Inaasahang Halaga ng Binomial Distribution
Ang binomial distribution ay isa sa mga pinakakaraniwang nakikitang discrete probability distributions sa statistics at probability. Inilalarawan ng distribution na ito ang bilang ng mga tagumpay sa isang serye ng mga independent binary trials (mga pagsubok na may dalawang resulta lamang: tagumpay o pagkabigo). Upang mas maunawaan ang binomial distribution, mahalagang maunawaan ang konsepto ng expected value, na naglalarawan sa average na halaga ng isang pagsubok na inulit sa mahabang panahon. Susuriin ng artikulong ito ang konsepto ng expected value sa konteksto ng binomial distribution.
Kahulugan ng Binomial Distribution
Ang binomial distribution ay lumilitaw sa mga konteksto kung saan nagsasagawa tayo ng ilang magkakapareho at independiyenteng mga pagsubok, at ang bawat pagsubok ay may dalawang magkasalungat na resulta, na karaniwang tinutukoy bilang "tagumpay" at "pagkabigo." Halimbawa, pagpitik ng barya (ulo o buntot), pagsagot sa isang tanong sa pagsusulit (tama o mali), o isang medikal na pagsubok (gumaling o hindi gumaling).
Ang binomial distribution ay tinukoy ng dalawang parameter:
– n, bilang ng mga pagsubok.
– p , ang probabilidad ng tagumpay sa bawat pagsubok.
Sa magaspang na pagsasalita, kung ang X ay isang random variable na kumakatawan sa bilang ng mga tagumpay sa n na pagsubok, kung gayon ang X ay sumusunod sa isang binomial distribution na may mga parameter na n at p, na tinutukoy bilang X ~ Binomial(n, p).
Tungkulin ng Probabilidad
Ang probability function ng binomial distribution ay ang mga sumusunod:
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
Saan:
– Ang \( \binom{n}{k} \) ay ang binomial coefficient, na kinakalkula bilang \( \frac{n!}{k!(nk)!} \).
– Ang \( k \) ay ang ninanais na bilang ng mga tagumpay.
– Ang \( n \) ay ang bilang ng mga pagsubok.
– Ang \( p \) ay ang probabilidad ng tagumpay sa bawat pagsubok.
– Ang \( (1-p) \) ay ang probabilidad ng pagkabigo sa bawat pagsubok.
Inaasahang Halaga
Ang inaasahang halaga o mean ng isang probability distribution ay isa sa pinakamahalagang sukat ng central location. Para sa binomial distribution, ang inaasahang halaga ng isang random variable na X na sumusunod sa Binomial(n, p) ay:
\[ E(X) = np \]
Patunay ng Inaasahang Halaga
Upang maunawaan kung bakit ang inaasahang halaga ng binomial distribution ay np, maaari nating gamitin ang linearity property ng inaasahang halaga at tingnan kung paano nadaragdagan ang mga binary variable sa kanilang kontribusyon.
Tukuyin natin ang \( X \) bilang ang bilang ng mga tagumpay sa n binary trials. Mas partikular, hayaan ang \( X_i \) na maging isang random variable na nagsasaad ng resulta ng ika-i na pagsubok, kung saan ang \( X_i = 1 \) kung ang ika-i na pagsubok ay isang tagumpay, at \( X_i = 0 \) kung ito ay isang pagkabigo. Kung gayon, maaari nating isulat ang \( X \) bilang:
\[ X = X_1 + X_2 + \ldots + X_n \]
Dahil ang bawat \( X_i \) ay isang binary variable na may probabilidad ng tagumpay na p, ang inaasahang halaga ng \( X_i \) ay:
\[ E(X_i) = 1 \cdot p + 0 \cdot (1-p) = p \]
Maaari nating gamitin ang linearity property ng inaasahang halaga para sa inaasahang halaga ng X:
\[ E(X) = E(X_1 + X_2 + \ldots + X_n) \]
\[ E(X) = E(X_1) + E(X_2) + \ldots + E(X_n) \]
\[ E(X) = p + p + \ldots + p \]
\[ E(X) = np \]
Ipinapakita nito na ang inaasahang halaga ng binomial distribution ay np.
Halimbawang Ilustratibo
Isaalang-alang ang kaso kung saan ipinitik natin ang isang patas na barya nang 10 beses. Tanungin natin kung ano ang inaasahang halaga ng bilang ng mga pagtiktik na magreresulta sa mga ulo.
Sa kasong ito:
– n = 10 (bilang ng mga paghagis ng barya)
– p = 0.5 (probabilidad na makakuha ng mga ulo, dahil patas ang barya)
Kaya, ang inaasahang halaga ay:
\[ E(X) = np = 10 \times 0.5 = 5 \]
Nangangahulugan ito na kung ihahagis natin ang isang barya nang 10 beses nang paulit-ulit sa katagalan, sa karaniwan ay makakakuha tayo ng 5 ulo (heads) nang paulit-ulit.
Pagkakaiba-iba at Pamantayang Paglihis
Bukod sa inaasahang halaga, mahalaga ring maunawaan ang variance at standard deviation ng binomial distribution.
Para sa binomial distribution, ang variance \( \sigma^2 \) at standard deviation \( \sigma \) ay ang mga sumusunod:
\[ \sigma^2 = np(1-p) \]
\[ \sigma = \sqrt{np(1-p)} \]
Sinusukat ng baryansa kung gaano kalayo ang pagkalat ng datos mula sa inaasahang halaga. Ang karaniwang paglihis ay ang parisukat na ugat ng baryansa at sinusukat din nito ang pagkalat ng datos, ngunit sa parehong mga yunit gaya ng orihinal na datos.
Konklusyon
Ang binomial distribution ay isang pangunahing konsepto sa estadistika at probabilidad, na madalas na matatagpuan sa iba't ibang aplikasyon sa totoong mundo, mula sa negosyo hanggang sa agham panlipunan at biyolohiya. Ang inaasahang halaga ng binomial distribution, na kinakalkula bilang np, ay nagbibigay ng mahalagang pananaw sa average na bilang ng mga tagumpay sa isang serye ng mga binary trial. Sa pamamagitan ng pag-unawa sa mga konsepto ng inaasahang halaga, variance, at standard deviation, makakakuha tayo ng mas malinaw na pag-unawa sa mga katangian ng binomial distribution at kung paano nito inilalarawan ang ilang mga phenomena sa pang-araw-araw na buhay.
Ang kaalamang ito ay lubhang kapaki-pakinabang hindi lamang sa pagsusuri ng datos at estadistika, kundi pati na rin sa paggawa ng desisyon na nangangailangan ng pagsusuri sa probabilidad at kawalan ng katiyakan. Ang pag-unawa sa inaasahang halaga at ang binomial distribution ay makakatulong sa atin na makagawa ng mas tumpak na mga hula at mas matalinong mga desisyon.
