Binom Olasılık Hesaplama Aracı nedir?
Bu araç, her birinde başarı olasılığı aynı olan n bağımsız denemede tam olarak k başarı elde etme olasılığını bulur. Belirli sayıda yazı tura atmak, bir partideki kusurlu ürünleri saymak veya bir oyuncunun kaç serbest atış isabet ettirdiğini ölçmek gibi durumların tamamı binom dağılımına uyar.
Nasıl kullanılır?
Deneme sayısını (\(n\)), kaç başarı ile ilgilendiğinizi (\(k\)) ve tek bir denemede başarı olasılığını (\(p\), 0 ile 1 arasında) girin. Hesaplama aracı; kesin olasılık \(P(X = k)\) değerini, iki kümülatif olasılığı (\(P(X \le k)\) ve \(P(X \ge k)\)) ve dağılımın ortalaması ile standart sapmasını verir.
Formülün açıklaması
Binom olasılık formülü şu şekildedir:
$$P(X = k) = \binom{n}{k} \, p^{\,k} \, (1 - p)^{\,n - k}$$Burada \(C(n,k)\) binom katsayısıdır (\(k\) başarının \(n\) deneme arasına dizilebileceği yol sayısı), \(p^{k}\) bu \(k\) başarının olasılığını, \((1 - p)^{n - k}\) ise geriye kalan \(n - k\) başarısızlığın olasılığını ifade eder. Dağılımın ortalaması \(n \cdot p\), standart sapması ise \(\sqrt{n \cdot p \cdot (1-p)}\) olur.
Çözümlü örnek
Hilesiz bir parayı 10 kez attığınızı (\(n = 10\), \(p = 0{,}5\)) ve tam olarak 3 yazı gelme olasılığını (\(k = 3\)) merak ettiğinizi düşünün. \(C(10,3) = 120\) olduğundan $$P = 120 \cdot 0{,}5^3 \cdot 0{,}5^7 = 120 \cdot 0{,}0009765625 = \mathbf{0{,}1171875}$$ yani yaklaşık %11,7 olur.
Daha Fazla Çalışılmış Örnek
Her örnek binom olasılık formülünü kullanır: \(P(X = k) = \binom{n}{k} p^{k}(1-p)^{n-k}\), burada \(n\) bağımsız deneme sayısı, \(p\) her deneme için başarı olasılığı ve \(k\) ilgilenilen başarı sayısıdır.
Örnek 1 — Hatalı ürünler, P(X ≤ 2)
Bir sevkiyatın hata oranı \(p = 0.05\) olur. \(n = 20\) ürünün rastgele bir örneğinde, en fazla 2 tanesinin hatalı olma olasılığı nedir? \(P(X \le 2) = P(0) + P(1) + P(2)\) gereklidir.
- \(P(0) = \binom{20}{0}(0.05)^0(0.95)^{20} = 1 \cdot 1 \cdot 0.358486 = 0.358486\)
- \(P(1) = \binom{20}{1}(0.05)^1(0.95)^{19} = 20 \cdot 0.05 \cdot 0.377354 = 0.377354\)
- \(P(2) = \binom{20}{2}(0.05)^2(0.95)^{18} = 190 \cdot 0.0025 \cdot 0.397214 = 0.188677\)
\(\binom{20}{2} = 190\) olduğuna dikkat edin. Üç terimi toplayalım:
$$P(X \le 2) = 0.358486 + 0.377354 + 0.188677 = 0.924516$$Bu nedenle tam olarak 2 hatalı ürünün olma şansı yaklaşık 0.188677 dir ve 2 veya daha az olma şansı kabaca %92.5 dir. Dağılım ortalama \(\mu = np = 20 \cdot 0.05 = 1\) hatalı ürün ve standart sapma \(\sigma = \sqrt{np(1-p)} = \sqrt{20 \cdot 0.05 \cdot 0.95} = \sqrt{0.95} \approx 0.9747\) olur.
Örnek 2 — Serbest atışlar, P(X ≥ 4)
Bir oyuncu \(p = 0.8\) olasılıkla serbest atış yapar ve \(n = 5\) atış gerçekleştirir. En az 4 atış yapma olasılığı nedir? \(P(X \ge 4) = P(4) + P(5)\) gereklidir.
- \(P(4) = \binom{5}{4}(0.8)^4(0.2)^1 = 5 \cdot 0.4096 \cdot 0.2 = 0.4096\)
- \(P(5) = \binom{5}{5}(0.8)^5(0.2)^0 = 1 \cdot 0.32768 \cdot 1 = 0.32768\)
Burada \(\binom{5}{4} = 5\) ve \(\binom{5}{5} = 1\) dir. Toplayalım:
$$P(X \ge 4) = 0.4096 + 0.32768 = 0.73728$$Oyuncu 5 atışın en az 4 tanesini yaklaşık %73.7 oranında başarır. Yapılan atış sayısının beklenen değeri \(\mu = np = 5 \cdot 0.8 = 4\) olup standart sapma \(\sigma = \sqrt{5 \cdot 0.8 \cdot 0.2} = \sqrt{0.8} \approx 0.8944\) dir. En olası tek sonuç \(P(X = 4) = \)0.4096 dir.
Örnek 3 — Anket yanıtları, tam değer
Kişilerin %30'u \((p = 0.3)\) bir markayı tanıyorsa ve siz \(n = 10\) kişiye anket yapsanız, tam olarak 3 kişinin onu tanıma olasılığı:
$$P(X = 3) = \binom{10}{3}(0.3)^3(0.7)^7 = 120 \cdot 0.027 \cdot 0.0823543 = 0.266828$$\(\binom{10}{3} = 120\) olmak üzere sonuç \(P(X=3) \approx\) 0.266828 dir. Ortalama \(\mu = np = 3\) tanıma ile en olası sayıyla eşleşir ve \(\sigma = \sqrt{10 \cdot 0.3 \cdot 0.7} \approx 1.449\) dir.
Anahtar Terimler ve Değişkenler
| Sembol / Terim | Anlamı |
|---|---|
| \(n\) — deneme sayısı | Deneyin sabit toplam bağımsız tekrarlama sayısı (örneğin incelenen ürünler, yapılan atışlar). Negatif olmayan bir tamsayı olmalıdır. |
| \(k\) — başarı sayısı | Olasılığını istediğiniz başarılı sonuç sayısı, \(0 \le k \le n\) olmak üzere. |
| \(p\) — başarı olasılığı | Herhangi bir deneme başında başarı olasılığı, her deneme için aynı. 0 ve 1 arasında bir değer. |
| \(q = 1 - p\) — başarısızlık olasılığı | Tek bir deneme başında başarısızlık olasılığı. Her deneme başarı ya da başarısızlık olduğundan, \(p + q = 1\) dir. |
| \(\binom{n}{k}\) — binom katsayısı | \(n\) deneme arasından \(k\) başarı seçmenin farklı yollarının sayısı, "n'in k'sini seç" olarak okunur: \(\binom{n}{k} = \dfrac{n!}{k!\,(n-k)!}\). |
| \(P(X = k)\) — tam olasılık | Tam olarak \(k\) başarı elde etme olasılığı: \(\binom{n}{k} p^{k} q^{\,n-k}\). |
| \(P(X \le k)\) — kümülatif (en fazla) | \(k\) veya daha az başarı olasılığı, \(P(0) + P(1) + \dots + P(k)\) toplamı. |
| \(P(X \ge k)\) — kümülatif (en az) | \(k\) veya daha fazla başarı olasılığı, \(1 - P(X \le k-1)\) eşittir. |
| \(\mu = np\) — ortalama | \(n\)-deneme deneysinin birçok tekrarında beklenen (ortalama) başarı sayısı. |
| \(\sigma = \sqrt{np(1-p)}\) — standart sapma | Başarı sayısının ortalama etrafında tipik olarak ne kadar değiştiğinin ölçüsü. |
Sonucunuzu Yorumlama
Binom hesaplayıcı üç ilişkili ancak farklı soruya cevap verebilir ve sonucu gerçekten sorduğunuz soruyla eşleştirmek önemlidir.
- Tam olasılık, \(P(X = k)\): tam olarak \(k\) başarı elde etme şansı — ne daha fazla, ne daha az. "Tam olarak 3 hata olma olasılığı nedir?" gibi sorular için kullanın. Tek bir sonucu belirlemesi nedeniyle, bu değer genellikle aşağıdaki kümülatif olasılıklardan daha küçüktür.
- En fazla, \(P(X \le k)\): \(k\) veya daha az başarı şansı. 0, 1, …, k olasılıklarını toplar. "Yok artık", "en fazla" veya "eşit veya daha az" söz söylüşü için kullanın.
- En az, \(P(X \ge k)\): \(k\) veya daha fazla başarı şansı. Uygun bir kısayol \(P(X \ge k) = 1 - P(X \le k-1)\) dir. "En az", "en az" veya "minimum" söz söylüşü için kullanın.
Sınırı dikkatle izleyin: "k'den daha fazla" anlamı \(P(X \ge k+1)\) ve "k'den daha az" anlamı \(P(X \le k-1)\) dir. Tek bir kelime hangi terimlerin toplandığını değiştirir.
Ortalama \(\mu = np\) beklenen başarı sayısıdır — bütün \(n\)-deneme deneysini birçok kez tekrarlasanız, uzun vadeli ortalama sayı. \(n = 20\) ürün ve \(p = 0.05\) için, ortalama olarak \(\mu = 1\) hatalı ürün beklersiniz, her ne kadar tek bir örnek 0, 1, 2 veya daha fazla hata içerebilse de. Ortalama ayrıca (neredeyse) en olası tek sonuçtur, bu yüzden \(k\) ile \(np\) karşılaştırması size tipik bir sonuç mu yoksa olağandışı bir sonuç mu sorduğunu söyler.
Standart sapma \(\sigma = \sqrt{np(1-p)}\) ortalamanın etrafında sonuçların yayılmasını açıklar. Çoğu sonuç kabaca ortalamadan bir ila iki standart sapma içinde düşer. \(k\) ortalamadan birkaç standart sapma uzakta bulunduğunda, karşılık gelen olasılık küçüktür, bu da tam olarak "kuyruk" olaylarının neden şaşırtıcı hissettiğini açıklar. \(n\) büyük ve \(p\) 0 veya 1'e çok yakın değilse, binom dağılım aynı ortalama ve standart sapmayla yaklaşık olarak normaldir ve kümülatif olasılıklar için normal eğri yaklaştırması sağlar.
Bu, çıktıyı okumanıza yardımcı olacak genel istatistiksel bilgidir; sonuca güvenmeden önce, her zaman senaryonuzun binom varsayımlarını karşıladığını doğrulayın (sabit sayıda bağımsız deneme, deneme başına iki sonuç ve sabit başarı olasılığı).
Sıkça Sorulan Sorular
Binom dağılımını ne zaman kullanabilirim? Her biri iki sonuçlu (başarı/başarısızlık) olan, başarı olasılığı sabit ve sayısı belirli bağımsız denemeleriniz olduğunda kullanabilirsiniz.
\(P(X \ge k)\) ne anlama gelir? En az \(k\) başarı elde etme olasılığıdır; "en az şu kadar" türündeki sorularda işinize yarar.
\(p\) değeri 1'den büyük olabilir mi? Hayır. Olasılık 0 ile 1 arasında olmalıdır; bu aralığın dışındaki değerler sınır değerlere çekilir.
