Binom dağılımına normal yaklaşım nedir?
Bir binom deneyindeki deneme sayısı büyük olduğunda, tam binom olasılıklarını hesaplamak hem zaman alıcı hem de zahmetli hale gelir. Normal yaklaşım yöntemi, kesikli binom dağılımının yerine aynı ortalama ve varyansa sahip sürekli bir normal dağılım koyar. \(n\) ve \(p\) parametrelerine sahip bir \(X\) binom rastgele değişkeninin ortalaması \(\mu = np\), standart sapması ise \(\sigma = \sqrt{np(1-p)}\) olur. Böylece \(X\) için kümülatif olasılıkları tahmin etmek üzere \(N(\mu, \sigma^2)\) normal dağılımını kullanırız.
Hesaplayıcı nasıl kullanılır?
Deneme sayısı n, her denemedeki başarı olasılığı p (0 ile 1 arasında) değerlerini girin, olasılık türünü (≤, <, ≥, > veya =) seçin ve x değerini belirtin. Hesaplayıcı size \(\mu\), \(\sigma\), süreklilik düzeltmeli z-skorlarını ve yaklaşık olasılığı verir. Bu yaklaşım, hem \(np \ge 5\) hem de \(n(1-p) \ge 5\) koşulu sağlandığında güvenilirdir.
Süreklilik düzeltmesi
Binom dağılımı kesikli, normal dağılım ise sürekli olduğundan, sınırı 0,5 kadar genişletir veya daraltırız; buna süreklilik düzeltmesi denir. Örneğin \(P(X \le x)\) için \(x + 0{,}5\), \(P(X \ge x)\) için \(x - 0{,}5\) kullanılır; \(P(X = x)\) ise \(x - 0{,}5\) ile \(x + 0{,}5\) arasındaki aralığı kapsar. Düzeltilmiş her sınır, $$z = \frac{(x \pm 0{,}5) - \mu}{\sigma}$$ formülüyle bir z-skoruna dönüştürülür ve standart normal birikimli dağılım fonksiyonuyla (CDF) değerlendirilir.
Çözümlü örnek
\(n = 20\), \(p = 0{,}5\) olsun ve \(P(X \le 12)\) değerini bulmak isteyelim. Bu durumda $$\mu = 20 \times 0{,}5 = 10$$ ve $$\sigma = \sqrt{20 \times 0{,}5 \times 0{,}5} = \sqrt{5} \approx 2{,}2361$$ olur. Süreklilik düzeltmesiyle $$z = \frac{12{,}5 - 10}{2{,}2361} \approx 1{,}118$$ elde edilir. Standart normal CDF, \(\Phi(1{,}118) \approx 0{,}868\) verir; dolayısıyla \(P(X \le 12) \approx 0{,}868\) olur ki bu, tam binom değerine oldukça yakındır.
Sıkça sorulan sorular
Yaklaşım ne zaman geçerlidir? Yaygın kural \(np \ge 5\) ve \(n(1-p) \ge 5\) koşuludur. \(p\) değeri 0,5'ten uzaklaştıkça daha büyük bir \(n\) gerekebilir.
Neden ±0,5? 0,5'lik süreklilik düzeltmesi, kesikli çubukları pürüzsüz bir eğriyle tahmin etmenin yarattığı sapmayı dengeler ve doğruluğu artırır.
Tam olasılığı verir mi? Hayır; bu bir yaklaşımdır. Özellikle küçük \(n\) değerleri için kesin sonuç istiyorsanız bir binom olasılık hesaplayıcısı kullanın.