Vissa saker i livet kan bara ta specifika värden - antalet barn i en familj, antalet defekta produkter i en batch, antalet kunder som kommer till en butik på en timme. Dessa situationer beskrivs perfekt av diskreta sannolikhetsfördelningar. Varje fördelning har sin egen 'personlighet' och passar olika typer av problem. Att lära sig känna igen vilken fördelning som passar vilken situation är som att ha en verktygslåda full av perfekta verktyg för specifika jobb.
Fördjupning
Diskreta fördelningar beskriver stokastiska variabler som endast kan anta specifika, separata värden. Dessa fördelningar karakteriseras av sina sannolikhetsfunktioner och har unika egenskaper som gör dem lämpliga för olika typer av slumpmässiga fenomen. De viktigaste diskreta fördelningarna - binomial, Poisson och geometrisk - uppstår naturligt i många praktiska tillämpningar.
Binomialfördelning
Binomialfördelningen beskriver antalet framgångar i n oberoende försök, där varje försök har samma sannolikhet p för framgång. Vi skriver X ~ Bin(n,p).
Myntkast
Poissonfördelning
Poissonfördelningen modellerar antalet händelser som inträffar i ett fast tidsintervall när händelserna inträffar oberoende med konstant medelhastighet λ. Vi skriver X ~ Poisson(λ).
Telefonsamtal
Geometrisk fördelning
Geometriska fördelningen beskriver antalet försök som behövs för att få den första framgången, när varje försök har sannolikhet p för framgång. Vi skriver X ~ Geom(p).
Negativ binomialfördelning
Negativa binomialfördelningen generaliserar den geometriska genom att räkna försök tills r framgångar uppnås. Den är också användbar för att modellera data med större varians än Poisson-data.
Vanliga misstag
❌ Använda Poisson när n är litet
Poisson-approximation av binomial kräver stort n och litet p
❌ Förväxla geometrisk fördelning med negativ binomial
Geometrisk räknar till första framgången, negativ binomial till r:te framgången
❌ Glömma oberoendevillkoret
Alla diskreta fördelningar förutsätter oberoende mellan försök
Tillämpningar
Kvalitetskontroll
Binomialfördelning för andel defekta produkter i en batch
Telekommunikation
Poissonfördelning för ankommande samtal eller datapaket
Tillförlitlighetsanalys
Geometrisk fördelning för tid till första fel
Epidemiologi
Negativ binomial för antal smittfall i population
Övningar
En fabrik producerar komponenter där 5% är defekta. Om 20 komponenter testas, vad är sannolikheten att exakt 2 är defekta?
Tips
Detta är en binomialfördelning med n=20, p=0.05
Visa facit
- X ~ Bin(20, 0.05)
- P(X=2) = C(20,2) × 0.05² × 0.95^18
- P(X=2) = 190 × 0.0025 × 0.3972 ≈ 0.189
Svar: ≈ 0.189
I genomsnitt inträffar 3 bilolyckor per dag på en viss motorväg. Vad är sannolikheten för minst 2 olyckor under en dag?
Tips
Använd Poissonfördelning och komplement
Visa facit
- X ~ Poisson(3)
- P(X ≥ 2) = 1 - P(X < 2) = 1 - P(X=0) - P(X=1)
- P(X=0) = e^(-3) ≈ 0.0498
- P(X=1) = 3e^(-3) ≈ 0.1494
- P(X ≥ 2) = 1 - 0.0498 - 0.1494 ≈ 0.801
Svar: ≈ 0.801
En basketspelare träffar 60% av sina frikast. Vad är den förväntade tid (antal kast) tills första träff?
Tips
Geometrisk fördelning, väntevärdet är 1/p
Visa facit
- X ~ Geom(0.6)
- E[X] = 1/p = 1/0.6 ≈ 1.67 kast
Svar: ≈ 1.67 kast
Sammanfattning
Diskreta fördelningar är fundamentala verktyg för att modellera räknebara utfall. Binomialfördelningen passar för fasta antal försök, Poissonfördelningen för händelser i tid, och geometriska fördelningen för väntetid till framgång. Val av rätt fördelning beror på problemets struktur och de antaganden som är rimliga.