Math ClubMath Club
v1 · padrão canônico

Lição 75 — Distribuição binomial

n ensaios de Bernoulli independentes. PMF binomial, esperança np, variância np(1-p). Aplicações em controle de qualidade, A/B test, genética e eleições.

Used in: Stochastik — Leistungskurs alemão · H2 Math — Singapura · AP Statistics — EUA · Math B — Japão

P(X=k)=(nk)pk(1p)nk,E[X]=np,Var(X)=np(1p)P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}, \quad E[X] = np, \quad \text{Var}(X) = np(1-p)
Choose your door

Rigorous notation, full derivation, hypotheses

厳密な定義

BInS仮説

"各試行の二項実験で pp = 0.5、つまり結果が等しい確率の場合、分布はベル型に見えます。pp が 0.5 から離れると、グラフは右または左に歪みます。" — OpenStax Statistics §4.4

解答例

Exercise list

42 exercises · 10 with worked solution (25%)

Application 24Understanding 2Modeling 12Proof 4
  1. Ex. 75.1Application

    XBin(5,0,5)X \sim \text{Bin}(5, 0{,}5)P(X=3)P(X = 3) を計算してください。

  2. Ex. 75.2Application

    XBin(10,0,3)X \sim \text{Bin}(10, 0{,}3)P(X=0)P(X = 0) を計算してください。

  3. Ex. 75.3ApplicationAnswer key

    XBin(8,0,25)X \sim \text{Bin}(8, 0{,}25)P(X=2)P(X = 2) を計算してください。

  4. Ex. 75.4Application

    XBin(6,1/6)X \sim \text{Bin}(6, 1/6)。補事象を使って P(X1)P(X \geq 1) を計算してください。

  5. Ex. 75.5ApplicationAnswer key

    XBin(4,0,5)X \sim \text{Bin}(4, 0{,}5)k=0,1,2,3,4k = 0, 1, 2, 3, 4 のPMFの完全な表を作成してください。

  6. Ex. 75.6ApplicationAnswer key

    XBin(20,0,1)X \sim \text{Bin}(20, 0{,}1)E[X]E[X] および Var(X)\text{Var}(X) を計算してください。

  7. Ex. 75.7Application

    XBin(100,0,5)X \sim \text{Bin}(100, 0{,}5)σ=Var(X)\sigma = \sqrt{\text{Var}(X)} を計算してください。

  8. Ex. 75.8Application

    10枚のコインを投げます。P(正確に5枚が表)P(\text{正確に5枚が表}) を計算してください。

  9. Ex. 75.9ApplicationAnswer key

    10枚のコインを投げます。P(8枚以上が表)P(\text{8枚以上が表}) を計算してください。

  10. Ex. 75.10ApplicationAnswer key

    サイコロを6回投げます。P(正確に2つの6)P(\text{正確に2つの6}) を計算してください。

  11. Ex. 75.11Application

    サイコロを6回投げます。P(6が出ない)P(\text{6が出ない}) を計算してください。

  12. Ex. 75.12Application

    XBin(n,p)X \sim \text{Bin}(n, p) に対して、nnpp の関数として P(X=0)+P(X=n)P(X = 0) + P(X = n) を計算してください。

  13. Ex. 75.13Application

    XBin(n,p)X \sim \text{Bin}(n, p) に対して、P(X=k)/P(X=k1)P(X = k)/P(X = k-1) の比を nnppkk の関数として導出してください。

  14. Ex. 75.14Application

    Bin(n,p)\text{Bin}(n, p) の最頻値が (n+1)p\lfloor (n+1)p \rfloor であることを示してください。Bin(10,0,3)\text{Bin}(10, 0{,}3) の最頻値を計算してください。

  15. Ex. 75.15Application

    XBin(100,0,3)X \sim \text{Bin}(100, 0{,}3)。連続性補正を使用して P(X25)P(X \leq 25) を正規分布で近似してください。

  16. Ex. 75.16Application

    XBin(1000,0,001)X \sim \text{Bin}(1000, 0{,}001)P(X=0)P(X = 0) にポアソン近似を使用してください。

  17. Ex. 75.17Application

    XBin(50,0,5)X \sim \text{Bin}(50, 0{,}5)。連続性補正付きで正規分布を使用して P(X30)P(X \geq 30) を近似してください。

  18. Ex. 75.18Application

    X1Bin(10,0,3)X_1 \sim \text{Bin}(10, 0{,}3) および X2Bin(20,0,3)X_2 \sim \text{Bin}(20, 0{,}3) が独立です。X1+X2X_1 + X_2 の分布は何ですか?

  19. Ex. 75.19Application

    XBin(50,0,02)X \sim \text{Bin}(50, 0{,}02)。ポアソン近似を使って P(X=0)P(X = 0)P(X=1)P(X = 1)P(X=2)P(X = 2) を計算してください。

  20. Ex. 75.20Application

    選挙:p=0,52p = 0{,}52n=1000n = 1000P(p^<0,50)P(\hat p < 0{,}50) を近似してください — 調査が指導者を誤るリスク。

  21. Ex. 75.21Application

    XBin(n,0,5)X \sim \text{Bin}(n, 0{,}5) に対して、正規近似が良好と見なされる最小 nn は何ですか?正当化してください。

  22. Ex. 75.22Application

    nn 固定で、Bin(n,p)\text{Bin}(n, p) の分散が p=0,5p = 0{,}5 で最大化されることを示してください。

  23. Ex. 75.23Application

    90%リコールのスパムフィルター。500件の実スパムで、P(マーク470)P(\text{マーク} \geq 470)

  24. Ex. 75.24ApplicationAnswer key

    なぜ公式 Var(X)=np(1p)\text{Var}(X) = np(1-p) はベルヌーイ変数への分解によって導出できますか?

  25. Ex. 75.25Modeling

    生産ライン:3%が不良。ロットサイズ50。P(3個以上不良)P(\text{3個以上不良}) を計算してください。

  26. Ex. 75.26Modeling

    ワクチン:有効率85%。100人接種で、P(90 が保護)P(\geq 90 \text{ が保護}) を正規近似で計算してください。

  27. Ex. 75.27Modeling

    A/Bテスト:バリアントA、100人訪問者、14人購入。バリアントB、100人、22人購入。比率差のz検定のp値を計算してください。

  28. Ex. 75.28ModelingAnswer key

    選挙調査:n=1500n = 1500、95%信頼度で誤差限度 ±2,5%\pm 2{,}5\% が望ましい。サンプルサイズは十分ですか?

  29. Ex. 75.29ModelingAnswer key

    遺伝学:交配 Aa×AaAa \times Aa、各子孫が AAAA である確率 1/41/4。8人の子で、P(正確に2人が AA)P(\text{正確に2人が } AA)

  30. Ex. 75.30ModelingAnswer key

    コールセンター:通話の5%が失敗。200通話で、障害の期待値と σ\sigma を計算してください。

  31. Ex. 75.31Modeling

    シックスシグマ(1.5σ調整付き):3.4ppmレート。100万部品で、ポアソン近似で P(0 欠陥)P(0 \text{ 欠陥})E[欠陥]E[\text{欠陥}] を使用してください。

  32. Ex. 75.32Modeling

    ベット:R100獲得30100獲得30%チャンス。1回のベットはR25。20回で総期待利益はいくらですか?

  33. Ex. 75.33Modeling

    リード成約率:1%。月平均5件の取引を成立させるために、何件のリードを生成する必要がありますか?

  34. Ex. 75.34Modeling

    ENEM:60%が小論文で最低点を達成。20人のクラスで、E[X]E[X]σ\sigmaP(X15)P(X \geq 15) を計算してください。

  35. Ex. 75.35Modeling

    赤い玉30%の壺。50回抽出復元あり。なぜ二項分布が適用されますか?E[X]E[X]P(X=15)P(X = 15) を計算してください。

  36. Ex. 75.36Modeling

    公務員試験:8%合格率。30人クラス。E[合格者]E[\text{合格者}]P(少なくとも1人合格)P(\text{少なくとも1人合格}) を計算してください。

  37. Ex. 75.37Understanding

    なぜ二項分布は復元なし抽出に適用されないのですか?二項分布を使うと誤った答えを与える数値反例を与えてください。

  38. Ex. 75.38Understanding

    二項分布と超幾何分布の根本的な違いは何ですか?

  39. Ex. 75.39Proof

    X=Y1++YnX = Y_1 + \cdots + Y_n のベルヌーイ変数分解を通じて E[X]=npE[X] = npVar(X)=np(1p)\text{Var}(X) = np(1-p) を証明してください。

  40. Ex. 75.40ProofAnswer key

    ポアソン極限を証明:Bin(n,λ/n)Poisson(λ)\text{Bin}(n, \lambda/n) \to \text{Poisson}(\lambda) when nn \to \infty with λ\lambda fixed.

  41. Ex. 75.41Proof

    二項定理を使用して k=0n(nk)pk(1p)nk=1\sum_{k=0}^n \binom{n}{k} p^k (1-p)^{n-k} = 1 を証明してください。

  42. Ex. 75.42Proof

    加法性を証明:XBin(n1,p)X \sim \text{Bin}(n_1, p)YBin(n2,p)Y \sim \text{Bin}(n_2, p) が独立(同じpp)なら、X+YBin(n1+n2,p)X + Y \sim \text{Bin}(n_1 + n_2, p)

出典

Updated on 2026-05-06 · Author(s): Clube da Matemática

Found an error? Open an issue on GitHub or submit a PR — open source forever.