Phân Bố Nhị Thức Giải Thích: Thành Công và Thất Bại trong Các Thử Nghiệp Lặp Lại

Xác suất cho chúng ta một ngôn ngữ để mô tả các quá trình lặp lại mà kết quả vẫn còn bất định. Phân bố nhị thức là một trong những mô hình hữu ích nhất trong ngôn ngữ đó vì nó mô tả một khuôn mẫu đơn giản: một số lượng thử nghiệm độc lập cố định, mỗi thử nghiệm có hai kết quả có thể xảy ra, trong đó xác suất thành công không đổi. Hiểu phân bố nhị thức giúp học sinh, nhà nghiên cứu và người phân tích suy luận về tần suất xuất hiện của một kết quả cụ thể khi cùng một điều kiện được lặp lại.

Thế nào là một thiết lập nhị thức

Một biến ngẫu nhiên tuân theo phân bố nhị thức khi bốn điều kiện được đáp ứng. Thứ nhất, có một số lượng thử nghiệm cố định, ký hiệu là n. Thứ hai, mỗi thử nghiệm có đúng hai kết quả, được gọi là thành công và thất bại. Thứ ba, xác suất thành công, ký hiệu là p, giống nhau ở mọi thử nghiệm. Thứ tư, các thử nghiệm độc lập, nên kết quả của một thử nghiệm không thay đổi xác suất của thử nghiệm khác.

Từ “thành công” chỉ là một nhãn. Nó chỉ kết quả đang được đếm, không có nghĩa là điều gì đó tốt đẹp về mặt đạo đức. Trong kiểm tra chất lượng, “thành công” có thể có nghĩa là phát hiện ra khiếm khuyết. Trong một bài kiểm tra trên lớp, “thành công” có thể có nghĩa là trả lời đúng một câu hỏi. Điều quan trọng là định nghĩa phải nhất quán trong suốt quá trình phân tích.

Biến ng��u nhiên nhị thức X đếm số lần thành công trong n thử nghiệm. Các giá trị có thể có của nó là 0, 1, 2, …, n. Ví dụ, nếu một nhà sản xuất kiểm tra 20 bóng đèn và ghi nhận liệu mỗi đèn có đạt tiêu chuẩn độ sáng hay không, số lượng đèn vượt qua kiểm tra có thể được mô hình hóa bằng phân bố nhị thức khi các đèn được kiểm tra độc lập và mỗi đèn có cùng xác suất vượt qua.

Công thức nhị thức, từng bước

Xác suất quan sát được đúng k lần thành công trong n thử nghiệm là

P(X = k) = C(n, k) × p^k × (1 − p)^n−k

Biểu thức này có ba phần, và mỗi phần trả lời một câu hỏi khác nhau. Hệ số nhị thức C(n, k), đôi khi viết là “n chọn k”, đếm số cách sắp xếp k lần thành công trong n vị trí. Thành phần p^k là xác suất thu được đúng k lần thành công, trong khi (1 − p)^n−k là xác suất thu được n − k lần thất bại còn lại. Nhân các thành phần này cho ra xác suất của một số lượng thành công cụ thể sau khi tính đến tất cả các cách sắp xếp có thể.

Ví dụ cụ thể, xét năm thử nghiệm độc lập với xác suất thành công p = 0.4. Xác suất có đúng hai lần thành công là

C(5, 2) × 0.4² × 0.6³ = 10 × 0.16 × 0.216 = 0.3456.

Hệ số 10 quan trọng vì có mười chuỗi khác nhau chứa hai lần thành công và ba lần thất bại. Mỗi chuỗi có cùng xác suất, nên tổng xác suất bằng mười lần xác suất của một chuỗi.

Tại sao tổng xác suất bằng một

Các giá trị có thể có của X loại trừ lẫn nhau và bao trùm mọi kết quả. Việc cộng P(X = k) cho k = 0, 1, …, n do đó cho kết quả 1. Tính chất tổng xác suất này hữu ích khi kiểm tra tính toán: nếu một tập hợp xác suất nhị thức không cộng lại xấp xỉ 1, có thể một thành phần bị thiếu hoặc lỗi làm tròn đã tích lũy.

Trung bình, phương sai và hình dạng

Số lần thành công kỳ vọng là E(X) = np. Nếu một bài kiểm tra có 12 câu hỏi và xác suất trả lời đúng mỗi câu là 0.75, số câu đúng kỳ vọng là 12 × 0.75 = 9. Phương sai là Var(X) = np(1 − p), nên độ lệch chuẩn là căn bậc hai của giá trị đó. Các công thức này mô tả trung tâm và sự phân tán của phân bố mà không cần một bảng xác suất đầy đủ.

Giá trị của p ảnh hưởng mạnh đến hình dạng. Khi p gần 0.5, phân bố tương đối đối xứng. Khi p nhỏ hơn hoặc lớn hơn 0.5 đáng kể, phân bố trở nên lệch, với phần lớn xác suất tập trung gần một đầu của phạm vi. Số lượng thử nghiệm cũng quan trọng: n lớn hơn thường tạo ra khuôn mẫu mượt hơn, trong khi n nhỏ có thể tạo ra phân bố thô với chỉ một vài giá trị có khả năng xảy ra.

Một ví dụ giải chi tiết

Giả sử một quy trình kiểm soát chất lượng kiểm tra 8 thành phần độc lập, và mỗi thành phần có xác suất 0.9 hoạt động đúng. Gọi X là số thành phần hoạt động đúng. Khi đó X ~ Binomial(8, 0.9). Số lượng kỳ vọng là 8 × 0.9 = 7.2, và phương sai là 8 × 0.9 × 0.1 = 0.72.

Để tìm xác suất có đúng 7 thành phần hoạt động đúng, tính

C(8, 7) × 0.9⁷ × 0.1¹ = 8 × 0.4782969 × 0.1 ≈ 0.3826.

Để tìm xác suất có ít nhất 7 thành phần hoạt động đúng, cộng xác suất của 7 và 8 lần thành công. Kiểu “ít nhất” này rất phổ biến trong các phép tính độ tin cậy: thay vì liệt kê từng trường hợp thuận lợi riêng lẻ, xác định các giá trị k liên quan và cộng xác suất của chúng.

Các giả định, giới hạn và kiểm tra thực tế

Mô hình nhị thức chỉ tốt bằng các giả định của nó. Nếu các thử nghiệm không độc lập, mô hình có thể không phù hợp. Nếu xác suất thành công thay đổi từ thử nghiệm này sang thử nghiệm khác, kết quả không phải là nhị thức; nó có thể được mô hình hóa bằng phân bố Poisson nhị thức. Khi lấy mẫu không hoàn lại từ một tổng thể nhỏ, phân bố siêu hình học có thể chính xác hơn vì mỗi lần chọn thay đổi thành phần còn lại.

Cũng quan trọng là không nhầm lẫn xác suất lý thuyết với tỷ lệ quan sát được. Phân bố nhị thức mô tả biến động ngẫu nhiên xung quanh một xác suất cố định. Trong dữ liệu thực tế, giá trị của p thường chưa biết và phải được ước tính, điều này tạo ra thêm sự bất định.

Kết nối với các ý tưởng khác

Phân bố nhị thức liên kết với nhiều chủ đề quan trọng trong xác suất. Khi n tăng, xấp xỉ chuẩn trở nên hữu ích khi p không quá gần 0 hoặc 1. Một quy tắc thực tế phổ biến là kiểm tra rằng np và n(1 − p) đều lớn hơn khoảng 5, mặc dù các phép tính nhị thức chính xác vẫn được ưu tiên khi có thể. Xấp xỉ Poisson có thể hữu ích khi n lớn và p rất nhỏ, với np ở mức vừa phải.

Mô hình nhị thức cũng cung cấp nền tảng cho suy luận thống kê. Khoảng tin cậy cho tỷ lệ và kiểm tra giả thuyết về tỷ lệ thường bắt đầu với giả định rằng số lần thành công là nhị thức. Do đó, hiểu công thức phân bố nhị thức hỗ trợ cả phép tính xác suất và suy luận thống kê sau này.

Các điểm chính cần nhớ

• Thử nghiệm cố định: Mô hình yêu cầu một số lượng thử nghiệm độc lập đã xác định trước.
• Hai kết quả: Mỗi thử nghiệm được phân loại là thành công hoặc thất bại theo một định nghĩa nhất quán.
• Xác suất không đổi: Cùng một p được áp dụng cho mọi thử nghiệm.
• Đếm thành công: Biến ghi lại có bao nhiêu lần thành công xảy ra, không phải thứ tự của chúng.
• Logic công thức: Hệ số nhị thức đếm các cách sắp xếp, trong khi các lũy thừa gán xác suất.

Với những ý tưởng này, phân bố nhị thức trở nên giống một cách suy luận có cấu trúc về sự bất định lặp lại hơn là một công thức cần nhớ. Nó cho thấy cách các quy tắc nhỏ, đơn giản cho từng thử nghiệm kết hợp thành các khuôn mẫu có thể dự đoán trên nhiều thử nghiệm.