La distribuzione binomiale è un cavallo di battaglia statistico. Ti aiuta a prevedere i risultati in situazioni in cui hai un numero fisso di tentativi e ogni tentativo ha la stessa probabilità di successo.
Consideralo come la matematica dietro “quali sono le probabilità?”
Questo modello si applica ai processi discreti. Le regole sono rigide. Hai bisogno di un numero fisso di prove. Ogni prova deve essere indipendente. La possibilità di successo rimane costante. Se una qualsiasi di queste condizioni viene meno, il modello binomiale smette di funzionare.
È iniziato con i giochi d’azzardo. Jakob Bernoulli lo formalizzò nel 1713. La sua prova venne fuori dopo la sua morte. Ha dimostrato che la probabilità di ottenere esattamente k successi in n prove corrisponde al k esimo termine nell’espansione di (p + q)^n. Qui, p è la probabilità di successo. q è la probabilità di fallimento, che è semplicemente 1 – p.
Da questa espansione deriva il nome. Due termini. Elevato a potenza. Binomiale.
Diamo un’occhiata a un esempio concreto. Lancia un dado 50 volte. Vuoi conoscere la probabilità di ottenere esattamente 10 sei.
La probabilità che esca un sei è 1/6. La probabilità di non lanciare un sei è 5/6. Quindi p = 1/6 e q = 5/6. La formula considera il decimo termine (contando da zero) nell’espansione di (5/6 + 1/6)^50.
Il risultato è circa 0,1156. Circa l’11,5%. Non raro, ma non garantito.
Questo non è solo teorico. È pratico. Ti dice quanto sono probabili risultati specifici in eventi ripetuti.
La controversia su Mendel
Nel 1936, Ronald Fisher utilizzò questo strumento per sfidare uno dei più grandi nomi della scienza. Gregor Mendel pubblicò i suoi esperimenti sulla genetica dei piselli nel 1866. Essi divennero il fondamento della genetica moderna.
Fisher ha rianalizzato i dati di Mendel utilizzando la distribuzione binomiale. Le leggi sull’ereditarietà di Mendel prevedevano che 3/4 della prole di un certo incrocio sarebbero stati piselli gialli.
Mendel contò 8.023 piselli in un esperimento. Il numero medio di piselli gialli dovrebbe essere di circa 6.017. Mendel riferì 6.022 piselli gialli.
È incredibilmente vicino.
Fisher ha calcolato la probabilità di una corrispondenza così ravvicinata. È successo solo circa 1 volta su 10. È sospettosamente buono.
Mendel fece sette diversi esperimenti. Tutti corrispondevano quasi perfettamente ai valori binomiali attesi. Uno ha avuto anche un piccolo errore di calcolo da parte di Mendel, ma il risultato finale si adatta ancora troppo bene al modello.
Fisher ha pubblicato le sue scoperte. Ha accennato a un imbroglio scientifico. Mendel ha modificato i suoi dati per adattarli alla teoria? Il dibattito continua. Nessuno ha dimostrato in modo definitivo la frode. Ma l’anomalia statistica resta.
Perché questo è importante per te
Comprendere la distribuzione binomiale ti aiuta a individuare i modelli. Ti aiuta a separare la fortuna dall’abilità. Ti aiuta a capire quando i dati sembrano “troppo belli per essere veri”.
Lo usi ogni volta che valuti il rischio in eventi ripetuti.
- Lancia la moneta : quante teste ci sono in 100 lanci?
- Controllo qualità : quanti articoli difettosi in un lotto di 1.000?
- Marketing : quanti clic provengono da 1.000 impressioni dell’annuncio?
La matematica rimane la stessa. Il contesto cambia.
La chiave è sapere quando applicarlo. Hai bisogno di indipendenza. Hai bisogno di una probabilità fissa. Hai bisogno di un determinato numero di prove.
Se esistono, il binomio