Binomiális táblázat n = 10 és n = 11 esetén

Mindenböl diszkrét véletlenszerű változók, alkalmazásának egyik legfontosabb egy binomiális véletlen változó. A binomiális eloszlást, amely megadja az ilyen típusú változó értékeinek valószínűségét, két paraméter határozza meg teljesen: n és o. Itt n a kísérletek száma és p az a próba sikere valószínűsége. Az alábbi táblázatok a következőkre vonatkoznak: n = 10 és 11. Az egyes valószínűségeket három tizedesjegyre kerekítjük.

Mindig kérdezzük ha binomiális eloszlást kell használni. A binomiális eloszlás használatához ellenőriznünk kell, hogy a következő feltételek teljesülnek-e:

  1. Végtelen számú megfigyelés vagy kísérlet van.
  2. A tanítási próba eredményét sikerként vagy kudarcként lehet besorolni.
  3. A siker valószínűsége állandó marad.
  4. A megfigyelések függetlenek egymástól.

Az binomiális eloszlás megadja a valószínűségét r sikerek egy kísérletben összesen n független kísérletek, amelyek mindegyikének valószínűsége van a sikernek p. A valószínűségeket a képlettel számítják ki C(n, r)pr(1 - p)n - r hol C(n, r) a képlet kombinációk.

instagram viewer

A táblát a következő értékek szerint rendezzük el: p és r. Minden értékhez külön táblázat van n.

Egyéb táblák

Más binomiális eloszlási táblázatokhoz n = 2–6, n = 7–9. Olyan helyzetekre, amelyekben np és n(1 - p) 10-nél nagyobb vagy egyenlő, használhatjuk a a binomiális eloszlás normál közelítése. Ebben az esetben a közelítés nagyon jó, és nem igényli a binomiális együtthatók kiszámítását. Ez nagy előnyt jelent, mivel ezek a binomiális számítások nagyon részt vehetnek.

Példa

A következő példa a genetika szemlélteti a táblázat használatát. Tegyük fel, hogy tudjuk, hogy az a valószínűsége, hogy egy utód egy recesszív gén két példányát örökli (és így a recesszív tulajdonsággal végzi), 1/4.

Ki akarjuk számítani annak valószínűségét, hogy egy tíz tagú családban bizonyos számú gyermek rendelkezik-e ezzel a tulajdonsággal. enged x legyen a gyermekek száma e vonással. Az asztalra nézünk n = 10 és az oszlop p = 0,25, és tekintse meg a következő oszlopot:

.056, .188, .282, .250, .146, .058, .016, .003

A példa erre azt jelenti

  • P (X = 0) = 5,6%, ami annak a valószínűsége, hogy egyik gyermek sem rendelkezik recesszív tulajdonsággal.
  • P (X = 1) = 18,8%, ami annak a valószínűsége, hogy a gyermekek egyikének recesszív tulajdonsága van.
  • P (X = 2) = 28,2%, ami annak a valószínűsége, hogy a gyermekek közül kettőnek recesszív vonása van.
  • P (X = 3) = 25,0%, ami annak a valószínűsége, hogy három gyermeknek recesszív vonása van.
  • P (X = 4) = 14,6%, ami annak a valószínűsége, hogy négy gyermeknek recesszív vonása van.
  • P (X = 5) = 5,8%, ami annak a valószínűsége, hogy a gyermekek közül ötnek recesszív vonása van.
  • P (X = 6) = 1,6%, ami annak a valószínűsége, hogy a gyermekek közül hatnak recesszív vonása van.
  • P (X = 7) = 0,3%, ami annak a valószínűsége, hogy a gyermekek közül hétnek recesszív vonása van.

N = 10 - n = 11 táblázatok

n = 10

p .01 .05 .10 .15 .20 .25 .30 .35 .40 .45 .50 .55 .60 .65 .70 .75 .80 .85 .90 .95
r 0 .904 .599 .349 .197 .107 .056 .028 .014 .006 .003 .001 .000 .000 .000 .000 .000 .000 .000 .000 .000
1 .091 .315 .387 .347 .268 .188 .121 .072 .040 .021 .010 .004 .002 .000 .000 .000 .000 .000 .000 .000
2 .004 .075 .194 .276 .302 .282 .233 .176 .121 .076 .044 .023 .011 .004 .001 .000 .000 .000 .000 .000
3 .000 .010 .057 .130 .201 .250 .267 .252 .215 .166 .117 .075 .042 .021 .009 .003 .001 .000 .000 .000
4 .000 .001 .011 .040 .088 .146 .200 .238 .251 .238 .205 .160 .111 .069 .037 .016 .006 .001 .000 .000
5 .000 .000 .001 .008 .026 .058 .103 .154 .201 .234 .246 .234 .201 .154 .103 .058 .026 .008 .001 .000
6 .000 .000 .000 .001 .006 .016 .037 .069 .111 .160 .205 .238 .251 .238 .200 .146 .088 .040 .011 .001
7 .000 .000 .000 .000 .001 .003 .009 .021 .042 .075 .117 .166 .215 .252 .267 .250 .201 .130 .057 .010
8 .000 .000 .000 .000 .000 .000 .001 .004 .011 .023 .044 .076 .121 .176 .233 .282 .302 .276 .194 .075
9 .000 .000 .000 .000 .000 .000 .000 .000 .002 .004 .010 .021 .040 .072 .121 .188 .268 .347 .387 .315
10 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .001 .003 .006 .014 .028 .056 .107 .197 .349 .599

n = 11

p .01 .05 .10 .15 .20 .25 .30 .35 .40 .45 .50 .55 .60 .65 .70 .75 .80 .85 .90 .95
r 0 .895 .569 .314 .167 .086 .042 .020 .009 .004 .001 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000
1 .099 .329 .384 .325 .236 .155 .093 .052 .027 .013 .005 .002 .001 .000 .000 .000 .000 .000 .000 .000
2 .005 .087 .213 .287 .295 .258 .200 .140 .089 .051 .027 .013 .005 .002 .001 .000 .000 .000 .000 .000
3 .000 .014 .071 .152 .221 .258 .257 .225 .177 .126 .081 .046 .023 .010 .004 .001 .000 .000 .000 .000
4 .000 .001 .016 .054 .111 .172 .220 .243 .236 .206 .161 .113 .070 .038 .017 .006 .002 .000 .000 .000
5 .000 .000 .002 .013 .039 .080 .132 .183 .221 .236 .226 .193 .147 .099 .057 .027 .010 .002 .000 .000
6 .000 .000 .000 .002 .010 .027 .057 .099 .147 .193 .226 .236 .221 .183 .132 .080 .039 .013 .002 .000
7 .000 .000 .000 .000 .002 .006 .017 .038 .070 .113 .161 .206 .236 .243 .220 .172 .111 .054 .016 .001
8 .000 .000 .000 .000 .000 .001 .004 .010 .023 .046 .081 .126 .177 .225 .257 .258 .221 .152 .071 .014
9 .000 .000 .000 .000 .000 .000 .001 .002 .005 .013 .027 .051 .089 .140 .200 .258 .295 .287 .213 .087
10 .000 .000 .000 .000 .000 .000 .000 .000 .001 .002 .005 .013 .027 .052 .093 .155 .236 .325 .384 .329
11 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .001 .004 .009 .020 .042 .086 .167 .314 .569