Binomialfordelingen

Binomialfordelingen er en sandsynlighedsfordeling, der beskriver, hvor sandsynligt det er at få et bestemt antal successer i en række uafhængige forsøg.

 

Et forsøg har kun to mulige udfald: succes eller fiasko. Eksempler kan være plat eller krone, ramme eller misse, bestå eller dumpe.

 

 

Forudsætninger

  • Der udføres et fast antal forsøg, \( \large n \).
  • Hvert forsøg har to udfald: succes eller fiasko.
  • Sandsynligheden for succes er den samme i hvert forsøg, \( \large p \).
  • Forsøgene er uafhængige af hinanden.

 

 

Formlen

Sandsynligheden for at få præcist \( \large r \) successer i \( \large n \) forsøg er:

 

$$ \large P(X=r) = \binom{n}{r} p^r (1-p)^{n-r} $$

 

Her er \(\large \binom{n}{r}\) en kombination, som angiver hvor mange måder man kan placere de \( \large r \) successer blandt de \( \large n \) forsøg.

 

 

Eksempel 1: Møntkast

En mønt kastes 10 gange. Sandsynligheden for at få plat er \( \large p = 0.5 \).

 

Hvad er sandsynligheden for at få præcist 6 gange plat?

 

$$ \large P(X=6) = \binom{10}{6} (0.5)^6 (0.5)^{4} $$

$$ \large P(X=6) = 210 \cdot (0.5)^{10} $$

$$ \large P(X=6) \approx 0.205 $$

 

Der er altså ca. 20,5% sandsynlighed for at få 6 gange plat.

 

Binomialfordeling

Binomialfordelingen ved kast med en mønt

 

 

Eksempel 2: Terning

En terning kastes 5 gange. Vi definerer succes som at få en sekser. Her er \( \large p = \tfrac{1}{6} \).

 

Sandsynligheden for at få præcist 2 seksere er:

 

$$ \large P(X=2) = \binom{5}{2} \left(\tfrac{1}{6}\right)^2 \left(\tfrac{5}{6}\right)^3 $$

$$ \large P(X=2) = 10 \cdot \tfrac{1}{36} \cdot \tfrac{125}{216} $$

$$ \large P(X=2) = \tfrac{1250}{7776} $$

$$ \large P(X=2) \approx 0.161 $$

 

For at få overblik kan vi beregne sandsynlighederne for alle de mulige udfald:

 

\( \large r \) Sandsynlighed \( \large P(X=r) \)
0 \( \large 0.401 \)
1 \( \large 0.402 \)
2 \( \large 0.161 \)
3 \( \large 0.032 \)
4 \( \large 0.003 \)
5 \( \large 0.00013 \)

 

Vi ser at det er mest sandsynligt at få 0 eller 1 sekser i 5 kast, og at sandsynligheden hurtigt bliver meget lille for højere antal.

 

 

binomialfordeling

Binomialfordelingen ved kast med en terning

 

 

Eksempel 3: Kvalitetskontrol

I en fabrik er 5% af produkterne defekte. Vi udtager 20 produkter tilfældigt. Sandsynligheden for at finde præcist 3 defekte er:

 

$$ \large P(X=3) = \binom{20}{3} (0.05)^3 (0.95)^{17} $$

$$ \large P(X=3) = 1140 \cdot (0.000125) \cdot (0.419) $$

$$ \large P(X=3) \approx 0.059 $$

 

For at få overblik kan vi beregne sandsynlighederne for 0 til 5 defekte produkter:

 

\( \large r \) Sandsynlighed \( \large P(X=r) \)
0 \( \large 0.358 \)
1 \( \large 0.377 \)
2 \( \large 0.188 \)
3 \( \large 0.059 \)
4 \( \large 0.014 \)
5 \( \large 0.003 \)

 

Vi ser at det mest sandsynlige er at finde 0 eller 1 defekt, men der er stadig en reel sandsynlighed for at finde 2 eller 3 defekte i en stikprøve.

 

 

binomialfordelingen

Binomialfordelingen ved kvalitetskontrol

 

 

Egenskaber

  • Middelværdi: \( \large \mu = n \cdot p \)
  • Varians: \( \large \sigma^2 = n \cdot p \cdot (1-p) \)
  • Standardafvigelse: \( \large \sigma = \sqrt{n \cdot p \cdot (1-p)} \)

 

 

Binomial og normalfordeling

Når \( \large n \) er stort, og \( \large p \) ikke er alt for tæt på 0 eller 1, kan binomialfordelingen tilnærmes med en normalfordeling:

 

$$ \large N(\mu, \sigma^2) = N(n \cdot p, n \cdot p \cdot (1-p)) $$

 

Dette er nyttigt, fordi normalfordelingen er lettere at regne med ved store \( \large n \).

 

 

Anvendelser

  • Statistik: modellering af forsøg med to udfald.
  • Biologi: sandsynligheden for at et bestemt antal planter spirer.
  • Medicin: sandsynligheden for at et bestemt antal patienter reagerer på en behandling.
  • Kvalitetskontrol: hvor mange defekte produkter findes i en stikprøve.
  • Spil og simulationer: fx møntkast, terningekast eller andre eksperimenter med gentagne forsøg.

 

 

Opsummering

  • Binomialfordelingen beskriver sandsynligheden for et bestemt antal successer i \( \large n \) uafhængige forsøg.
  • Ved store \( \large n \) kan binomialfordelingen tilnærmes af en normalfordeling.
  • Den har mange anvendelser i statistik, sandsynlighedsregning, biologi, medicin, spil og kvalitetskontrol.

 

Binomialfordelingen er en af de mest fundamentale fordelinger i sandsynlighedsteorien og forbinder kombinatorik med statistik.

 

 

 

Formler

Binomialfordeling

$$ P(X = r) = \binom{n}{r} \, p^r \, (1-p)^{\,n-r} $$

Middelværdi

$$ \mu = n \cdot p $$

Varians

$$ \sigma^2 = n \cdot p \cdot (1-p) $$

Standardafvigelse

$$ \sigma = \sqrt{n \cdot p \cdot (1-p)} $$