討論二項分佈函數的範例問題
二項分佈是一種離散機率分佈，它描述了由若干獨立試驗組成的實驗中成功次數的分佈情況，每次試驗只有兩種可能的結果：成功或失敗。每次試驗稱為一次試驗，二項分佈常用於需要統計多次獨立試驗中成功次數的情況。本文將討論二項分佈的基本概念，並提供範例與解答。
二項分佈函數的基本概念
在深入探討例題之前，先來討論一些與二項分佈相關的基本概念。
1. 定義：二項分佈定義為 'n' 次獨立試驗中成功次數的總和，其中每次試驗有兩種可能的結果：成功（機率為 p）或失敗（機率為 q = 1 – p）。
2. 機率函數：二項分佈的機率函數為：
\[
P(X = k) = \binom{n}{k} p^k (1-p)^{nk}
\]
在哪裡：
– \( P(X = k) \) 表示在 n 次試驗中獲得 k 次成功的機率。
– \( \binom{n}{k} \) 是 n 取 k 的組合，定義為 \( \frac{n!}{k!(nk)!} \)。
– \( p \) 是每次試驗成功的機率。
– \( (1-p) \) 是每次試驗失敗的機率。
3. 期望值和變異數：
– 二項分佈的期望值（平均數）為 \( \mu = np \)。
– 二項分佈的變異數為 \( \sigma^2 = np(1-p) \).
現在，讓我們透過一個例題來應用這些概念，以便更深入地理解。
例題 1：二項分佈的基本計算
問題 ：
一家公司生產電子元件，每個元件通過品質檢測的機率為 0.95。如果生產 10 個元件，計算恰好有 8 個元件通過質量檢測的機率。
討論 ：
我們可以使用二項分佈公式來解決這個問題。首先，我們確定以下參數：
– \( n \)（試驗總次數）= 10
– k（成功次數）= 8
– \( p \)（成功機率）= 0.95
– \( q \)（失效機率）= 1 – 0.95 = 0.05
然後將這些值代入二項分佈公式：
\[
P(X = 8) = \binom{10}{8} (0.95)^8 (0.05)^2
\]
首先，計算組合 \( \binom{10}{8} \):
\[
\binom{10}{8} = \frac{10!}{8!(10-8)!} = \frac{10!}{8!2!} = \frac{10 \times 9 \times 8!}{8! \}s 2!} = \frac{10 \times 912 \times 912 \times
\]
然後，計算機率 \( (0.95)^8 \) 和 \( (0.05)^2 \):
\[
(0.95)^8 ≈ 0.6634
\]
\[
（0.05）^2 = 0.0025
\]
最後，將所有這些值相乘得到：
\[
P(X = 8) = 45 × 0.6634 × 0.0025 ≈ 0.0744
\]
因此，10 個組件中恰好有 8 個通過品質測試的機率約為 0.0744 或 7.44%。
例題 2：累積機率
問題 ：
仍然使用同一家公司，計算至少 9/10 個組件通過質量測試的機率。
討論 ：
為了解決這個問題，我們需要計算累積機率。至少 9 個組件通過測試的機率（即 10 個組件中至少有 9 個通過測試的機率）為 \( P(X \geq 9) \)，可以寫成：
\[
P(X \geq 9) = P(X = 9) + P(X = 10)
\]
使用二項分佈公式：
\[
P(X = 9) = \binom{10}{9} (0.95)^9 (0.05)^1
\]
\[
P(X = 10) = \binom{10}{10} (0.95)^{10} (0.05)^0
\]
首先，計算每種情況的組合：
\[
\binom{10}{9} = \frac{10!}{9!(10-9)!} = 10
\]
\[
二分之一平方和 (10/10) = 1
\]
然後，計算 \( P(X = 9) \) 和 \( P(X = 10) \) 的機率：
\[
P(X = 9) = 10 × (0.95)^9 × 0.05
\]
\[
(0.95)^9 ≈ 0.6302
\]
\[
P(X = 9) = 10 × 0.6302 × 0.05 ≈ 0.3151
\]
\[
P(X = 10) = 1 × (0.95)¹⁰ × 1
\]
\[
(0.95)^{10} \approx 0.5987
\]
\[
P(X = 10) = 0.5987
\]
當 \( P(X \geq 9) \) 時的總機率：
\[
P(X ≥ 9) = 0.3151 + 0.5987 ≈ 0.9138
\]
因此，10 個組件中至少有 9 個通過品質測試的機率約為 0.9138 或 91.38%。
例題 3：期望值和方差
問題 ：
在計算生產的 10 個組件中，通過品質測試的組件數量的期望值和方差，合格機率為 0.95。
討論 ：
使用以下公式：
– 期望值（平均值）\( \mu = np \)
– 變異數 \( \sigma^2 = np(1-p) \)
當 \( n = 10 \) 且 \( p = 0.95 \) 時：
\[
μ = 10 × 0.95 = 9.5
\]
\[
σ² = 10 × 0.95 × 0.05 = 0.475
\]
因此，通過品質測試的組件數量的期望值為 9.5，變異數為 0.475。
結論
透過以上三個例題，我們討論如何在各種情況下使用二項分佈計算機率：計算精確機率、累積機率，以及計算期望值和變異數。二項分佈的知識在製造業、醫學研究和社會統計等許多領域都非常有用，在這些領域中，我們可以分析重複實驗中兩種可能結果的分析結果，從而輔助決策。希望這些例題和討論能幫助您進一步理解二項分佈。
