กลับไปหน้าหลัก

คำนวณการแจกแจงทวินาม (Binomial)

คำนวณหาความน่าจะเป็นจากกฎการแจกแจงทวินาม

ผลลัพธ์ความน่าจะเป็น

P(X = x) เท่ากับ x พอดี

-

P(X <= x) น้อยกว่าหรือเท่ากับ x

-

P(X >= x) มากกว่าหรือเท่ากับ x

-

การแจกแจงทวินาม (Binomial Distribution) คืออะไร?

ในการศึกษาวิชาความน่าจะเป็นและสถิติ การแจกแจงทวินาม (Binomial Distribution) เป็นหนึ่งในการแจกแจงความน่าจะเป็นแบบไม่ต่อเนื่อง (Discrete Probability Distribution) ที่มีความสำคัญอย่างมาก โดยจะใช้เพื่อคำนวณหาความน่าจะเป็นของความสำเร็จในจำนวนครั้งที่กำหนด จากการทดลองซ้ำๆ กันทั้งหมด n ครั้ง ภายใต้เงื่อนไขที่เรียกว่า การทดลองแบบแบร์นูลลี (Bernoulli Trial)

คุณสมบัติของการทดลองทวินาม

ก่อนที่จะใช้สูตรการแจกแจงทวินามได้ การทดลองหรือเหตุการณ์นั้นๆ จะต้องมีคุณสมบัติครบทั้ง 4 ข้อ ดังต่อไปนี้:

  1. มีผลลัพธ์เพียง 2 แบบเท่านั้น: ในแต่ละครั้งที่ทำการทดลอง ผลลัพธ์จะต้องแยกออกเป็น 2 กรณีอย่างชัดเจน คือ "สำเร็จ (Success)" และ "ไม่สำเร็จ (Failure)" เท่านั้น
  2. ความน่าจะเป็นคงที่: ความน่าจะเป็นที่จะเกิดผลลัพธ์แบบ "สำเร็จ" (แทนด้วย p) ต้องมีค่าเท่าเดิมคงที่ในการทดลองทุกๆ ครั้ง และความน่าจะเป็นของ "ไม่สำเร็จ" จะเท่ากับ 1 - p (หรือ q) เสมอ
  3. เป็นการทดลองที่อิสระต่อกัน (Independent): ผลลัพธ์จากการทดลองครั้งหนึ่ง จะต้องไม่ส่งผลกระทบใดๆ ต่อผลลัพธ์ของการทดลองในครั้งถัดไป
  4. จำนวนครั้งที่ทดลองแน่นอน: ต้องมีการกำหนดจำนวนครั้งที่ทำการทดลองทั้งหมดไว้อย่างชัดเจน (แทนด้วย n)

สูตรการคำนวณการแจกแจงทวินาม

หากการทดลองตรงตามเงื่อนไขทั้ง 4 ข้อข้างต้น เราสามารถหาความน่าจะเป็นที่จะเกิดเหตุการณ์ "สำเร็จ" เป็นจำนวน x ครั้ง จากการทดลองทั้งหมด n ครั้ง ได้จากสูตร:

P(X = x) = ⁿCₓ · pˣ · (1-p)ⁿ⁻ˣ

โดยที่:
P(X = x) = ความน่าจะเป็นที่จะเกิดความสำเร็จจำนวน x ครั้ง
n = จำนวนครั้งของการทดลองทั้งหมด
x = จำนวนครั้งของความสำเร็จที่เราสนใจ (0, 1, 2, ..., n)
p = ความน่าจะเป็นของความสำเร็จในการทดลอง 1 ครั้ง
ⁿCₓ = จำนวนวิธีในการจัดหมู่ (Combination) เท่ากับ n! / (x!(n - x)!)

ตัวอย่างการนำไปใช้งาน (Use Case)

ตัวอย่างที่ 1: การโยนเหรียญ
โยนเหรียญที่สมดุล 10 ครั้ง (n = 10) จงหาความน่าจะเป็นที่เหรียญจะออกหัวพอดี 5 ครั้ง (x = 5) โดยความน่าจะเป็นที่จะออกหัวในแต่ละครั้งคือ 0.5 (p = 0.5)
จากสูตรจะได้ P(X=5) = ¹⁰C₅ · (0.5)⁵ · (0.5)⁵ ≈ 0.24609 หรือประมาณ 24.6%

ตัวอย่างที่ 2: การตรวจสอบคุณภาพสินค้า (QC)
โรงงานผลิตหลอดไฟพบว่ามีโอกาส 2% ที่หลอดไฟจะเสีย (p = 0.02) หากสุ่มหยิบหลอดไฟมา 20 หลอด (n = 20) ความน่าจะเป็นที่จะไม่พบหลอดไฟเสียเลย (x = 0)
จากสูตรจะได้ P(X=0) = ²⁰C₀ · (0.02)⁰ · (0.98)²⁰ ≈ 0.6676 หรือประมาณ 66.76%

ทำไมถึงควรใช้โปรแกรมคำนวณ?

แม้ว่าสูตรการแจกแจงทวินามจะมีหลักการที่ชัดเจน แต่การคำนวณด้วยมือ (Manual Calculation) จะมีความซับซ้อนและยุ่งยากมากเมื่อค่า n มีขนาดใหญ่ เนื่องจากการหาค่า แฟกทอเรียล (Factorial) และเลขยกกำลังจะให้ผลลัพธ์ที่เป็นตัวเลขมหาศาล เครื่องมือ Binomial Distribution Calculator ของเรา จึงถูกพัฒนาขึ้นมาเพื่อแก้ปัญหานี้ ช่วยให้คุณหาค่าความน่าจะเป็นแบบ P(X = x), แบบสะสม P(X ≤ x) หรือ P(X ≥ x) ได้ภายในเสี้ยววินาที มีความแม่นยำสูง เหมาะสำหรับนักเรียน นักศึกษา หรือสายงานที่ต้องวิเคราะห์ข้อมูลเชิงสถิติเป็นประจำ

เครื่องมือคำนวณที่เกี่ยวข้อง

เครื่องคำนวณแฟกทอเรียล

เครื่องมือคำนวณหาค่าแฟกทอเรียล (n!) ของตัวเลขจำนวนเต็มบวก

คำนวณหาเลขฟีโบนัชชี

เครื่องมือหาค่าของลำดับฟีโบนัชชีที่ตำแหน่ง N ที่ต้องการ

สรุปข้อมูล 5 ค่า (Five-Number Summary)

คำนวณค่าต่ำสุด, ควอไทล์ที่ 1, มัธยฐาน, ควอไทล์ที่ 3, และค่าสูงสุด สำหรับสร้างแผนภาพกล่อง

แปลงเศษส่วนเป็นทศนิยม

เครื่องมือคำนวณแปลงเศษส่วนเป็นทศนิยม พร้อมอธิบายวิธีทำ

Google AdSense - Sticky Bottom (Mobile)