Wann verwendet man eine Binomialverteilung?
ROBERT BROOK/SCIENCE PHOTO LIBRARY/Getty Images
Binomiale Wahrscheinlichkeitsverteilungen sind in einer Reihe von Einstellungen nützlich. Es ist wichtig zu wissen, wann diese Art der Verteilung verwendet werden sollte. Wir werden alle Bedingungen untersuchen, die notwendig sind, um eine Binomialverteilung zu verwenden.
Die grundlegenden Funktionen, die wir haben müssen, sind für insgesamt n unabhängige Versuche werden durchgeführt und wir wollen die Wahrscheinlichkeit herausfinden r Erfolge, wobei jeder Erfolg eine Wahrscheinlichkeit hat p des Auftretens. In dieser kurzen Beschreibung sind mehrere Dinge angegeben und impliziert. Die Definition läuft auf diese vier Bedingungen hinaus:
- Feste Anzahl von Versuchen
- Unabhängige Versuche
- Zwei unterschiedliche Klassifizierungen
- Die Erfolgswahrscheinlichkeit bleibt bei allen Versuchen gleich
Alle diese müssen in dem zu untersuchenden Prozess vorhanden sein, um die binomiale Wahrscheinlichkeitsformel oder zu verwenden Tische . Es folgt eine kurze Beschreibung jedes dieser Elemente.
Behobene Prüfungen
Der zu untersuchende Prozess muss eine klar definierte Anzahl von Versuchen haben, die nicht variieren. Wir können diese Zahl während unserer Analyse nicht ändern. Jede Studie muss auf die gleiche Weise wie alle anderen durchgeführt werden, obwohl die Ergebnisse variieren können. Die Anzahl der Versuche wird durch ein angezeigt n in der Formel.
Ein Beispiel für feste Versuche für einen Prozess wäre die Untersuchung der Ergebnisse eines zehnmaligen Würfelns. Hier ist jeder Würfelwurf ein Versuch. Die Gesamtzahl der durchgeführten Versuche wird von Anfang an festgelegt.
Unabhängige Studien
Jeder der Versuche muss unabhängig sein. Jeder Versuch sollte absolut keine Auswirkung auf einen der anderen haben. Die klassischen Beispiele des Walzens zwei Würfel oder das Werfen mehrerer Münzen veranschaulichen unabhängige Ereignisse. Da die Ereignisse unabhängig sind, können wir die verwenden Multiplikationsregel um die Wahrscheinlichkeiten miteinander zu multiplizieren.
In der Praxis kann es, insbesondere aufgrund einiger Stichprobentechniken, vorkommen, dass Versuche technisch nicht unabhängig sind. EIN Binomialverteilung kann manchmal in diesen Situationen verwendet werden, solange die Grundgesamtheit im Verhältnis zur Stichprobe größer ist.
Zwei Klassifikationen
Jeder der Versuche ist in zwei Klassifikationen eingeteilt: Erfolge und Misserfolge. Obwohl wir Erfolg normalerweise als etwas Positives betrachten, sollten wir diesen Begriff nicht zu sehr interpretieren. Wir weisen darauf hin, dass der Prozess insofern ein Erfolg ist, als er mit dem übereinstimmt, was wir als Erfolg bezeichnet haben.
Nehmen wir als Extremfall zur Veranschaulichung an, wir testen die Ausfallrate von Glühbirnen. Wenn wir wissen wollen, wie viele in einer Charge nicht funktionieren, könnten wir den Erfolg unseres Versuchs so definieren, dass wir eine Glühbirne haben, die nicht funktioniert. Ein Versuch ist fehlgeschlagen, wenn die Glühbirne funktioniert. Das mag ein bisschen rückwärts klingen, aber es mag einige gute Gründe dafür geben, die Erfolge und Misserfolge unseres Prozesses so zu definieren, wie wir es getan haben. Zu Kennzeichnungszwecken kann es vorzuziehen sein, zu betonen, dass die Wahrscheinlichkeit, dass eine Glühbirne nicht funktioniert, eher gering ist als die Wahrscheinlichkeit, dass eine Glühbirne funktioniert.
Gleiche Wahrscheinlichkeiten
Die Wahrscheinlichkeiten erfolgreicher Versuche müssen während des gesamten Prozesses, den wir untersuchen, gleich bleiben. Das Werfen von Münzen ist ein Beispiel dafür. Egal wie viele Münzen geworfen werden, die Wahrscheinlichkeit, einen Kopf zu werfen, ist jedes Mal 1/2.
Auch hier unterscheiden sich Theorie und Praxis ein wenig. Probenahme ohne Ersatz kann dazu führen, dass die Wahrscheinlichkeiten von jedem Versuch leicht voneinander schwanken. Angenommen, es gibt 20 Beagles von 1000 Hunden. Die Wahrscheinlichkeit, einen Beagle zufällig auszuwählen, beträgt 20/1000 = 0,020. Wählen Sie nun erneut aus den verbleibenden Hunden aus. Es gibt 19 Beagles von 999 Hunden. Die Wahrscheinlichkeit, einen anderen Beagle auszuwählen, beträgt 19/999 = 0,019. Das Wert 0,2 ist ein angemessener Schätzwert für diese beiden Studien. Solange die Grundgesamtheit groß genug ist, stellt diese Art der Schätzung kein Problem dar, wenn man die Binomialverteilung verwendet.