Zajímavý

Kdy používáte binomické rozdělení?

Kdy používáte binomické rozdělení?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Binomické rozdělení pravděpodobnosti je užitečné v řadě nastavení. Je důležité vědět, kdy by se tento typ distribuce měl použít. Prozkoumáme všechny podmínky, které jsou nezbytné k použití binomického rozdělení.

Základní rysy, které musíme mít, jsou celkem n probíhají nezávislé zkoušky a my chceme zjistit pravděpodobnost r úspěchy, kde každý úspěch má pravděpodobnost str výskytu. V tomto stručném popisu je uvedeno a implikováno několik věcí. Definice se scvrkává na tyto čtyři podmínky:

  1. Opraven počet pokusů
  2. Nezávislé zkoušky
  3. Dvě různé klasifikace
  4. Pravděpodobnost úspěchu zůstává stejná pro všechny pokusy

Všechny tyto musí být přítomny ve vyšetřovaném procesu, aby bylo možné použít binomický pravděpodobnostní vzorec nebo tabulky. Následuje stručný popis každého z nich.

Opravené zkoušky

Prošetřovaný proces musí mít jasně definovaný počet pokusů, které se nemění. Toto číslo nemůžeme změnit uprostřed naší analýzy. Každá zkouška musí být provedena stejným způsobem jako všechny ostatní, i když výsledky se mohou lišit. Počet pokusů je označen n ve vzorci.

Příkladem toho, že by byly pro daný proces stanoveny pevné pokusy, by bylo studování výsledků válcování raznice desetkrát. Zde je každá role matrice pokusem. Celkový počet opakování každé zkoušky je definován od samého počátku.

Nezávislé zkoušky

Každá ze zkoušek musí být nezávislá. Každá zkouška by neměla mít absolutně žádný účinek na ostatní. Klasické příklady házení dvou kostek nebo převržení několika mincí ilustrují nezávislé události. Protože jsou události nezávislé, jsme schopni použít multiplikační pravidlo k znásobení pravděpodobností dohromady.

V praxi, zejména kvůli některým technikám odběru vzorků, mohou nastat situace, kdy zkoušky nejsou technicky nezávislé. V těchto situacích může být někdy použito binomické rozdělení, pokud je populace vzhledem ke vzorku větší.

Dvě klasifikace

Každá ze zkoušek je rozdělena do dvou klasifikací: úspěchy a neúspěchy. Ačkoli obvykle považujeme úspěch za pozitivní věc, neměli bychom do tohoto termínu příliš číst. Naznačujeme, že soudní řízení je úspěchem v tom, že se shoduje s tím, co jsme se rozhodli nazvat úspěchem.

Jako extrémní případ pro ilustraci předpokládáme, že testujeme míru selhání žárovek. Pokud chceme vědět, kolik v dávce nebude fungovat, mohli bychom definovat úspěch pro náš pokus, když máme žárovku, která nefunguje. Selhání zkoušky je, když žárovka funguje. Může to znít trochu pozpátku, ale existují dobré důvody pro definování úspěchů a neúspěchů našeho procesu, jak jsme to udělali. Pro účely značení může být výhodné zdůraznit, že existuje nízká pravděpodobnost, že žárovka nebude fungovat, spíše než vysoká pravděpodobnost, že žárovka bude fungovat.

Stejné pravděpodobnosti

Pravděpodobnost úspěšných pokusů musí zůstat stejná během celého procesu, který studujeme. Jedním z příkladů je obracející se mince. Bez ohledu na to, kolik mincí je vyhozeno, je pravděpodobnost, že hodíte hlavou, vždy 1/2.

To je další místo, kde se teorie a praxe mírně liší. Vzorkování bez náhrady může způsobit mírné kolísání pravděpodobností z každé studie. Předpokládejme, že existuje 20 bíglů z 1000 psů. Pravděpodobnost náhodného výběru bígla je 20/1000 = 0,020. Nyní si vyberte znovu ze zbývajících psů. Z 999 psů je 19 bíglů. Pravděpodobnost výběru jiného bígla je 19/999 = 0,019. Hodnota 0,2 je vhodným odhadem pro obě tyto pokusy. Dokud je populace dostatečně velká, tento druh odhadu nepředstavuje problém s použitím binomického rozdělení.


Video, Sitemap-Video, Sitemap-Videos