Ví dụ về câu hỏi và thảo luận về phân phối nhị thức
Phân phối nhị thức là một trong những phân phối xác suất rời rạc được sử dụng phổ biến nhất. Nó hữu ích để mô hình hóa số lần thành công trong một số thử nghiệm độc lập, giống hệt nhau, mỗi thử nghiệm đều cho ra kết quả thành công hoặc thất bại. Trong bài viết này, chúng ta sẽ đi sâu hơn vào phân phối nhị thức bằng cách cung cấp một số ví dụ và thảo luận chi tiết.
Giới thiệu về phân phối nhị thức
Các đặc điểm chính của phân phối nhị thức:
1. n: Số lần thử hoặc số lần lặp lại.
2. p: Xác suất thành công trong mỗi lần thử.
3. q = 1-p : Xác suất thất bại trong mỗi lần thử.
Hàm phân bố xác suất của phân phối nhị thức là:
\[ P(X = k) = {n \choose k} p^k (1-p)^{nk} \]
Ở đâu:
– \( {n \choose k} = \frac{n!}{k!(nk)!} \)
– \( X \): Một biến ngẫu nhiên biểu thị số lần thành công.
– \( k \): Số lần thành công mong muốn.
Contoh Soal dan Pembahasan
Chúng ta hãy bắt đầu với một vài ví dụ để hiểu rõ hơn về khái niệm phân phối nhị thức.
Ví dụ 1: Lựa chọn từ một nhóm sinh viên
Ví dụ, giả sử chúng ta có một nhóm 10 học sinh, và xác suất để mỗi học sinh được chọn tham gia một cuộc thi là 0,3. Chúng ta muốn tìm xác suất để chính xác 4 học sinh được chọn.
Bước 1: Xác định các tham số của phân phối nhị thức.
– \( n = 10 \)
– \( p = 0.3 \)
Bước 2: Sử dụng phân phối nhị thức để tính xác suất của \( X = 4 \).
\[ P(X = 4) = {10 \choose 4} (0.3)^4 (0.7)^6 \]
Tính toán \( {10 \choose 4} \):
\[ {10 \choose 4} = \frac{10!}{4!(10-4)!} = \frac{10!}{4!6!} = 210 \]
Bây giờ hãy tính \( (0.3)^4 \) và \( (0.7)^6 \):
\[ (0.3)^4 = 0.0081 \]
\[ (0.7)^6 = 0.117649 \]
Vì thế,
\[ P(X = 4) = 210 \cdot 0.0081 \cdot 0.117649 \approx 0.20012 \]
Như vậy, xác suất để chọn đúng 4 học sinh là khoảng 0.20012 hoặc 20.012%.
Ví dụ 2: Xác suất nhỏ hơn hoặc bằng 2
Ví dụ, bây giờ chúng ta được hỏi về xác suất có ít hơn hoặc bằng 2 học sinh được chọn.
Bước 1: Chúng ta phải tính \( P(X = 0) \), \( P(X = 1) \), và \( P(X = 2) \).
– Đối với \( P(X = 0) \):
\[ P(X = 0) = {10 \choose 0} (0.3)^0 (0.7)^{10} \]
\[ {10 \choose 0} = 1 \]
\[ (0.7)^{10} = 0.0282475 \]
\[ P(X = 0) = 1 \cdot 1 \cdot 0.0282475 = 0.0282475 \]
– Đối với \( P(X = 1) \):
\[ P(X = 1) = {10 \choose 1} (0.3)^1 (0.7)^9 \]
\[ {10 \choose 1} = 10 \]
\[ (0.3) \cdot (0.7)^9 = 0.1210608 \]
\[ P(X = 1) = 10 \cdot 0.3 \cdot 0.1210608 = 0.3631824 \]
– Đối với \( P(X = 2) \):
\[ P(X = 2) = {10 \choose 2} (0.3)^2 (0.7)^8 \]
\[ {10 \choose 2} = 45 \]
\[ (0.3)^2 \cdot (0.7)^8 = 0.2334744 \]
\[ P(X = 2) = 45 \cdot 0.09 \cdot 0.2334744 = 0.2334744 \]
Bước 2: Cộng các xác suất lại với nhau.
\[ P(X \leq 2) = P(X = 0) + P(X = 1) + P(X = 2) \]
\[ P(X \leq 2) = 0.0282475 + 0.3631824 + 0.3826372 = 0.7740671 \]
Như vậy, xác suất để có ít hơn hoặc bằng 2 học sinh được chọn là khoảng 0.7740671 hoặc 77.41%.
Ví dụ 3: Xác suất ít nhất là 8
Nếu một thí nghiệm được thực hiện 12 lần, và xác suất thành công trong mỗi lần thử là 0.5, thì xác suất để có ít nhất 8 lần thành công là bao nhiêu?
Bước 1: Đặt các tham số nhị thức: \( n = 12, p = 0.5 \).
Bước 2: Tìm xác suất cho \( X \geq 8 \).
Điều này đòi hỏi phải tính toán một số xác suất riêng lẻ rồi cộng chúng lại:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) + P(X = 11) + P(X = 12) \]
Hãy đếm từng cái một:
– Đối với \( P(X = 8) \):
\[ P(X = 8) = {12 \choose 8} (0.5)^8 (0.5)^4 \]
\[ {12 \choose 8} = 495 \]
\[ (0.5)^{12} = 0.0002441406 \]
\[ P(X = 8) = 495 \cdot 0.0002441406 = 0.1208496 \]
– Đối với \( P(X = 9) \):
\[ P(X = 9) = {12 \choose 9} (0.5)^9 (0.5)^3 \]
\[ {12 \choose 9} = 220 \]
\[ P(X = 9) = 220 \cdot 0.0002441406 = 0.05371094 \]
– Đối với \( P(X = 10) \):
\[ P(X = 10) = {12 \choose 10} (0.5)^{10} (0.5)^2 \]
\[ {12 \choose 10} = 66 \]
\[ P(X = 10) = 66 \cdot 0.0002441406 = 0.01611328 \]
– Đối với \( P(X = 11) \):
\[ P(X = 11) = {12 \choose 11} (0.5)^{11} (0.5)^1 \]
\[ {12 \choose 11} = 12 \]
\[ P(X = 11) = 12 \cdot 0.0002441406 = 0.002929688 \]
– Đối với \( P(X = 12) \):
\[ P(X = 12) = {12 \choose 12} (0.5)^{12} \]
\[ {12 \choose 12} = 1 \]
\[ P(X = 12) = 1 \cdot 0.0002441406 = 0.0002441406 \]
Bước 3: Cộng tất cả các xác suất lại.
\[ P(X \geq 8) = 0.1208496 + 0.05371094 + 0.01611328 + 0.002929688 + 0.0002441406 \approx 0.1938477 \]
Như vậy, xác suất để có ít nhất 8 lần thành công trong 12 lần thử là khoảng 0.1938477 hoặc 19.38%.
Sự kết luận
Phân phối nhị thức là một khái niệm cơ bản trong thống kê, đóng vai trò quan trọng trong nhiều ứng dụng thực tiễn. Bằng cách hiểu cách tính xác suất cho các trường hợp khác nhau của phân phối nhị thức, như đã trình bày trong các ví dụ trên, chúng ta có thể áp dụng khái niệm này vào các tình huống thực tế. Bài tập này cũng củng cố sự hiểu biết của chúng ta về cách thức hoạt động của các cấu trúc xác suất trong một bối cảnh rõ ràng và có hệ thống.
