Биномиальное распределение

Биномиальное распределение — это дискретное распределение вероятностей, моделирующее количество успехов в последовательности из фиксированного числа независимых испытаний, каждое из которых имеет два исхода («успех» или «неудача») и одинаковую вероятность успеха. Оно является одним из фундаментальных распределений в теории вероятностей и статистике, лежащим в основе многих статистических методов.

Определение и математическая формулировка

Биномиальное распределение задаётся двумя параметрами:

• $n$ — количество испытаний (натуральное число);
• $p$ — вероятность успеха в каждом отдельном испытании ($0 \le p \le 1$).

Вероятность получить ровно $k$ успехов ($k = 0, 1, \ldots, n$) вычисляется по формуле Бернулли:

$$P(X = k) = C_n^k \cdot p^k \cdot (1-p)^{n-k}$$

где $C_n^k = \frac{n!}{k!(n-k)!}$ — биномиальный коэффициент (число сочетаний из $n$ по $k$), откуда и происходит название распределения. Сумма вероятностей для всех $k$ от 0 до $n$ равна 1.

Числовые характеристики

• Математическое ожидание (среднее значение): $E[X] = n \cdot p$.
• Дисперсия: $Var[X] = n \cdot p \cdot (1-p)$.
• Стандартное отклонение: $\sigma = \sqrt{n \cdot p \cdot (1-p)}$.

Условия применимости

Для того чтобы случайная величина имела биномиальное распределение, должны выполняться следующие условия:

1. Фиксированное число испытаний ($n$). Количество экспериментов заранее известно.
2. Два исхода. Каждое испытание даёт только один из двух возможных результатов: «успех» или «неудача».
3. Независимость испытаний. Результат одного испытания не влияет на результат другого.
4. Постоянная вероятность успеха ($p$). Вероятность успеха одинакова для каждого испытания.

Если хотя бы одно из этих условий нарушается, распределение перестаёт быть биномиальным, хотя в некоторых случаях может быть приближено им.

История

Истоки биномиального распределения восходят к работам Якоба Бернулли, швейцарского математика XVII века. В своём трактате «Искусство предположений» (опубликован посмертно в 1713 году) он сформулировал закон больших чисел для частного случая биномиальной схемы и вывел формулу для вычисления вероятностей. Сам термин «биномиальное распределение» был введён в статистическую практику в XIX веке, в частности, благодаря работам Пьера-Симона Лапласа и Симеона-Дени Пуассона, который на его основе вывел распределение Пуассона.

Свойства и связи с другими распределениями

Связь с распределением Бернулли

Если провести одно испытание ($n=1$), биномиальное распределение вырождается в распределение Бернулли. Случайная величина $X$ принимает значение 1 с вероятностью $p$ и 0 с вероятностью $1-p$.

Связь с распределением Пуассона

При большом числе испытаний $n$ и малой вероятности успеха $p$ (так что произведение $n \cdot p$ остаётся умеренным, обычно $\le 10$) биномиальное распределение хорошо аппроксимируется распределением Пуассона с параметром $\lambda = n \cdot p$. Это свойство часто используется для упрощения расчётов.

Связь с нормальным распределением

Согласно центральной предельной теореме, при увеличении $n$ (обычно $n \ge 30$ и при $n \cdot p \ge 5$ и $n \cdot (1-p) \ge 5$) биномиальное распределение стремится к нормальному распределению с параметрами $\mu = n \cdot p$ и $\sigma^2 = n \cdot p \cdot (1-p)$. Это позволяет использовать методы нормальной аппроксимации для расчёта вероятностей и построения доверительных интервалов.

Аддитивность

Если две независимые случайные величины $X_1$ и $X_2$ имеют биномиальные распределения с одинаковой вероятностью успеха $p$ и числами испытаний $n_1$ и $n_2$, то их сумма $X_1 + X_2$ также имеет биномиальное распределение с параметрами $n_1 + n_2$ и $p$.

Применение

Биномиальное распределение широко используется в различных областях науки и практики:

Статистический контроль качества

В промышленности для оценки доли бракованных изделий в партии. Например, при контроле качества из партии отбирается $n$ изделий, и подсчитывается количество дефектных. Если вероятность дефекта $p$ известна, можно оценить риск получения определённого числа бракованных единиц.

Медицина и биология

В клинических испытаниях для анализа результатов лечения: «успех» — выздоровление пациента, «неудача» — отсутствие эффекта. Также используется в генетике для расчёта вероятности наследования определённых признаков.

Социология и маркетинг

При проведении опросов общественного мнения: «успех» — респондент поддерживает кандидата или покупает товар. Биномиальное распределение позволяет рассчитать доверительные интервалы для доли поддержки.

Финансы и страхование

В актуарных расчётах для моделирования числа страховых случаев в фиксированной группе риска. Например, число автомобильных аварий среди $n$ застрахованных водителей за определённый период.

Компьютерные науки

В машинном обучении для оценки точности классификаторов, в частности, при анализе результатов A/B-тестирования. Биномиальный критерий используется для проверки статистической значимости различий между двумя выборками.

Примеры

1. Подбрасывание монеты. Подбрасывается правильная монета 10 раз. Вероятность выпадения «орла» в каждом броске $p=0.5$. Биномиальное распределение описывает вероятность получить ровно 6 орлов: $P(X=6) = C_{10}^6 \cdot 0.5^{10} \approx 0.205$.
2. Контроль качества. Вероятность брака в производстве микросхем составляет 2% ($p=0.02$). Из партии отбирается 100 микросхем ($n=100$). Вероятность обнаружить ровно 3 бракованные микросхемы равна $P(X=3) = C_{100}^3 \cdot 0.02^3 \cdot 0.98^{97} \approx 0.182$.
3. Медицинский тест. Эффективность вакцины составляет 90% ($p=0.9$). Если вакцинировать 20 человек ($n=20$), вероятность того, что заболеют ровно 2 человека, равна $P(X=2) = C_{20}^2 \cdot 0.9^{18} \cdot 0.1^2 \approx 0.285$.

Критика и ограничения

Основное ограничение биномиального распределения — строгость условий применимости. В реальных ситуациях часто нарушается требование независимости испытаний (например, в социологических опросах мнения респондентов могут коррелировать) или постоянства вероятности успеха (например, вероятность поломки оборудования может меняться со временем). В таких случаях применение биномиальной модели может приводить к некорректным выводам. Для преодоления этих ограничений используются более сложные распределения, такие как отрицательное биномиальное или бета-биномиальное.

Интересные факты

• Название «биномиальное» происходит от бинома Ньютона, поскольку биномиальные коэффициенты $C_n^k$ являются коэффициентами в разложении $(a+b)^n$.
• При $p=0.5$ биномиальное распределение симметрично относительно $n/2$. При других значениях $p$ оно асимметрично.
• Биномиальное распределение является частным случаем мультиномиального распределения, которое моделирует результаты испытаний с более чем двумя исходами.

Источники

1. Вентцель Е.С. Теория вероятностей. — М.: Наука, 1969.
2. Гнеденко Б.В. Курс теории вероятностей. — М.: Наука, 1988.
3. Кремер Н.Ш. Теория вероятностей и математическая статистика. — М.: ЮНИТИ-ДАНА, 2004.
4. Феллер В. Введение в теорию вероятностей и её приложения. Том 1. — М.: Мир, 1984.