(X = 160\):
\[ Z_{160} = \frac{160 – 170}{10} = -1 \]

สำหรับ \(X = 180\):
\[ Z_{180} = \frac{180 – 170}{10} = 1 \]

ตอนนี้เราต้องมาดูค่าความน่าจะเป็นตั้งแต่ -1 ถึง 1 ในตาราง z ค่าตั้งแต่ z = -1 ถึง z = 1 มีค่าประมาณ 0.6826

ดังนั้น ความน่าจะเป็นที่ผู้ชายที่ถูกเลือกโดยสุ่มจะมีส่วนสูงระหว่าง 160 ซม. ถึง 180 ซม. คือประมาณ 0.6826 หรือ 68.26%

ตัวอย่างที่ 4: การแจกแจงแบบเอกซ์โปเนนเชียล
การแจกแจงแบบเอกซ์โปเนนเชียลใช้ในการจำลองช่วงเวลาที่เกิดขึ้นระหว่างเหตุการณ์ต่างๆ ในกระบวนการปัวซง

คำถาม:
เวลาเฉลี่ยระหว่างลูกค้าสองรายที่มาถึงร้านคือ 15 นาที ความน่าจะเป็นที่เวลาดังกล่าวจะน้อยกว่า 10 นาทีคือเท่าใด

การอภิปราย:
การแจกแจงแบบเอกซ์โปเนนเชียลมีพารามิเตอร์ λ ซึ่งเป็นค่าผกผันของค่าเฉลี่ย μ โดยมีค่าเฉลี่ย 15 นาที:
[ λ = 1/μ = 1/15 = 0.0667 ]

ฟังก์ชันการกระจายสะสมแบบเอกซ์โปเนนเชียลคือ:
[ P(X ≤ x) = 1 – e^{-\lambda x} ]

สำหรับ \(x = 10\):
[ P(X ≤ 10) = 1 – e^{-0.0667 \times 10} ]
\[ P(X \leq 10) = 1 – e^{-0.667} \]
[ P(X ≤ 10) ≈ 1 – 0.5134 ]
[ P(X ≤ 10) ≈ 0.4866 ]

ดังนั้น ความน่าจะเป็นที่ช่วงเวลาระหว่างการมาถึงของลูกค้าสองรายจะน้อยกว่า 10 นาที คือประมาณ 0.4866 หรือ 48.66%

บทสรุป

การแจกแจงความน่าจะเป็น ทั้งแบบไม่ต่อเนื่องและแบบต่อเนื่อง เป็นแนวคิดที่มีประโยชน์มากสำหรับการสร้างแบบจำลองและทำความเข้าใจพฤติกรรมของตัวแปรสุ่ม การแจกแจงทวินามและการแจกแจงปัวซงมักใช้สำหรับตัวแปรแบบไม่ต่อเนื่อง ในขณะที่การแจกแจงแบบปกติและการแจกแจงแบบเอกซ์โปเนนเชียลเป็นตัวอย่างของการแจกแจงแบบต่อเนื่อง

จากตัวอย่างข้างต้น เราหวังว่าคุณจะมีความเข้าใจที่ดีขึ้นเกี่ยวกับวิธีการคำนวณและตีความความน่าจะเป็นในแผนภูมิความน่าจะเป็น ด้วยการฝึกฝนอย่างสม่ำเสมอ ความสามารถในการเข้าใจแผนภูมิความน่าจะเป็นของคุณจะดีขึ้น และสามารถนำไปประยุกต์ใช้ได้ในหลากหลายสาขา