Giá trị kỳ vọng của phân phối nhị thức
Phân phối nhị thức là một trong những phân phối xác suất rời rạc thường gặp nhất trong thống kê và xác suất. Phân phối này mô tả số lần thành công trong một chuỗi các thử nghiệm nhị phân độc lập (thử nghiệm chỉ có hai kết quả: thành công hoặc thất bại). Để hiểu rõ hơn về phân phối nhị thức, điều quan trọng là phải hiểu khái niệm giá trị kỳ vọng, mô tả giá trị trung bình của một thử nghiệm được lặp lại trong thời gian dài. Bài viết này sẽ xem xét lại khái niệm giá trị kỳ vọng trong bối cảnh của phân phối nhị thức.
Định nghĩa về phân phối nhị thức
Phân phối nhị thức xuất hiện trong các trường hợp chúng ta thực hiện một số thử nghiệm giống hệt nhau và độc lập, và mỗi thử nghiệm có hai kết quả loại trừ lẫn nhau, thường được gọi là "thành công" và "thất bại". Ví dụ: tung đồng xu (mặt ngửa hoặc mặt sấp), trả lời câu hỏi kiểm tra (đúng hoặc sai), hoặc một thử nghiệm y tế (khỏi bệnh hoặc không khỏi bệnh).
Phân phối nhị thức được xác định bởi hai tham số:
– n, số lần thử nghiệm.
– p, xác suất thành công trong mỗi lần thử.
Nói một cách đại khái, nếu X là một biến ngẫu nhiên biểu thị số lần thành công trong n lần thử, thì X tuân theo phân phối nhị thức với các tham số n và p, được ký hiệu là X ~ Binomial(n, p).
Hàm xác suất
Hàm xác suất của phân phối nhị thức được biểu diễn như sau:
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
Ở đâu:
– \( \binom{n}{k} \) là hệ số nhị thức, được tính bằng \( \frac{n!}{k!(nk)!} \).
– \( k \) là số lần thành công mong muốn.
– \( n \) là số lần thử.
– \( p \) là xác suất thành công trong mỗi lần thử.
– \( (1-p) \) là xác suất thất bại trong mỗi lần thử.
Giá trị kỳ vọng
Giá trị kỳ vọng hay trung bình của một phân phối xác suất là một trong những thước đo quan trọng nhất về vị trí trung tâm. Đối với phân phối nhị thức, giá trị kỳ vọng của một biến ngẫu nhiên X tuân theo phân phối nhị thức(n, p) là:
\[ E(X) = np \]
Bằng chứng về giá trị kỳ vọng
Để hiểu tại sao giá trị kỳ vọng của phân phối nhị thức là np, chúng ta có thể sử dụng tính chất tuyến tính của giá trị kỳ vọng và xem các biến nhị phân đóng góp như thế nào.
Ta định nghĩa \( X \) là số lần thành công trong n lần thử nhị phân. Cụ thể hơn, giả sử \( X_i \) là một biến ngẫu nhiên biểu thị kết quả của lần thử thứ i, với \( X_i = 1 \) nếu lần thử thứ i thành công và \( X_i = 0 \) nếu thất bại. Khi đó, ta có thể viết \( X \) như sau:
\[ X = X_1 + X_2 + \ldots + X_n \]
Vì mỗi \( X_i \) là một biến nhị phân với xác suất thành công p, nên giá trị kỳ vọng của \( X_i \) là:
\[ E(X_i) = 1 \cdot p + 0 \cdot (1-p) = p \]
Chúng ta có thể sử dụng tính chất tuyến tính của giá trị kỳ vọng cho giá trị kỳ vọng của X:
\[ E(X) = E(X_1 + X_2 + \ldots + X_n) \]
\[ E(X) = E(X_1) + E(X_2) + \ldots + E(X_n) \]
\[ E(X) = p + p + \ldots + p \]
\[ E(X) = np \]
Điều này cho thấy giá trị kỳ vọng của phân phối nhị thức là np.
Ví dụ minh họa
Hãy xem xét trường hợp ta tung một đồng xu công bằng 10 lần. Hãy hỏi giá trị kỳ vọng của số lần tung ra mặt ngửa là bao nhiêu.
Trong trường hợp này:
– n = 10 (số lần tung đồng xu)
– p = 0.5 (xác suất nhận được mặt ngửa, vì đồng xu là công bằng)
Vậy, giá trị kỳ vọng là:
\[ E(X) = np = 10 \times 0.5 = 5 \]
Điều này có nghĩa là nếu chúng ta tung đồng xu 10 lần liên tục trong thời gian dài, trung bình chúng ta sẽ nhận được mặt ngửa 5 lần.
Phương sai và độ lệch chuẩn
Bên cạnh giá trị kỳ vọng, việc hiểu rõ phương sai và độ lệch chuẩn của phân phối nhị thức cũng rất quan trọng.
Đối với phân phối nhị thức, phương sai \( \sigma^2 \) và độ lệch chuẩn \( \sigma \) như sau:
\[ \sigma^2 = np(1-p) \]
\[ \sigma = \sqrt{np(1-p)} \]
Phương sai đo lường mức độ phân tán của dữ liệu so với giá trị kỳ vọng. Độ lệch chuẩn là căn bậc hai của phương sai và cũng đo lường sự phân tán của dữ liệu, nhưng với cùng đơn vị đo với dữ liệu gốc.
Sự kết luận
Phân phối nhị thức là một khái niệm cơ bản trong thống kê và xác suất, thường xuyên được bắt gặp trong nhiều ứng dụng thực tế, từ kinh doanh đến khoa học xã hội và sinh học. Giá trị kỳ vọng của phân phối nhị thức, được tính là np, cung cấp cái nhìn sâu sắc quan trọng về số lần thành công trung bình trong một chuỗi các thử nghiệm nhị phân. Bằng cách hiểu các khái niệm về giá trị kỳ vọng, phương sai và độ lệch chuẩn, chúng ta có thể hiểu rõ hơn về các đặc điểm của phân phối nhị thức và cách nó mô tả một số hiện tượng trong cuộc sống hàng ngày.
Kiến thức này vô cùng hữu ích không chỉ trong phân tích dữ liệu và thống kê, mà còn trong việc ra quyết định đòi hỏi đánh giá xác suất và sự không chắc chắn. Hiểu biết về giá trị kỳ vọng và phân phối nhị thức có thể giúp chúng ta đưa ra dự đoán chính xác hơn và đưa ra những quyết định sáng suốt hơn.
