ความรู้เบื้องต้นเกี่ยวกับการแจกแจงแบบทวินาม
การแจกแจงแบบทวินาม เป็นหนึ่งในการแจกแจงที่ได้รับความนิยมมากที่สุดในสถิติ เพื่อให้เข้าใจถึงการแจกแจงแบบทวินาม ก่อนอื่นให้เข้าใจ การทดลองทวินาม ก่อน
การทดลองทวินาม
การทดลองทวินาม คือการทดลองที่มีคุณสมบัติดังต่อไปนี้:
- การทดลองประกอบด้วยการทดลองซ้ำ n ครั้ง
- การทดลองแต่ละครั้งมีเพียงสองผลลัพธ์ที่เป็นไปได้
- ความน่าจะเป็นที่จะสำเร็จ ซึ่งแสดงโดย p จะเท่ากันสำหรับการทดลองแต่ละครั้ง
- การทดสอบแต่ละครั้งมีความเป็นอิสระ
ตัวอย่างที่ชัดเจนที่สุดของการทดลองทวินามคือการโยนเหรียญ เช่น สมมติว่าเราพลิกเหรียญ 10 ครั้ง นี่เป็นการทดลองทวินามเนื่องจากมีคุณสมบัติสี่ประการดังต่อไปนี้:
- การทดลองประกอบด้วยการทดลองซ้ำ n ครั้ง มีการทดลองทั้งหมด 10 ครั้ง
- การทดลองแต่ละครั้งมีเพียงสองผลลัพธ์ที่เป็นไปได้: หัวหรือก้อย
- ความน่าจะเป็นที่จะสำเร็จ ซึ่งแสดงโดย p จะเท่ากันสำหรับการทดลองแต่ละครั้ง หากเรากำหนดให้ “ความสำเร็จ” เป็นจุดเริ่มต้น ความน่าจะเป็นที่จะประสบความสำเร็จคือ 0.5 อย่างแน่นอนสำหรับการทดลองแต่ละครั้ง
- การทดลองแต่ละครั้งมีความเป็นอิสระ – ผลของการโยนเหรียญหนึ่งครั้งจะไม่ส่งผลต่อผลลัพธ์ของการโยนเหรียญอื่นๆ
การแจกแจงแบบทวินาม
การแจกแจงแบบทวินาม อธิบายถึงความน่าจะเป็นที่จะประสบความสำเร็จ k ครั้งในการทดลองทวินาม n ครั้ง
หาก ตัวแปรสุ่ม X เป็นไปตามการแจกแจงแบบทวินาม ความน่าจะเป็นที่ X = k สำเร็จจะพบได้จากสูตรต่อไปนี้:
P(X=k) = n C k * p k * (1-p) nk
ทอง:
- n: จำนวนการทดลอง
- k: จำนวนความสำเร็จ
- p: ความน่าจะเป็นที่จะประสบความสำเร็จในการทดลองที่กำหนด
- n C k : จำนวนวิธีในการได้รับ k ความสำเร็จในการทดลอง n ครั้ง
เช่น สมมุติว่าเราโยนเหรียญ 3 ครั้ง เราสามารถใช้สูตรด้านบนเพื่อกำหนดความน่าจะเป็นที่จะได้หัว 0, 1, 2 และ 3 ในการทอยทั้ง 3 ครั้ง:
P(X=0) = 3 C 0 * 0.5 0 * (1-0.5) 3-0 = 1 * 1 * (0.5) 3 = 0.125
ป(X=1) = 3 ค 1 * 0.5 1 * (1-0.5) 3-1 = 3 * 0.5 * (0.5) 2 = 0.375
P(X=2) = 3 C 2 * 0.5 2 * (1-0.5) 3-2 = 3 * 0.25 * (0.5) 1 = 0.375
ป(X=3) = 3 ค 3 * 0.5 3 * (1-0.5) 3-3 = 1 * 0.125 * (0.5) 0 = 0.125
หมายเหตุ : เราใช้ เครื่องคิดเลขแบบรวม นี้เพื่อคำนวณ nCk สำหรับ แต่ละตัวอย่าง
เราสามารถสร้างฮิสโตแกรมง่ายๆ เพื่อให้เห็นภาพการแจกแจงความน่าจะเป็นได้:
การคำนวณความน่าจะเป็นแบบทวินามสะสม
การคำนวณความน่าจะเป็นแบบทวินามเดี่ยวเป็นเรื่องง่าย (เช่น ความน่าจะเป็นที่เหรียญจะออกหัว 1 ครั้งจากการโยน 3 ครั้ง) โดยใช้สูตรข้างต้น แต่ในการคำนวณความน่าจะเป็นแบบทวินามสะสม เราจำเป็นต้องเพิ่มความน่าจะเป็นแต่ละรายการ
ตัวอย่างเช่น สมมติว่าเราต้องการทราบความน่าจะเป็นที่เหรียญจะขึ้นหัว 1 ครั้งหรือน้อยกว่าจากการเสี่ยง 3 ครั้ง เราจะใช้สูตรต่อไปนี้เพื่อคำนวณความน่าจะเป็นนี้:
P(X≤1) = P(X=0) + P(X=1) = 0.125 + 0.375 = 0.5 .
สิ่งนี้เรียก ว่าความน่าจะเป็นสะสม เนื่องจากเกี่ยวข้องกับการบวกความน่าจะเป็นหลายรายการ เราสามารถคำนวณความน่าจะเป็นสะสมที่จะได้ k หัวหรือน้อยกว่าสำหรับแต่ละผลลัพธ์โดยใช้สูตรที่คล้ายกัน:
ป(X≤0) = ป(X=0) = 0.125 .
P(X≤1) = P(X=0) + P(X=1) = 0.125 + 0.375 = 0.5 .
P(X≤2) = P(X=0) + P(X=1) + P(X=2) = 0.125 + 0.375 + 0.375 = 0.875 .
P(X≤3) = P(X=0) + P(X=1) + P(X=2) + P(X=3) = 0.125 + 0.375 + 0.375 + 0.125 = 1 .
เราสามารถสร้างฮิสโตแกรมเพื่อแสดงภาพการแจกแจงความน่าจะเป็นสะสมได้:
เครื่องคำนวณความน่าจะเป็นแบบทวินาม
เมื่อเราทำงานกับตัวเลขเล็กๆ (เช่น การโยนเหรียญ 3 เหรียญ) ก็สมเหตุสมผลที่จะคำนวณความน่าจะเป็นแบบทวินามด้วยมือ อย่างไรก็ตาม เมื่อเราทำงานกับตัวเลขที่มากขึ้น (เช่น 100 งวด) การคำนวณความน่าจะเป็นด้วยมืออาจเป็นเรื่องยาก ในกรณีเหล่านี้ การใช้ เครื่องคำนวณความน่าจะเป็นแบบทวินาม แบบที่แสดงด้านล่างอาจเป็นประโยชน์
ตัวอย่างเช่น สมมติว่าเราโยนเหรียญ n = 100 ครั้ง ความน่าจะเป็นที่เหรียญจะตกหัวในการทดลองที่กำหนดคือ p = 0.5 และเราต้องการทราบความน่าจะเป็นที่เหรียญจะตกหัว k = 43 ครั้งหรือน้อยกว่า:
ป(X= 43 ) = 0.03007
ป(X< 43 ) = 0.06661
พี( X≤43 ) = 0.09667
ป(X> 43 ) = 0.90333
P( X≥43 ) = 0.93339
function pvalue() {
//get input values var p = document.getElementById('p').value*1; var n = document.getElementById('n').value*1; var k = document.getElementById('k').value*1;
//assign probabilities to variable names var exactProb = jStat.binomial.pdf(k,n,p); var lessProb = jStat.binomial.cdf(k-1,n,p); var lessEProb = jStat.binomial.cdf(k,n,p); var greaterProb = 1-jStat.binomial.cdf(k,n,p); var greaterEProb = 1-jStat.binomial.cdf(k-1,n,p);
//output probabilities document.getElementById('k1').innerHTML = k; document.getElementById('k2').innerHTML = k; document.getElementById('k3').innerHTML = k; document.getElementById('k4').innerHTML = k; document.getElementById('k5').innerHTML = k;
document.getElementById('exactProb').innerHTML = exactProb.toFixed(5); document.getElementById('lessProb').innerHTML = lessProb.toFixed(5); document.getElementById('lessEProb').innerHTML = lessEProb.toFixed(5); document.getElementById('greaterProb').innerHTML = greaterProb.toFixed(5); document.getElementById('greaterEProb').innerHTML = greaterEProb.toFixed(5); }
ต่อไปนี้เป็นวิธีการตีความผลลัพธ์:
- ความน่าจะเป็นที่เหรียญจะขึ้นหัว 43 เท่าพอดีคือ 0.03007
- ความน่าจะเป็นที่เหรียญจะขึ้นหัวน้อยกว่า 43 เท่า คือ 0.06661
- ความน่าจะเป็นที่เหรียญจะขึ้นหัว 43 ครั้งหรือน้อยกว่าคือ 0.09667
- ความน่าจะเป็นที่เหรียญจะขึ้นหัวมากกว่า 43 ครั้ง คือ 0.90333
- ความน่าจะเป็นที่เหรียญจะขึ้นหัว 43 ครั้งขึ้นไป คือ 0.93339
คุณสมบัติของการแจกแจงแบบทวินาม
การแจกแจงทวินามมีคุณสมบัติดังต่อไปนี้:
ค่าเฉลี่ยของการแจกแจงคือ μ = np
ความแปรปรวนของการแจกแจงคือ σ 2 = np(1-p)
ค่าเบี่ยงเบนมาตรฐานของการแจกแจงคือ σ = √ np(1-p)
เช่น สมมุติเราโยนเหรียญ 3 ครั้ง ให้ p = ความน่าจะเป็นที่เหรียญตกหัว
จำนวนหัวเฉลี่ยที่เราคาดหวังคือ μ = np = 3*.5 = 1.5
ความแปรปรวนจำนวนหัวที่เราคาดหวังคือ σ 2 = np(1-p) = 3*.5*(1-.5) = 0.75
ปัญหาการปฏิบัติการแจกแจงแบบทวินาม
ใช้แบบฝึกหัดแก้ปัญหาต่อไปนี้เพื่อทดสอบความรู้เกี่ยวกับการแจกแจงแบบทวินาม
ปัญหาที่ 1
คำถาม: บ็อบพยายามโยนโทษ 60% ถ้าเขาโยนโทษ 12 ครั้ง ความน่าจะเป็นที่เขาโยนโทษได้ 10 ครั้งพอดีเป็นเท่าใด?
คำตอบ: เมื่อใช้เครื่องคำนวณการแจกแจงแบบทวินามข้างต้นโดยมีค่า p = 0.6, n = 12 และ k = 10 เราจะพบว่า P(X=10) = 0.06385
ปัญหาที่ 2
คำถาม: เจสสิก้าโยนเหรียญ 5 ครั้ง ความน่าจะเป็นที่เหรียญจะขึ้นหัว 2 เท่าหรือน้อยกว่านั้นเป็นเท่าใด?
คำตอบ: เมื่อใช้เครื่องคำนวณการแจกแจงแบบทวินามข้างต้นด้วย p = 0.5, n = 5 และ k = 2 เราจะพบว่า P(X≤2) = 0.5
ปัญหา 3
คำถาม: ความน่าจะเป็นที่นักเรียนคนใดคนหนึ่งจะได้รับการตอบรับเข้าศึกษาในวิทยาลัยแห่งใดแห่งหนึ่งคือ 0.2 ถ้าสมัคร 10 คน ความน่าจะเป็นที่มากกว่า 4 คนจะได้รับการยอมรับเป็นเท่าใด
คำตอบ: การใช้เครื่องคำนวณการแจกแจงแบบทวินามข้างต้นด้วย p = 0.2, n = 10 และ k = 4 เราพบว่า P(X>4) = 0.03279
ปัญหาที่ 4
คำถาม: คุณพลิกเหรียญ 12 ครั้ง จำนวนหัวเฉลี่ยที่คาดหวังที่จะปรากฏคือเท่าใด?
คำตอบ: จำไว้ว่าค่าเฉลี่ยของการแจกแจงแบบทวินามคำนวณเป็น μ = np ดังนั้น μ = 12*0.5 = 6 หัว
ปัญหาที่ 5
คำถาม: มาร์คตีโฮมรันได้ 10% ของความพยายามของเขา หากเขาตีได้ 5 ครั้งในเกมที่กำหนด ความแปรปรวนของจำนวนโฮมรันที่เขาตีได้เป็นเท่าใด
คำตอบ: จำไว้ว่าความแปรปรวนของการแจกแจงแบบทวินามคำนวณได้เป็น σ 2 = np(1-p) ดังนั้น σ2 = 6*.1*(1-.1) = 0.54
แหล่งข้อมูลเพิ่มเติม
บทความต่อไปนี้ช่วยให้คุณเรียนรู้วิธีใช้การแจกแจงแบบทวินามในซอฟต์แวร์ทางสถิติต่างๆ: