Máy Tính Phân Phối Nhị Thức Âm

Giới thiệu về Máy Tính Phân Phối Nhị Thức Âm

Máy Tính Phân Phối Nhị Thức Âm tính toán xác suất chính xác cho số lần thất bại (hoặc tổng số lần thử) cần thiết trước khi đạt được số lần thành công mục tiêu. Nhập số lần thành công cần thiết (r), xác suất thành công trên mỗi lần thử (p) và giá trị mục tiêu (k) của bạn để nhận xác suất điểm và tích lũy, giải pháp từng bước, biểu đồ tương tác và hình ảnh hóa chuỗi thử nghiệm.

Phân Phối Nhị Thức Âm Là Gì?

Phân phối nhị thức âm là một phân phối xác suất rời rạc mô hình hóa số lần thất bại trước khi một số lần thành công nhất định xảy ra trong một chuỗi các lần thử Bernoulli độc lập. Mỗi lần thử có cùng xác suất thành công p. Nó trả lời các câu hỏi như "Tôi sẽ thực hiện bao nhiêu cuộc gọi bán hàng thất bại trước khi chốt được hợp đồng thứ 5?" hoặc "Tôi sẽ kiểm tra bao nhiêu sản phẩm lỗi trước khi tìm thấy 10 sản phẩm tốt?"

Phân phối này lấy tên từ khai triển chuỗi nhị thức âm được sử dụng trong việc dẫn xuất nó. Nó tổng quát hóa phân phối hình học, vốn là trường hợp đặc biệt khi r = 1 (cần một lần thành công).

Hai Cách Tham Số Hóa Phổ Biến

Phân phối nhị thức âm có hai công thức tương đương khác nhau ở chỗ biến ngẫu nhiên đếm cái gì:

• Tham số hóa theo số lần thất bại (X): X chỉ đếm các lần thất bại trước lần thành công thứ r. X có thể là 0, 1, 2, 3, ... PMF là P(X = k) = C(k + r − 1, r − 1) × p^r × (1 − p)^k.
• Tham số hóa theo số lần thử (Y): Y đếm tổng số lần thử (cả thành công và thất bại) cho đến lần thành công thứ r. Y có thể là r, r+1, r+2, ... Mối quan hệ là Y = X + r.

Máy tính này hỗ trợ cả hai. Sử dụng công tắc để chuyển đổi giữa việc nhập k là số lần thất bại hoặc tổng số lần thử.

Công Thức PMF Nhị Thức Âm

Trong tham số hóa theo số lần thất bại, hàm khối xác suất là:

P(X = k) = C(k + r − 1, r − 1) × p^r × (1 − p)^k

Trong đó C(n, k) = n! / (k! × (n − k)!) là hệ số nhị thức. Thuật ngữ C(k + r − 1, r − 1) đếm số cách sắp xếp k lần thất bại và r − 1 lần thành công trong k + r − 1 lần thử đầu tiên (lần thử cuối cùng phải là thành công). Thuật ngữ p^r là xác suất của r lần thành công và (1 − p)^k là xác suất của k lần thất bại.

Giá Trị Trung Bình, Phương Sai và Các Số Liệu Thống Kê Khác

Đối với biến ngẫu nhiên nhị thức âm X (tham số hóa số lần thất bại) với các tham số r và p:

• Giá trị trung bình: μ = r(1 − p) / p
• Phương sai: σ² = r(1 − p) / p²
• Độ lệch chuẩn: σ = √(r(1 − p) / p²)
• Yếu vị (Mode): ⌊(r − 1)(1 − p) / p⌋ khi r > 1; 0 khi r = 1
• Độ xiên: (2 − p) / √(r(1 − p))

Đối với tham số hóa theo số lần thử Y = X + r, giá trị trung bình dịch chuyển thành r/p và phương sai vẫn giữ nguyên.

Mối Quan Hệ Với Các Phân Phối Khác

• Phân phối hình học: Trường hợp đặc biệt với r = 1. Mô hình hóa số lần thất bại trước lần thành công đầu tiên.
• Phân phối nhị thức: Trong khi phân phối nhị thức cố định số lần thử và đếm số lần thành công, phân phối nhị thức âm cố định số lần thành công và đếm số lần thử/thất bại.
• Phân phối Poisson: Phân phối nhị thức âm có thể được xem là một hỗn hợp Poisson-Gamma. Khi r → ∞ và p → 1 trong khi giữ nguyên r(1 − p)/p không đổi, phân phối nhị thức âm tiến tới phân phối Poisson.

Các Ứng Dụng Phổ Biến

• Bán hàng và tiếp thị — Có bao nhiêu cuộc gọi cho đến khi một nhân viên bán hàng chốt được số lượng giao dịch mục tiêu, với tỷ lệ chuyển đổi đã biết?
• Kiểm soát chất lượng — Phải kiểm tra bao nhiêu mặt hàng để tìm thấy một số lượng đơn vị đạt chuẩn mục tiêu?
• Thử nghiệm lâm sàng — Có bao nhiêu bệnh nhân cần được đăng ký trước khi nhận được một số lượng phản hồi tích cực mục tiêu?
• Bảo hiểm — Mô hình hóa số lượng yêu cầu bồi thường khi phương sai lớn hơn giá trị trung bình (phân tán quá mức so với Poisson).
• Sinh thái học — Mô hình hóa dữ liệu về sự phong phú của loài nơi số lượng cho thấy sự thay đổi lớn hơn mức phân phối Poisson cho phép.
• Phân tích thể thao — Cần bao nhiêu cú sút hoặc nỗ lực cho đến khi một vận động viên đạt được số lượng kết quả thành công mục tiêu?

Cách Sử Dụng Máy Tính Này

1. Nhập r, số lần thành công bạn muốn đạt được (r ≥ 1).
2. Nhập p, xác suất thành công trong mỗi lần thử (0 < p ≤ 1).
3. Chọn chế độ nhập liệu: k đại diện cho số lần thất bại hay tổng số lần thử.
4. Nhập k, giá trị cụ thể bạn muốn tìm xác suất.
5. Nhấp vào "Tính toán xác suất" để xem xác suất chính xác và tích lũy, các giải pháp tổ hợp từng bước, hình ảnh hóa chuỗi thử nghiệm, biểu đồ PMF/CDF và bảng phân phối đầy đủ.

Câu Hỏi Thường Gặp

Sự khác biệt giữa phân phối nhị thức âm và phân phối nhị thức là gì?

Phân phối nhị thức cố định số lần thử và đếm số lần thành công ngẫu nhiên. Phân phối nhị thức âm cố định số lần thành công và đếm số lần thử (hoặc thất bại) ngẫu nhiên. Chúng trả lời các câu hỏi bổ sung cho nhau: phân phối nhị thức hỏi "Có bao nhiêu lần thành công trong n lần thử?" trong khi nhị thức âm hỏi "Có bao nhiêu lần thử cho đến khi đạt r lần thành công?"

Khi nào tôi nên sử dụng phân phối nhị thức âm thay vì phân phối Poisson?

Sử dụng phân phối nhị thức âm khi dữ liệu đếm của bạn cho thấy sự phân tán quá mức (overdispersion) — khi phương sai lớn hơn giá trị trung bình. Phân phối Poisson giả định giá trị trung bình và phương sai bằng nhau. Phân phối nhị thức âm có một tham số bổ sung cho phép phương sai vượt quá giá trị trung bình, làm cho nó phù hợp hơn với nhiều tập dữ liệu đếm trong thế giới thực.

Khi r = 1 có nghĩa là gì?

Khi r = 1, phân phối nhị thức âm giảm xuống thành phân phối hình học, mô hình hóa số lần thất bại trước lần thành công đầu tiên. Ví dụ, số lần tung đồng xu mặt ngửa trước khi mặt sấp đầu tiên xuất hiện.

p có thể bằng 0 hoặc 1 không?

Xác suất p phải lớn hơn 0 một cách nghiêm ngặt. Nếu p = 0, thành công là không thể vì vậy bạn sẽ cần vô số lần thử. Nếu p = 1, mọi lần thử đều thành công, vì vậy luôn có 0 lần thất bại và phân phối bị suy biến (tất cả khối xác suất tại k = 0). Máy tính này chấp nhận p = 1 như một trường hợp đặc biệt.

Phân phối nhị thức âm được sử dụng như thế nào trong hồi quy?

Hồi quy nhị thức âm là một sự tổng quát hóa của hồi quy Poisson được sử dụng khi dữ liệu đếm có biểu hiện phân tán quá mức. Nó thêm một tham số phân tán cho phép phương sai có điều kiện vượt quá giá trị trung bình có điều kiện. Các ứng dụng phổ biến bao gồm mô hình hóa số lượt khám bệnh, tần suất tai nạn giao thông và dữ liệu về sự phong phú của loài.