G:\Statistiske grundbegreber-v8\s1v8-forside.wpd
G:\Statistiske grundbegreber-v8\s1v8-forside.wpd
G:\Statistiske grundbegreber-v8\s1v8-forside.wpd
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
97<br />
7.6 Polynomialfordelingen<br />
7.5 Den generaliserede hypergeometriske fordeling.<br />
Den hypergeometriske fordeling benyttes som model ved stikprøveudtagning uden tilbagelægning, hvor hvert element har<br />
enten en bestemt egenskab (defekt) eller ikke har denne egenskab (ikke defekt). Hvis der foreligger flere end to<br />
egenskaber, f.eks. udtagning af møtrikker, hvis diameter enten tilhører et givet toleranceinterval eller er for stor eller for<br />
lille, kan man generalisere den hypergeometriske fordeling. Dette illustreres ved følgende eksempel:<br />
Eksempel 7.10. Generaliseret hypergeometrisk fordeling.<br />
I en urne findes 12 kugler, hvoraf 5 er sorte, 4 er hvide og 3 er røde.<br />
Vi betragter det tilfældige eksperiment: "Udtrækning af 6 kugler uden tilbagelægning og observation af farven på<br />
kuglerne”. Beregn sandsynligheden for at få 2 sorte, 3 hvide og 1 rød kugle.<br />
LØSNING:<br />
Lad X1 være antallet af sorte kugler, X2 være antallet af hvide kugler og X3 være antallet af røde kugler.<br />
Analogt med begrundelsen for den hypergeometriske fordeling fås:<br />
⎛ 5 4 3<br />
⎜<br />
⎝2<br />
3 1 10 4 3<br />
P( X1 = 2, X2 = 3, X3<br />
= 1)<br />
=<br />
013 .<br />
12 924<br />
6<br />
⎞<br />
⎟ ⋅<br />
⎠<br />
⎛<br />
⎜<br />
⎝<br />
⎞<br />
⎟ ⋅<br />
⎠<br />
⎛<br />
⎜<br />
⎝<br />
⎞<br />
⎟<br />
⎠ ⋅ ⋅<br />
= =<br />
⎛ ⎞<br />
⎜ ⎟<br />
⎝ ⎠<br />
7.6 Polynomialfordelingen.<br />
Binomialfordelingen benyttes som model ved uafhængige gentagelser af samme eksperiment. Eksperimentet har to udfald<br />
succes eller ikke succes og der er en konstant sandsynlighed for succes. Hvis der foreligger flere end to udfald, f.eks.<br />
udtagning af møtrikker fra en løbende produktion, hvor diameter enten tilhører et givet toleranceinterval eller er for stor<br />
eller for lille, kan man generalisere til polynomialfordelingen. Idet formlen for binomialfordelingen kan skrives<br />
n x n x n!<br />
x n x n!<br />
x x<br />
f ( x)<br />
= p ( p)<br />
p ( p)<br />
p p , hvor<br />
x<br />
x!( n x)!<br />
x ! x !<br />
⎛<br />
⎜<br />
⎝<br />
⎞<br />
− −<br />
1 2<br />
⎟ ⋅ ⋅ 1− =<br />
⋅ ⋅ 1−<br />
= ⋅ 1 ⋅ 2<br />
⎠<br />
⋅ −<br />
⋅<br />
p1 + p2<br />
= 1 og x1 + x2 = n fås analogt<br />
1 2<br />
DEFINITION af polynomialfordeling.<br />
p1 + p2+ ... + pk= 1 x + x + ... + x = n<br />
Lad n være et positivt helt tal, og lad og hvor alle pér er positive tal<br />
1 2<br />
og alle xér er hele tal.<br />
Sandsynlighedsfordelingen for en polynomialfordelt stokastisk variabel er<br />
( X1, X2,..., Xk) n!<br />
x1 x2<br />
P( X1 = x1, X2 = x2,..., Xk = xk)<br />
=<br />
p1 ⋅ p2 ⋅... ⋅p<br />
x ! ⋅x ! ⋅... ⋅x<br />
!<br />
1 2<br />
Dette illustreres ved følgende eksempel:<br />
Eksempel 7.11. Polynomialfordelingen<br />
En stor produktion af glaskugler indeholder 40% sorte, 35% hvide og 25% røde kugler.<br />
Vi betragter det tilfældige eksperiment: "Udtrækning af 6 kugler observation af farven på kuglerne”.<br />
Beregn sandsynligheden for at få 2 sorte, 3 hvide og 1 rød kugle.<br />
LØSNING:<br />
Lad X1 være antallet af sorte kugler, X2 være antallet af hvide kugler og X3 være antallet af røde kugler.<br />
6!<br />
2 3 1<br />
Vi får nu P( X1 = 2, X2 = 3, X3<br />
= 1)<br />
= 0. 4 ⋅0. 35 ⋅ 0. 25 = 01029 .<br />
2! ⋅3! ⋅1!<br />
k<br />
k<br />
xk k