6.7
Dwumianowy rozkład prawdopodobieństwa
Rozkład dwumianowy to rozkład prawdopodobieństwa procedury ze stałą liczbą prób, przy czym każda próba może mieć tylko dwa wyniki.
Wyniki eksperymentu…
Dwumianowy rozkład prawdopodobieństwa reprezentuje przypadki, które mają wielokrotną, ale ustaloną liczbę prób, jak w rzucie monetą, z dwoma możliwymi wynikami na próbę.
Tutaj n oznacza liczbę prób.
W każdej próbie prawdopodobieństwo sukcesu, orzeł, jest oznaczane przez p, podczas gdy prawdopodobieństwo porażki, reszka, jest reszka reszka, jest reprezentowane przez q. Jeśli jedno jest znane, drugie można łatwo obliczyć.
W przypadku rozkładu dwumianowego prawdopodobieństwo sukcesu lub niepowodzenia powinno być zawsze takie samo dla wszystkich prób.
Ponadto wynik każdego badania musi być niezależny od innych badań.
W tym przykładzie liczba orłów jest zmienną losową x, której wartość może być liczbą całkowitą z zakresu od 0 do n.
P z x oznacza prawdopodobieństwo x orłów wśród n prób, obliczone przy użyciu wzoru na prawdopodobieństwo dwumianowe.
Tutaj symbol silni reprezentuje iloczyn czynników malejących.
Dla każdej wartości x można uzyskać P z x, które można wykreślić, aby uzyskać graficzną postać rozkładu dwumianowego.
View the full transcript and gain access to JoVE Core videos
Q1: What are the key conditions for a binomial experiment?
A binomial experiment requires a fixed number of trials, n, with only two possible outcomes per trial: success or failure. The probability of success, p, and probability of failure, q, must remain constant across all trials. Additionally, each trial must be independent, meaning the outcome of one trial does not affect another. These conditions ensure the experiment fits a binomial probability distribution.
Q2: How do you calculate the probability of a specific number of successes in a binomial distribution?
The binomial probability formula calculates P(x), the probability of exactly x successes in n trials. The formula uses the binomial coefficient, represented by the factorial symbol, multiplied by p raised to the power of x and q raised to the power of (n-x). For each value of x, you can compute P(x) to determine the complete probability distribution.
Q3: What is the relationship between p and q in a binomial distribution?
In a binomial distribution, p represents the probability of success and q represents the probability of failure on a single trial. These probabilities are complementary, meaning p + q = 1. If you know one probability, you can easily calculate the other by subtracting from 1, ensuring the two outcomes account for all possibilities.
Q4: Why must trials be independent in a binomial experiment?
Independence ensures that the outcome of one trial does not influence or help predict the outcome of another trial. This requirement allows the probability of success, p, and probability of failure, q, to remain constant across all trials. Without independence, the probabilities would change based on previous results, violating the fundamental assumptions of a binomial distribution.
Q5: How is a binomial distribution graphically represented?
A binomial distribution is graphically represented using probability histograms, where each value of x (number of successes) is plotted against its corresponding probability P(x). The x-axis shows possible outcomes from 0 to n, and the y-axis shows probabilities. This visual representation helps identify the distribution's shape and which outcomes are most likely.
Q6: What does the random variable x represent in a binomial distribution?
The random variable x represents the number of successes observed in n trials of a binomial experiment. Its value must be a whole number ranging from 0 to n. For example, in coin tosses, x could represent the number of heads obtained, with each possible value having an associated probability calculated using the binomial formula.
Q7: Can you give a real-world example of a binomial experiment?
A true-false statistics test is a practical binomial experiment. If Joe guesses on each question with a constant probability of success p = 0.6 and failure q = 0.4, each question represents an independent trial with two outcomes. The number of correct answers Joe gets follows a binomial distribution, where x can range from 0 to the total number of questions.