Калькулятор нормального приближения биномиального распределения

Калькулятор нормального приближения биномиального распределения

Растущий AI Skill PRO

Введите расчет

Результаты

Приближённая вероятность
0,868224
нормальное приближение (с поправкой на непрерывность)
Среднее 10
Стандартное отклонение (σ) 2,2361
Нижняя z-оценка 1,118
Верхняя z-оценка 1,118

Математическая формула

P(X≤x)≈Φ((x+0.5)−μσ)где{μ=n·pσ=n·p(1−p)\begin{gathered} P(X \le x) \approx \Phi\!\left( \frac{\left(\text{x} + 0.5\right) - \mu}{\sigma} \right) \\[1.5em] \text{где}\quad \left\{ \begin{aligned} \mu &= \text{n} \cdot \text{p} \\ \sigma &= \sqrt{\text{n} \cdot \text{p}\left(1 - \text{p}\right)} \end{aligned} \right. \end{gathered}
Статистика использования

Реклама

Сообщить об ошибке на этой странице

Что такое нормальное приближение биномиального распределения?

Когда число испытаний в биномиальном эксперименте велико, точный расчёт биномиальных вероятностей превращается в трудоёмкую задачу. Нормальное приближение позволяет заменить дискретное биномиальное распределение непрерывным нормальным с теми же математическим ожиданием и дисперсией. Биномиальная случайная величина \(X\) с параметрами \(n\) и \(p\) имеет среднее \(\mu = np\) и стандартное отклонение \(\sigma = \sqrt{np(1-p)}\). Тогда для \(X\) используют нормальное распределение \(N(\mu, \sigma^2)\), чтобы оценить накопленные вероятности.

Столбцы биномиальной гистограммы с наложенной плавной нормальной кривой
Нормальная кривая приближает дискретное биномиальное распределение при большом \(n\).

Как пользоваться калькулятором

Укажите число испытаний n, вероятность успеха в одном испытании p (от 0 до 1), выберите тип вероятности (≤, <, ≥, > или =) и значение x. Калькулятор выдаст \(\mu\), \(\sigma\), z-оценку (или две) с поправкой на непрерывность и приближённую вероятность. Приближение надёжно работает, когда одновременно \(np \ge 5\) и \(n(1-p) \ge 5\).

Поправка на непрерывность

Поскольку биномиальное распределение дискретно, а нормальное непрерывно, границу сдвигают на 0,5 в нужную сторону — это и есть поправка на непрерывность. Например, для \(P(X \le x)\) берут \(x + 0{,}5\), для \(P(X \ge x)\) — \(x - 0{,}5\), а \(P(X = x)\) охватывает интервал от \(x - 0{,}5\) до \(x + 0{,}5\). Каждую скорректированную границу переводят в z-оценку по формуле $$z = \frac{(x \pm 0{,}5) - \mu}{\sigma}$$ после чего применяют функцию распределения стандартного нормального закона.

Реклама
Столбец гистограммы, расширенный на полединицы в каждую сторону под нормальной кривой
Поправка на непрерывность: дискретный столбец в точке \(x\) занимает от \(x-0{,}5\) до \(x+0{,}5\) под кривой.

Разбор примера

Пусть \(n = 20\), \(p = 0{,}5\), и нам нужно найти \(P(X \le 12)\). Тогда $$\mu = 20 \times 0{,}5 = 10$$ и $$\sigma = \sqrt{20 \times 0{,}5 \times 0{,}5} = \sqrt{5} \approx 2{,}2361.$$ С поправкой на непрерывность получаем $$z = \frac{12{,}5 - 10}{2{,}2361} \approx 1{,}118.$$ Функция распределения стандартного нормального закона даёт \(\Phi(1{,}118) \approx 0{,}868\), поэтому \(P(X \le 12) \approx 0{,}868\) — что очень близко к точному биномиальному значению.

Частые вопросы

Когда приближение применимо? Распространённое правило: \(np \ge 5\) и \(n(1-p) \ge 5\). Если \(p\) сильно отличается от 0,5, может потребоваться большее \(n\).

Почему именно ±0,5? Поправка 0,5 компенсирует замену дискретных «столбиков» гладкой кривой и повышает точность расчёта.

Даёт ли это точную вероятность? Нет — это лишь приближение. Для точного результата используйте калькулятор биномиальной вероятности, особенно при малых \(n\).

Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика