Binomitaulukko arvoille n = 2, n = 3, n = 4, n = 5 ja n = 6

Yksi tärkeä asia erillinen satunnaismuuttuja on binomiaalinen satunnaismuuttuja. Tämän tyyppisen muuttujan jakauman, jota kutsutaan binomijakaumaksi, määrää täysin kaksi parametria: n ja s. Tässä n on kokeiden lukumäärä ja p on onnistumisen todennäköisyys. Alla olevat taulukot ovat n = 2, 3, 4, 5 ja 6. Jokaisessa todennäköisyydet pyöristetään kolmen desimaalin tarkkuudella.

Ennen pöydän käyttöä on tärkeää määrittää tulisi käyttää binomijakaumaa. Tämän tyyppisen jakelun käyttämiseksi meidän on varmistettava, että seuraavat ehdot täyttyvät:

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

Binomijakauma antaa todennäköisyyden R onnistumisia kokeessa, jonka kokonaismäärä on n riippumattomat tutkimukset, joilla jokaisella on todennäköisyys menestyä p. Todennäköisyydet lasketaan kaavalla C(n, R)pR(1 - p)n - R missä C(n, R) on kaava yhdistelmät.

instagram viewer

Jokainen taulukon merkintä on järjestetty arvoilla p ja r. Jokaiselle arvolle on oma taulukko n.

Muut taulukot

Muille binomiaalijakaustaulukoille: n = 7 - 9, n = 10 - 11. Tilanteisiin, joissa np ja n(1 - p) ovat suurempia tai yhtä suuret kuin 10, voimme käyttää normaali likimääräisyys binomijakaumaan. Tässä tapauksessa likiarvo on erittäin hyvä eikä vaadi binomikertoimien laskemista. Tämä tarjoaa suuren edun, koska nämä binomiaaliset laskelmat voivat olla melko osallisia.

esimerkki

Tarkastelemme seuraavaa esimerkkiä taulukon käyttämiseksi genetiikka. Oletetaan, että olemme kiinnostuneita tutkimaan kahden vanhemman jälkeläisiä, joista tiedämme, että molemmilla on taantuva ja hallitseva geeni. Todennäköisyys, että jälkeläinen perii kaksi kopiota recessiivisestä geenistä (ja siten sillä on recessiivinen ominaisuus), on 1/4.

Oletetaan, että haluamme harkita todennäköisyyttä, että tietyllä määrällä lapsia kuusijäsenisessä perheessä on tämä ominaisuus. Antaa X olla lasten lukumäärä, jolla on tämä ominaisuus. Tarkastelemme pöytää n = 6 ja sarake, jossa on p = 0,25, ja katso seuraava:

0.178, 0.356, 0.297, 0.132, 0.033, 0.004, 0.000

Tämä tarkoittaa esimerkissämme sitä

  • P (X = 0) = 17,8%, mikä on todennäköisyys, että yhdelläkään lapsista ei ole recessiivistä ominaisuutta.
  • P (X = 1) = 35,6%, mikä on todennäköisyys, että yhdellä lapsista on recessiivinen ominaisuus.
  • P (X = 2) = 29,7%, mikä on todennäköisyys, että kahdella lapsella on recessiivinen ominaisuus.
  • P (X = 3) = 13,2%, mikä on todennäköisyys, että kolmella lapsista on recessiivinen ominaisuus.
  • P (X = 4) = 3,3%, mikä on todennäköisyys, että neljällä lapsella on recessiivinen ominaisuus.
  • P (X = 5) = 0,4%, mikä on todennäköisyys, että viidellä lapsesta on recessiivinen ominaisuus.

Taulukot n = 2 - n = 6

n = 2

p .01 .05 .10 .15 .20 .25 .30 .35 .40 .45 .50 .55 .60 .65 .70 .75 .80 .85 .90 .95
R 0 .980 .902 .810 .723 .640 .563 .490 .423 .360 .303 .250 .203 .160 .123 .090 .063 .040 .023 .010 .002
1 .020 .095 .180 .255 .320 .375 .420 .455 .480 .495 .500 .495 .480 .455 .420 .375 .320 .255 .180 .095
2 .000 .002 .010 .023 .040 .063 .090 .123 .160 .203 .250 .303 .360 .423 .490 .563 .640 .723 .810 .902

n = 3

p .01 .05 .10 .15 .20 .25 .30 .35 .40 .45 .50 .55 .60 .65 .70 .75 .80 .85 .90 .95
R 0 .970 .857 .729 .614 .512 .422 .343 .275 .216 .166 .125 .091 .064 .043 .027 .016 .008 .003 .001 .000
1 .029 .135 .243 .325 .384 .422 .441 .444 .432 .408 .375 .334 .288 .239 .189 .141 .096 .057 .027 .007
2 .000 .007 .027 .057 .096 .141 .189 .239 .288 .334 .375 .408 .432 .444 .441 .422 .384 .325 .243 .135
3 .000 .000 .001 .003 .008 .016 .027 .043 .064 .091 .125 .166 .216 .275 .343 .422 .512 .614 .729 .857

n = 4

p .01 .05 .10 .15 .20 .25 .30 .35 .40 .45 .50 .55 .60 .65 .70 .75 .80 .85 .90 .95
R 0 .961 .815 .656 .522 .410 .316 .240 .179 .130 .092 .062 .041 .026 .015 .008 .004 .002 .001 .000 .000
1 .039 .171 .292 .368 .410 .422 .412 .384 .346 .300 .250 .200 .154 .112 .076 .047 .026 .011 .004 .000
2 .001 .014 .049 .098 .154 .211 .265 .311 .346 .368 .375 .368 .346 .311 .265 .211 .154 .098 .049 .014
3 .000 .000 .004 .011 .026 .047 .076 .112 .154 .200 .250 .300 .346 .384 .412 .422 .410 .368 .292 .171
4 .000 .000 .000 .001 .002 .004 .008 .015 .026 .041 .062 .092 .130 .179 .240 .316 .410 .522 .656 .815

n = 5

p .01 .05 .10 .15 .20 .25 .30 .35 .40 .45 .50 .55 .60 .65 .70 .75 .80 .85 .90 .95
R 0 .951 .774 .590 .444 .328 .237 .168 .116 .078 .050 .031 .019 .010 .005 .002 .001 .000 .000 .000 .000
1 .048 .204 .328 .392 .410 .396 .360 .312 .259 .206 .156 .113 .077 .049 .028 .015 .006 .002 .000 .000
2 .001 .021 .073 .138 .205 .264 .309 .336 .346 .337 .312 .276 .230 .181 .132 .088 .051 .024 .008 .001
3 .000 .001 .008 .024 .051 .088 .132 .181 .230 .276 .312 .337 .346 .336 .309 .264 .205 .138 .073 .021
4 .000 .000 .000 .002 .006 .015 .028 .049 .077 .113 .156 .206 .259 .312 .360 .396 .410 .392 .328 .204
5 .000 .000 .000 .000 .000 .001 .002 .005 .010 .019 .031 .050 .078 .116 .168 .237 .328 .444 .590 .774

n = 6

p .01 .05 .10 .15 .20 .25 .30 .35 .40 .45 .50 .55 .60 .65 .70 .75 .80 .85 .90 .95
R 0 .941 .735 .531 .377 .262 .178 .118 .075 .047 .028 .016 .008 .004 .002 .001 .000 .000 .000 .000 .000
1 .057 .232 .354 .399 .393 .356 .303 .244 .187 .136 .094 .061 .037 .020 .010 .004 .002 .000 .000 .000
2 .001 .031 .098 .176 .246 .297 .324 .328 .311 .278 .234 .186 .138 .095 .060 .033 .015 .006 .001 .000
3 .000 .002 .015 .042 .082 .132 .185 .236 .276 .303 .312 .303 .276 .236 .185 .132 .082 .042 .015 .002
4 .000 .000 .001 .006 .015 .033 .060 .095 .138 .186 .234 .278 .311 .328 .324 .297 .246 .176 .098 .031
5 .000 .000 .000 .000 .002 .004 .010 .020 .037 .061 .094 .136 .187 .244 .303 .356 .393 .399 .354 .232
6 .000 .000 .000 .000 .000 .000 .001 .002 .004 .008 .016 .028 .047 .075 .118 .178 .262 .377 .531 .735