De normale benadering van de binominale verdeling

Matt Cardy / Getty Images

Willekeurige variabelen met een binomiale verdeling staan ​​bekend als discreet. Dit betekent dat er een telbaar aantal uitkomsten is dat kan voorkomen in een binominale verdeling, met een scheiding tussen deze uitkomsten. Een binominale variabele kan bijvoorbeeld een waarde van drie of vier aannemen, maar geen getal tussen drie en vier.

Met het discrete karakter van een binominale verdeling is het enigszins verrassend dat een continue willekeurige variabele kan worden gebruikt om een ​​binominale verdeling te benaderen. Voor velen binominale verdelingen , kunnen we een normale verdeling gebruiken om onze binominale kansen te benaderen.

Dit is te zien bij het bekijken van n munten opgooien en verhuren X het aantal hoofden zijn. In deze situatie hebben we een binomiale verdeling met kans op succes als p = 0,5. Als we het aantal worpen verhogen, zien we dat de kans histogram steeds grotere gelijkenis vertoont met een normale verdeling.

Verklaring van de normale benadering

Elke normale verdeling wordt volledig gedefinieerd door twee echte getallen . Deze getallen zijn het gemiddelde, dat het midden van de verdeling meet, en de standaardafwijking , die de spreiding van de distributie meet. Voor een gegeven binomiale situatie moeten we kunnen bepalen welke normale verdeling we moeten gebruiken.

De selectie van de juiste normale verdeling wordt bepaald door het aantal proeven n in de binominale setting en de constante kans op succes p voor elk van deze proeven. De normale benadering voor onze binominale variabele is een gemiddelde van bijv. en een standaarddeviatie van ( bijv. (1 - p )^0,5.

Stel bijvoorbeeld dat we geraden hebben op elk van de 100 vragen van een meerkeuzetest, waarbij elke vraag één juist antwoord had van de vier keuzes. Het aantal juiste antwoorden X is een binominale willekeurige variabele met n = 100 en p = 0,25. Deze willekeurige variabele heeft dus een gemiddelde van 100(0,25) = 25 en een standaarddeviatie van (100(0,25)(0,75))^0,5= 4.33. Een normale verdeling met een gemiddelde van 25 en een standaarddeviatie van 4,33 zal deze binominale verdeling benaderen.

Wanneer is de aanpassing geschikt?

Door wat wiskunde te gebruiken kan worden aangetoond dat er een paar voorwaarden zijn die we nodig hebben om een ​​normale benadering van de . te gebruiken binominale verdeling . Het aantal waarnemingen n moet groot genoeg zijn, en de waarde van p zodat beide bijv. en n (1 - p ) zijn groter dan of gelijk aan 10. Dit is een vuistregel, die wordt geleid door statistische praktijk. De normale benadering kan altijd worden gebruikt, maar als niet aan deze voorwaarden wordt voldaan, is de benadering mogelijk niet zo'n goede benadering.

Bijvoorbeeld, als n = 100 en p = 0,25 dan zijn we gerechtigd de normale benadering te gebruiken. Dit is zo omdat bijv. = 25 en n (1 - p ) = 75. Aangezien beide getallen groter zijn dan 10, zal de juiste normale verdeling redelijk goed werken bij het schatten van binomiale kansen.

Waarom de benadering gebruiken?

Binominale kansen worden berekend door een zeer eenvoudige formule te gebruiken om de binomiale coëfficiënt te vinden. Helaas, door de faculteiten in de formule, kan het heel gemakkelijk zijn om rekenproblemen te krijgen met de binomiaal formule. De normale benadering stelt ons in staat om al deze problemen te omzeilen door met een bekende vriend te werken, een tabel met waarden van een standaard normale verdeling.

Vaak is het berekenen van een waarschijnlijkheid dat een binominale willekeurige variabele binnen een reeks waarden valt, vervelend om te berekenen. Dit komt omdat om de kans te vinden dat een binominale variabele X groter is dan 3 en kleiner dan 10, moeten we de kans vinden dat X is gelijk aan 4, 5, 6, 7, 8 en 9, en tel dan al deze kansen bij elkaar op. Als de normale benadering kan worden gebruikt, moeten we in plaats daarvan de z-scores bepalen die overeenkomen met 3 en 10, en vervolgens een z-scoretabel met waarschijnlijkheden gebruiken voor de standaard normale verdeling .