이산 확률 분포는 이산적이고 유한한 값을 갖는 사건의 발생을 설명하는 수학적 모델입니다. 이러한 분포는 모든 가능한 결과의 확률의 합이 1과 같다는 점, 분포의 모양을 결정하는 모수의 존재와 같은 특성을 특징으로 합니다. 이 글에서는 베르누이 분포, 이항 분포, 푸아송 분포, 기하 분포와 같은 가장 일반적인 이산 확률 분포의 특성을 살펴보고, 이러한 개념을 더 잘 이해하기 위한 몇 가지 실습 과제를 제시합니다.
이산 확률 분포 개념 이해: 간단하고 명확한 설명.
이산 확률 분포의 개념을 이해하려면, 이산 확률 분포가 무작위 실험의 각 가능한 결과에 확률을 연관시키는 수학적 함수라는 점을 이해하는 것이 중요합니다. 다시 말해, 이산 확률 분포를 통해 유한하거나 열거 가능한 가능성의 집합에서 각 결과가 발생할 확률을 구할 수 있습니다.
이산 확률 분포는 각 결과에 음이 아닌 값을 할당하고 모든 확률의 합이 1이 되는 확률 함수로 특징지어집니다. 또한 가능한 결과는 서로 다르고 고립되어 있으며 중간 값이 발생할 가능성이 없습니다.
이산 확률 분포의 전형적인 예로는 푸아송 분포가 있는데, 이는 일정 기간 동안 발생하는 사건의 수와 같은 계산 과정에 널리 사용됩니다. 또 다른 흔한 예로는 성공 또는 실패와 같이 두 가지 결과만 가능한 실험을 모델링하는 이항 분포가 있습니다.
이산 확률 분포 이론을 적용하려면 각 분포의 고유한 속성과 특징을 이해하고, 확률을 계산하고 결과를 해석할 수 있어야 합니다. 이 확률 분야에 대한 이해를 심화하고 기술을 개발하기 위해서는 실습이 필수적입니다.
통계와 확률에 사용되는 주요 이산 분포에 대해 알아보세요.
통계와 확률에 사용되는 주요 이산 분포에 대해 알아보세요. 이산 확률 분포는 통계 분석에서 중요한 도구로, 무작위 사건의 모델링과 예측을 가능하게 합니다. 주요 이산 분포로는 베르누이 분포, 이항 분포, 기하 분포, 푸아송 분포, 초기하 분포 등이 있습니다.
A 베르누이 분포 성공과 실패와 같이 두 가지 결과만 가능한 실험을 모델링하는 데 사용됩니다. 이항 분포 이 방법은 성공과 실패와 같이 각 시행에서 가능한 결과가 두 가지뿐인, 고정된 수의 독립 시행이 있는 상황에 적용됩니다.
A 기하 분포 일련의 독립적인 실험에서 첫 번째 성공까지 걸리는 시행 횟수를 모델링하는 데 사용됩니다. 푸아송 분포 특정 시간이나 공간 간격에서 드물게 발생하는 사건을 모델링하는 데 사용됩니다.
마지막으로 초기하 분포 이는 유한한 모집단에서 요소를 교체하지 않고 선택하는 실험을 모델링하는 데 사용되며, 특정 샘플에서 성공한 횟수에 관심이 있습니다.
이러한 이산 분포를 더 잘 이해하고 적용하는 방법을 배우려면 연습 문제를 통해 연습하는 것이 중요합니다. 이러한 분포와 관련된 문제를 풀면 지식을 더욱 탄탄하게 다지고 통계 및 확률 기술을 연마하는 데 도움이 됩니다.
따라서 통계와 확률을 공부할 때 베르누이 분포, 이항 분포, 기하 분포, 포아송 분포, 초기하 분포 등 주요 이산 분포의 특성과 응용 분야를 아는 것이 필수적입니다.
확률 분포의 유형: 통계적 분포의 다양한 형태에 대해 알아보세요.
확률 분포는 현상의 무작위적인 행동을 설명하는 수학적 모델입니다. 다양한 유형의 확률 분포가 있으며, 각 분포는 고유한 특성과 응용 분야를 가지고 있습니다. 이 글에서는 이산 변수(특정하고 가산 가능한 값을 가질 수 있는 변수)와 관련된 이산 확률 분포에 중점을 둘 것입니다.
가장 일반적인 이산 확률 분포로는 균등 분포, 이항 분포, 포아송 분포, 기하 분포 등이 있습니다. 이러한 각 분포는 고유한 특성을 가지며 다양한 통계적 맥락에서 사용됩니다.
예를 들어, 균등 분포는 이산 변수의 모든 가능한 값에 동일한 확률을 할당하는 것을 특징으로 합니다. 이항 분포는 각 성공 확률이 동일한 일련의 독립 시행에서 성공 횟수를 모델링하는 데 사용됩니다. 푸아송 분포는 시간 또는 공간 구간에서 드물게 발생하는 사건의 수를 모델링하는 데 사용됩니다. 기하 분포는 일련의 독립 시행에서 첫 번째 성공까지 필요한 시행 횟수를 모델링하는 데 사용됩니다.
이러한 분포의 작동 방식을 더 잘 이해하려면 연습 문제를 통해 연습하는 것이 중요합니다. 예를 들어, 이항 분포를 사용하여 공정한 동전을 다섯 번 던져서 정확히 세 번 앞면이 나올 확률을 계산할 수 있습니다. 또는 포아송 분포를 사용하여 특정 시간 간격 동안 최소 두 가지 사건이 발생할 확률을 구할 수 있습니다.
이러한 분포의 특성과 응용 분야를 이해함으로써 통계학 및 관련 과학 전문가는 확률적 데이터를 기반으로 더욱 정보에 입각한 정확한 결정을 내릴 수 있습니다.
확률에서 이산적인 변수로 간주되는 것은 무엇입니까?
확률에서 이산 변수는 유한하거나 셀 수 있는 개수의 값을 가질 수 있는 변수입니다. 즉, 이산 변수는 일반적으로 정수로 표현되는, 셀 수 있는 변수입니다. 예를 들어, 주차장의 자동차 대수, 교실의 학생 수, 주사위 면의 개수는 모두 이산 변수의 예입니다.
이러한 변수는 특정 범위 내에서 무한한 값을 가질 수 있는 연속 변수와는 다릅니다. 이산 변수는 특정 이산 값을 갖는 반면, 연속 변수는 연속 범위 내에서 어떤 값이든 가질 수 있습니다. 예를 들어, 사람의 키, 작업 완료 시간, 실내 온도 등이 연속 변수의 예입니다.
따라서 확률의 이산 변수는 계산이 가능하고 특정하고 별개의 값을 갖는 변수인 반면, 연속 변수는 범위 내에서 어떤 값이든 가질 수 있습니다.
이산 확률 분포: 특성, 연습
As 이산 확률 분포 X(S) = {x1, x2, …, xi, …}의 각 원소에 대응하는 함수입니다. 여기서 X는 주어진 이산 확률 변수이고 S는 표집 공간이며, 이 사건이 발생할 확률을 나타냅니다. f(xi) = P(X = xi)로 정의된 X(S)의 이 함수 f는 질량 확률 함수라고도 합니다.
이 확률 질량은 일반적으로 표 형태로 표현됩니다. X는 이산 확률 변수이므로 X(S)는 유한하거나 무한한 개수의 사건을 가집니다. 가장 일반적인 이산 확률 분포로는 균등 분포, 이항 분포, 그리고 푸아송 분포가 있습니다.
특징
확률 분포 함수는 다음 조건을 충족해야 합니다.
또한 X가 유한한 개수의 값(예: x1, x2, …, xn)만을 취하면 i > n일 때 p(xi) = 0이 되므로 조건 b의 무한 급수는 유한 급수가 됩니다.
이 함수는 또한 다음 속성을 만족합니다.
B를 확률 변수 X와 연관된 사건이라고 하자. 이는 B가 X(S)에 포함된다는 것을 의미한다. 구체적으로, B = {xi1, xi2,…}라고 가정하자. 따라서 다음과 같다.
다시 말해, 사건 B의 확률은 B와 관련된 개별 결과의 확률의 합과 같습니다.
이것으로부터 우리는 다음과 같은 결론을 내릴 수 있습니다.
유형
n개 지점에서의 균일 분포
확률 변수 X는 각 값에 동일한 확률이 부여될 때 n개 지점에서 균일한 분포를 따른다고 합니다. 확률 질량 함수는 다음과 같습니다.
동전을 던져서 앞면이나 뒷면이 나올 수 있는 경우와, 홀수나 짝수가 나올 수 있는 정수를 선택하는 경우 등 두 가지 결과가 있는 실험이 있다고 가정해 보겠습니다. 이러한 유형의 실험을 베르누이 검정이라고 합니다.
일반적으로 가능한 두 가지 결과는 성공과 실패라고 하며, 여기서 p는 성공 확률이고 1-p는 실패 확률입니다. 다음 분포를 사용하여 n번의 독립적인 베르누이 시행에서 x번 성공할 확률을 구할 수 있습니다.
이항분포
이 함수는 성공 확률이 p인 n번의 독립적인 베르누이 시행에서 x번의 성공을 얻을 확률을 나타냅니다. 확률 질량 함수는 다음과 같습니다.
다음 그래프는 이항 분포 매개변수의 다양한 값에 대한 확률 질량 함수를 나타냅니다.
다음 분포는 이항 분포의 극한을 알아낸 프랑스 수학자 시메옹 푸아송(1781-1840)의 이름을 따서 명명되었습니다.
푸아송 분포
확률 변수 X가 다음 확률로 양의 정수 값 0,1,2,3, ...을 받을 수 있을 때 매개변수 λ의 포아송 분포를 갖는다고 합니다.
이 표현에서 λ는 시간 단위당 사건이 발생하는 평균 횟수이고 x는 사건이 발생하는 횟수입니다.
질량 확률 함수는 다음과 같습니다.
아래는 포아송 분포 매개변수의 다양한 값에 대한 확률 질량 함수를 나타내는 그래프입니다.
성공 횟수가 적고 이항 분포에서 수행된 검정 횟수가 많은 한, 포아송 분포가 이항 분포의 한계이기 때문에 항상 이러한 분포를 근사할 수 있습니다.
두 분포의 주요 차이점은 이항 분포가 nep라는 두 매개변수에 따라 달라지는 반면, 포아송 분포는 λ에만 따라 달라진다는 점입니다. λ는 때때로 분포의 강도라고도 합니다.
지금까지 우리는 서로 다른 실험이 서로 독립적인 경우에 대한 확률 분포에 대해서만 이야기했습니다. 즉, 한 실험의 결과가 다른 실험의 결과에 영향을 받지 않는 경우입니다.
실험이 독립적이지 않을 때 초기하 분포는 매우 유용합니다.
초기하 분포
N은 유한한 집합에 있는 객체의 총 개수이고, 그 중 어떤 방법으로 k를 식별할 수 있다면, 나머지 Nk개의 원소로 구성된 부분 집합 K를 형성합니다.
n개의 물체를 무작위로 선택하면, 그 선택에서 K개에 속하는 물체의 개수를 나타내는 확률 변수 X는 매개변수 N, n, k로 구성된 초기하 분포를 따릅니다. 이 확률 변수의 질량 확률 함수는 다음과 같습니다.
다음 그래프는 초기하 분포 매개변수의 다양한 값에 대한 확률 질량 함수를 나타냅니다.
해결된 연습문제
첫 번째 연습
특정 장비에 설치된 라디오 진공관이 500시간 이상 작동할 확률이 0,2라고 가정해 보겠습니다. 진공관 20개를 시험할 때, 그중 k개가 500시간 이상 작동할 확률은 얼마입니까? k = 0, 1,2, 20, …, XNUMX입니다.
해결책
X가 500시간 이상 작동하는 튜브의 수인 경우, X는 이항 분포를 따른다고 가정합니다. 그러면
그래서:
k≥11의 경우 확률은 0,001 미만입니다.
따라서 우리는 k가 500시간 이상 일할 확률이 최대값(k = 4)에 도달할 때까지 증가하고 그 이후 감소하기 시작하는 것을 관찰할 수 있습니다.
2번째 운동
동전을 6번 던졌습니다. 결과가 앞면이면 성공이라고 합니다. 앞면이 두 번 정확히 나올 확률은 얼마입니까?
해결책
이 경우 n = 6이고 성공 및 실패 확률은 p = q = 1/2입니다.
따라서 두 얼굴이 주어질 확률(즉, k = 2)은 다음과 같습니다.
세 번째 운동
적어도 4개의 얼굴을 찾을 확률은 얼마입니까?
해결책
이 경우에는 k = 4, 5 또는 6입니다.
세 번째 운동
어떤 공장에서 생산된 품목의 2%가 불량품이라고 가정해 보세요. 100개의 표본에서 불량품이 XNUMX개 있을 확률 P를 구해 보세요.
해결책
이 경우, n = 100, p = 0,02에 대해 이항 분포를 적용하면 다음과 같은 결과를 얻을 수 있습니다.
그러나 p가 작으므로 λ = np = 2인 포아송 근사를 사용합니다. 따라서
참조
- 카이 라이 청: 확률 과정을 이용한 기초 확률 이론. Springer-Verlag New York Inc.
- 케네스 H. 로젠 – 이산 수학과 그 응용. 샘크그래우-힐/인터아메리카노 데 스페인.
- 폴 L. 마이어, 확률 및 통계 응용. 알함브라 멕시카나.
- 세이무어 립슈츠 박사, 2000년 이산수학 문제 해결. McGraw-HILL
- 세이무어 립슈츠 박사, 이론과 확률의 문제. 맥그로힐