Kedy používate binomické rozdelenie?
ROBERT BROOK/SCIENCE PHOTO LIBRARY / Getty Images
Binomické rozdelenia pravdepodobnosti sú užitočné v mnohých nastaveniach. Je dôležité vedieť, kedy by sa mal tento typ distribúcie použiť. Preskúmame všetky podmienky, ktoré sú potrebné na použitie binomického rozdelenia.
Základné vlastnosti, ktoré musíme mať, sú pre celkom n sa vykonávajú nezávislé testy a my chceme zistiť pravdepodobnosť r úspechy, kde každý úspech má pravdepodobnosť p výskytu. V tomto krátkom popise je uvedených a naznačených niekoľko vecí. Definícia sa scvrkáva na tieto štyri podmienky:
- Pevný počet pokusov
- Nezávislé skúšky
- Dve rôzne klasifikácie
- Pravdepodobnosť úspechu zostáva rovnaká pre všetky pokusy
Všetky tieto musia byť prítomné v skúmanom procese, aby bolo možné použiť vzorec binomickej pravdepodobnosti resp tabuľky . Nasleduje stručný popis každého z nich.
Pevné pokusy
Skúmaný proces musí mať jasne definovaný počet pokusov, ktoré sa nelíšia. Toto číslo nemôžeme zmeniť v polovici našej analýzy. Každá skúška musí byť vykonaná rovnakým spôsobom ako všetky ostatné, hoci výsledky sa môžu líšiť. Počet pokusov je označený ako n vo vzorci.
Príkladom pevných skúšok procesu by bolo študovať výsledky hádzania kockou desaťkrát. Tu je každý hod kockou skúškou. Celkový počet vykonaní každého pokusu je definovaný od začiatku.
Nezávislé skúšky
Každý z pokusov musí byť nezávislý. Každá skúška by nemala mať absolútne žiadny vplyv na žiadnu z ostatných. Klasické príklady valcovania dve kocky alebo hádzanie niekoľkých mincí ilustruje nezávislé udalosti. Keďže udalosti sú nezávislé, môžeme ich použiť pravidlo násobenia vynásobiť pravdepodobnosti dohromady.
V praxi, najmä kvôli niektorým technikám odberu vzoriek, môžu nastať situácie, keď pokusy nie sú technicky nezávislé. A binomické rozdelenie môžu byť niekedy použité v týchto situáciách, pokiaľ je populácia väčšia v porovnaní so vzorkou.
Dve klasifikácie
Každá z skúšok je rozdelená do dvoch klasifikácií: úspechy a neúspechy. Aj keď zvyčajne považujeme úspech za pozitívnu vec, nemali by sme do tohto pojmu príliš veľa čítať. Naznačujeme, že pokus je úspešný v tom, že je v súlade s tým, čo sme sa rozhodli nazvať úspechom.
Ako extrémny prípad na ilustráciu predpokladajme, že testujeme poruchovosť žiaroviek. Ak chceme vedieť, koľko v jednej dávke nebude fungovať, mohli by sme definovať úspech našej skúšky, keď máme žiarovku, ktorá nefunguje. Zlyhanie testu je, keď žiarovka funguje. Môže to znieť trochu spiatočne, ale môže existovať niekoľko dobrých dôvodov na definovanie úspechov a neúspechov našej skúšky tak, ako sme to urobili my. Na účely označovania môže byť vhodnejšie zdôrazniť, že existuje nízka pravdepodobnosť, že žiarovka nebude fungovať, a nie vysoká pravdepodobnosť, že žiarovka bude fungovať.
Rovnaké pravdepodobnosti
Pravdepodobnosť úspešných pokusov musí zostať rovnaká počas celého procesu, ktorý študujeme. Hádzanie mincí je jedným z príkladov toho. Bez ohľadu na to, koľko mincí sa hodí, pravdepodobnosť otočenia hlavy je zakaždým 1/2.
Toto je ďalšie miesto, kde sa teória a prax mierne líšia. Odber vzoriek bez výmeny môže spôsobiť, že pravdepodobnosti jednotlivých pokusov budú navzájom mierne kolísať. Predpokladajme, že z 1000 psov je 20 bíglov. Pravdepodobnosť náhodného výberu bígla je 20/1000 = 0,020. Teraz si znova vyberte zo zostávajúcich psov. Z 999 psov je 19 bíglov. Pravdepodobnosť výberu iného bígla je 19/999 = 0,019. The hodnotu 0,2 je primeraný odhad pre oba tieto pokusy. Pokiaľ je populácia dostatočne veľká, tento druh odhadu nepredstavuje problém s použitím binomického rozdelenia.