Что это
Биномиальное распределение описывает, сколько успехов выйдет в серии одинаковых независимых попыток. Представь баскетболиста, который бросает мяч десять раз подряд, и каждый раз попадает с одной и той же вероятностью. Сколько будет попаданий — заранее не скажешь, но какие числа вероятнее, а какие почти невозможны, посчитать можно точно.
Зачем это нужно
Схема одинаковых попыток встречается повсюду: доля бракованных чипов в партии, число удачных передач пакетов по сети, число пациентов, которым помогло лекарство, надёжность серверов в дата-центре. Инженеры по качеству, специалисты по данным и разработчики систем связи пользуются этим распределением каждый день. Программа построит любой график за секунду, но решить, подходит ли схема к задаче, независимы ли попытки и что значит результат, может только человек. Именно он отличает случайное везение от настоящего эффекта, а это всё важнее, когда решения принимаются по данным.
Как это работает
В каждой попытке успех случается с вероятностью пэ, а неудача — с вероятностью ку, равной единице минус пэ. Чтобы найти вероятность ровно ка успехов, берём вероятность одной конкретной цепочки из успехов и неудач и умножаем на число способов выбрать, в каких попытках был успех. Так получаются столбики вероятностей для каждого возможного числа успехов. Самый высокий столбик стоит рядом с произведением числа попыток на вероятность успеха.
Немного истории
Эту схему подробно изучил швейцарский математик Якоб Бернулли. Его книга «Искусство предположений» вышла уже после его смерти, в начале восемнадцатого века, и стала одной из основ теории вероятностей. Поэтому серию одинаковых независимых опытов до сих пор называют схемой Бернулли.
Формула: формула Бернулли
Вероятность того, что икс равно ка, равна цэ из эн по ка, умноженному на пэ в степени ка и на ку в степени эн минус ка. Почему так: одна конкретная цепочка с ка успехами и остальными неудачами имеет вероятность пэ в степени ка на ку в степени эн минус ка, а таких цепочек ровно цэ из эн по ка. Здесь эн — число попыток, ка — число успехов, пэ — вероятность успеха, ку — вероятность неудачи, все без единиц. Если увеличить пэ, столбики сдвинутся вправо, к большему числу успехов.
P(X = k) = Cₙᵏ · pᵏ · qⁿ⁻ᵏP(X = k) — вероятность ровно k успехов, —
n — число попыток, —
k — число успехов, —
Cₙᵏ — число способов выбрать k попыток из n, —
p — вероятность успеха, —
q — вероятность неудачи, q = 1 − p, —
Формула: ожидание и дисперсия
Математическое ожидание числа успехов равно эн умножить на пэ, а дисперсия — эн умножить на пэ и на ку. Первое легко понять: если в каждой попытке в среднем выходит пэ успеха, то за эн попыток наберётся эн пэ. Дисперсия показывает, насколько сильно число успехов разбросано вокруг среднего: она самая большая, когда успех и неудача равновероятны. Все величины без единиц. Если вдвое увеличить число попыток, ожидание тоже вырастет вдвое, и самое вероятное число успехов окажется рядом с ним.
E(X) = n · pE(X) — среднее число успехов, —
n — число попыток, —
p — вероятность успеха, —D(X) = n · p · qD(X) — дисперсия числа успехов, —
q — вероятность неудачи, —
Что будем делать на практике
А теперь давай попробуем выполнить практическое задание. Перед тобой столбики вероятностей для схемы Бернулли: сейчас пять попыток и вероятность успеха одна вторая, а под графиком видны ожидание и дисперсия. В задаче ученик пишет тест из десяти вопросов, у каждого четыре варианта ответа, и отвечает наугад. Подумай, что здесь попытка, что успех и какова его вероятность, и настрой модель: число попыток и вероятность успеха. Затем найди самый высокий столбик и нажми на него — подсказкой послужит ожидание числа успехов. Если что-то осталось непонятным — ничего страшного, спроси меня о чём угодно, я отвечу. Не переживай.