Биномиальное распределение — это статистический фундамент. Оно помогает предсказывать исходы в ситуациях, где количество попыток фиксировано, а вероятность успеха в каждой попытке одинакова.
Представьте его как математику, стоящую за вопросом: «Каковы шансы?».
Эта модель применяется к дискретным процессам. Правила здесь строгие. Вам необходимо фиксированное количество испытаний. Каждое испытание должно быть независимым. Вероятность успеха должна оставаться постоянной. Если хотя бы одно из этих условий нарушается, биномиальная модель перестаёт работать.
Она зародилась в играх на удачу. Якоб Бернулли формализовал её в 1713 году. Его доказательство было опубликовано посмертно. Он показал, что вероятность получения ровно k успехов в n испытаниях соответствует k -му члену разложения (p + q)^n. Здесь p — вероятность успеха. q — вероятность неудачи, которая равна 1 — p.
Именно от этого разложения происходит название. Два слагаемых. Возведённые в степень. Биномиальное.
Рассмотрим конкретный пример. Вы бросаете кубик 50 раз. Вам нужно узнать вероятность того, что шестёрка выпадет ровно 10 раз.
Вероятность выпадения шестёрки составляет 1/6. Вероятность того, что шестёрка не выпадет, — 5/6. Таким образом, p = 1/6, а q = 5/6. Формула рассматривает 10-й член (считая с нуля) разложения (5/6 + 1/6)^50.
Результат составляет примерно 0,1156. Около 11,5%. Это не редкое событие, но и не гарантированное.
Это не просто теория. Это практика. Она показывает, насколько вероятны конкретные исходы при повторении событий.
Спор вокруг Менделя
В 1936 году Рональд Фишер использовал этот инструмент, чтобы подвергнуть сомнению одного из самых известных имен в науке. Грегор Мендель опубликовал свои эксперименты по генетике гороха в 1866 году. Они стали основой современной генетики.
Фишер повторно проанализировал данные Менделя с использованием биномиального распределения. Законы наследственности Менделя предсказывали, что 3/4 потомства в определенном скрещивании будут иметь желтые семена гороха.
Мендель подсчитал 8 023 горошины в одном эксперименте. Ожидаемое среднее количество желтых горошин должно было составить около 6 017. Мендель сообщил о 6 022 желтых горошинах.
Это невероятно близко.
Фишер рассчитал вероятность такого совпадения. Оно происходило лишь примерно в 1 случае из 10. Это выглядит подозрительно хорошо.
У Менделя было семь различных экспериментов. Все они почти идеально совпадали с ожидаемыми значениями биномиального распределения. В одном из них даже была небольшая вычислительная ошибка Менделя, однако итоговый результат всё равно слишком хорошо вписывался в модель.
Фишер опубликовал свои выводы. Он намекнул на научную фальсификацию. Изменял ли Мендель свои данные, чтобы они соответствовали теории? Дебаты продолжаются. Никто не доказал мошенничество окончательно. Но статистическая аномалия остается.
Почему это важно для вас
Понимание биномиального распределения помогает выявлять закономерности. Оно помогает отделить удачу от мастерства. Оно помогает понять, когда данные выглядят «слишком хорошо, чтобы быть правдой».
Вы используете его каждый раз, когда оцениваете риск в повторяющихся событиях.
- Подбрасывание монеты : Сколько орлов выпадет при 100 бросках?
- Контроль качества : Сколько бракованных изделий в партии из 1 000 штук?
- Маркетинг : Сколько кликов будет при 1 000 показах рекламы?
Математика остается прежней. Меняется контекст.
Ключевой момент — знать, когда её применять. Вам нужна независимость. Вам нужна фиксированная вероятность. Вам нужно определенное количество испытаний.
Если эти условия выполняются, биномиальное
