Binomitaulukko arvoille n = 7, n = 8 ja n = 9

Binominen satunnaismuuttuja tarjoaa tärkeän esimerkin a: sta erillinen Satunnaismuuttuja. Binomijakauma, joka kuvaa satunnaismuuttujamme kunkin arvon todennäköisyyttä, voidaan määrittää täysin kahdella parametrilla: n ja s. Tässä n on riippumattomien kokeiden lukumäärä ja p on jatkuva onnistumisen todennäköisyys jokaisessa kokeessa. Seuraavissa taulukoissa esitetään binomiaaliset todennäköisyydet n = 7,8 ja 9. Jokaisessa todennäköisyydet pyöristetään kolmen desimaalin tarkkuudella.

Pitäisikö a binomiaalijakaumaa käytetään?. Ennen kuin hyppäämme käyttämään tätä taulukkoa, meidän on tarkistettava, että seuraavat ehdot täyttyvät:

  1. Meillä on rajallinen määrä havaintoja tai kokeita.
  2. Jokaisen oikeudenkäynnin tulos voidaan luokitella joko menestykseksi tai epäonnistumiseksi.
  3. Menestymisen todennäköisyys pysyy vakiona.
  4. Havainnot ovat toisistaan ​​riippumattomia.

Kun nämä neljä ehtoa täyttyvät, binomijakauma antaa todennäköisyyden R onnistumisia kokeessa, jonka kokonaismäärä on n riippumattomat tutkimukset, joilla jokaisella on todennäköisyys menestyä

instagram viewer
p. Taulukon todennäköisyydet lasketaan kaavalla C(n, R)pR(1 - p)n - R missä C(n, R) on kaava yhdistelmät. Jokaiselle arvolle on erilliset taulukot n. Jokainen taulukon merkintä on järjestetty arvoilla p ja r.

Muut taulukot

Muille binomiaalijakaustaulukoille meillä on n = 2 - 6, n = 10 - 11. Kun arvot np ja n(1 - p) ovat molemmat suurempia tai yhtä suuret kuin 10, voimme käyttää normaali likimääräisyys binomijakaumaan. Tämä antaa meille hyvän lähestymistavan todennäköisyydestämme eikä vaadi binomikertoimien laskemista. Tämä tarjoaa suuren edun, koska nämä binomiaaliset laskelmat voivat olla melko osallisia.

esimerkki

Genetiikka on monia yhteyksiä todennäköisyyteen. Tarkastelemme yhtä havainnollistamaan binomijakauman käyttöä. Oletetaan, että tiedämme, että todennäköisyys, että jälkeläinen perii kaksi kopiota resessiivisestä geenistä (ja jolla on siis tutkittava recessiivinen ominaisuus), on 1/4.

Lisäksi haluamme laskea todennäköisyyden, että tietyllä määrällä kahdeksanjäsenisen perheen lapsia on tämä ominaisuus. Antaa X olla lasten lukumäärä, jolla on tämä ominaisuus. Tarkastelemme pöytää n = 8 ja sarake, jossa on p = 0,25, ja katso seuraava:

.100
.267.311.208.087.023.004

Tämä tarkoittaa esimerkissämme sitä

  • P (X = 0) = 10,0%, mikä on todennäköisyys, että yhdelläkään lapsista ei ole recessiivistä ominaisuutta.
  • P (X = 1) = 26,7%, mikä on todennäköisyys, että yhdellä lapsista on recessiivinen ominaisuus.
  • P (X = 2) = 31,1%, mikä on todennäköisyys, että kahdella lapsella on recessiivinen ominaisuus.
  • P (X = 3) = 20,8%, mikä on todennäköisyys, että kolmella lapsista on recessiivinen ominaisuus.
  • P (X = 4) = 8,7%, mikä on todennäköisyys, että neljällä lapsella on resessiivinen ominaisuus.
  • P (X = 5) = 2,3%, mikä on todennäköisyys, että viidellä lapsesta on recessiivinen ominaisuus.
  • P (X = 6) = 0,4%, mikä on todennäköisyys, että kuudella lapsella on recessiivinen ominaisuus.

Taulukot n = 7 - n = 9

n = 7

p .01 .05 .10 .15 .20 .25 .30 .35 .40 .45 .50 .55 .60 .65 .70 .75 .80 .85 .90 .95
R 0 .932 .698 .478 .321 .210 .133 .082 .049 .028 .015 .008 .004 .002 .001 .000 .000 .000 .000 .000 .000
1 .066 .257 .372 .396 .367 .311 .247 .185 .131 .087 .055 .032 .017 .008 .004 .001 .000 .000 .000 .000
2 .002 .041 .124 .210 .275 .311 .318 .299 .261 .214 .164 .117 .077 .047 .025 .012 .004 .001 .000 .000
3 .000 .004 .023 .062 .115 .173 .227 .268 .290 .292 .273 .239 .194 .144 .097 .058 .029 .011 .003 .000
4 .000 .000 .003 .011 .029 .058 .097 .144 .194 .239 .273 .292 .290 ;268 .227 .173 .115 .062 .023 .004
5 .000 .000 .000 .001 .004 .012 .025 .047 .077 .117 .164 .214 .261 .299 .318 .311 .275 .210 .124 .041
6 .000 .000 .000 .000 .000 .001 .004 .008 .017 .032 .055 .087 .131 .185 .247 .311 .367 .396 .372 .257
7 .000 .000 .000 .000 .000 .000 .000 .001 .002 .004 .008 .015 .028 .049 .082 .133 .210 .321 .478 .698


n = 8

p .01 .05 .10 .15 .20 .25 .30 .35 .40 .45 .50 .55 .60 .65 .70 .75 .80 .85 .90 .95
R 0 .923 .663 .430 .272 .168 .100 .058 .032 .017 .008 .004 .002 .001 .000 .000 .000 .000 .000 .000 .000
1 .075 .279 .383 .385 .336 .267 .198 .137 .090 .055 .031 .016 .008 .003 .001 .000 .000 .000 .000 .000
2 .003 .051 .149 .238 .294 .311 .296 .259 .209 .157 .109 .070 .041 .022 .010 .004 .001 .000 .000 .000
3 .000 .005 .033 .084 .147 .208 .254 .279 .279 .257 .219 .172 .124 .081 .047 .023 .009 .003 .000 .000
4 .000 .000 .005 :018 .046 .087 .136 .188 .232 .263 .273 .263 .232 .188 .136 .087 .046 .018 .005 .000
5 .000 .000 .000 .003 .009 .023 .047 .081 .124 .172 .219 .257 .279 .279 .254 .208 .147 .084 .033 .005
6 .000 .000 .000 .000 .001 .004 .010 .022 .041 .070 .109 .157 .209 .259 .296 .311 .294 .238 .149 .051
7 .000 .000 .000 .000 .000 .000 .001 .003 .008 .016 .031 .055 .090 .137 .198 .267 .336 .385 .383 .279
8 .000 .000 .000 .000 .000 000 .000 .000 .001 .002 .004 .008 .017 .032 .058 .100 .168 .272 .430 .663


n = 9

R p .01 .05 .10 .15 .20 .25 .30 .35 .40 .45 .50 .55 .60 .65 .70 .75 .80 .85 .90 .95
0 .914 .630 .387 .232 .134 .075 .040 .021 .010 .005 .002 .001 .000 .000 .000 .000 .000 .000 .000 .000
1 .083 .299 .387 .368 .302 .225 .156 .100 .060 .034 .018 .008 .004 .001 .000 .000 .000 .000 .000 .000
2 .003 .063 .172 .260 .302 .300 .267 .216 .161 .111 .070 .041 .021 .010 .004 .001 .000 .000 .000 .000
3 .000 .008 .045 .107 .176 .234 .267 .272 .251 .212 .164 .116 .074 .042 .021 .009 .003 .001 .000 .000
4 .000 .001 .007 .028 .066 .117 .172 .219 .251 .260 .246 .213 .167 .118 .074 .039 .017 .005 .001 .000
5 .000 .000 .001 .005 .017 .039 .074 .118 .167 .213 .246 .260 .251 .219 .172 .117 .066 .028 .007 .001
6 .000 .000 .000 .001 .003 .009 .021 .042 .074 .116 .164 .212 .251 .272 .267 .234 .176 .107 .045 .008
7 .000 .000 .000 .000 .000 .001 .004 .010 .021 .041 .070 .111 .161 .216 .267 .300 .302 .260 .172 .063
8 .000 .000 .000 .000 .000 .000 .000 .001 .004 .008 .018 .034 .060 .100 .156 .225 .302 .368 .387 .299
9 .000 .000 .000 .000 .000 .000 .000 .000 .000 .001 .002 .005 .010 .021 .040 .075 .134 .232 .387 .630