Sannolikhetsfördelningskalkylator: formler, exempel och övningsuppgifter
En sannolikhetsfördelningskalkylator tar fram väntevärdet, variansen och sannolikheten för vilket utfall som helst hos en diskret eller kontinuerlig slumpvariabel, utan att du behöver bygga en fullständig sannolikhetstabell eller slå upp en z-tabell för hand varje gång. Den utgår från fördelningens typ — en diskret tabell, en binomialprocess eller en normalkurva — tillsammans med dess parametrar, och returnerar den sannolikhet, det medelvärde och den standardavvikelse du behöver. Statistikstudenter använder den för myntkast, stickprov i kvalitetskontroll, provresultat och alla slumpvariabler med en tydligt definierad uppsättning utfall. Den här guiden bygger upp de underliggande formlerna steg för steg, med verkliga tal som du kan kontrollera för hand, så att kalkylatorn aldrig känns som en svart låda.
Innehåll
- 01Vad är en sannolikhetsfördelningskalkylator?
- 02Hur fungerar en sannolikhetsfördelningskalkylator?
- 03Diskreta kontra kontinuerliga sannolikhetsfördelningar
- 04Hur kontrollerar du att sannolikheterna summerar till 1?
- 05Löst exempel: väntevärde och varians för en diskret fördelning
- 06Löst exempel: sannolikhet i binomialfördelningen
- 07När kan en normalfördelning approximera en binomialfördelning?
- 08Vilka vanliga misstag ställer till det i beräkningar av sannolikhetsfördelningar?
- 09Övningsuppgifter med fullständiga lösningar
- 10När bör du använda en sannolikhetsfördelningskalkylator?
- 11Hur kan Solvify hjälpa dig att kontrollera uppgifter om sannolikhetsfördelningar?
Vad är en sannolikhetsfördelningskalkylator?
En sannolikhetsfördelningskalkylator är ett verktyg som tar en slumpvariabels möjliga utfall och deras sannolikheter — eller parametrarna för en känd fördelningsfamilj, som en binomialfördelning eller normalfördelning — och returnerar sannolikheten för en specifik händelse, tillsammans med sammanfattande värden som väntevärdet (medelvärdet) och variansen. En sannolikhetsfördelning är i sig bara en fullständig lista över varje utfall en slumpvariabel kan anta, tillsammans med hur sannolikt varje utfall är. Diskreta fördelningar listar enskilda utfall, som antalet defekta delar i en sats om 10; kontinuerliga fördelningar beskriver utfall över ett intervall, som en persons längd. Vilken typ du än arbetar med är en sannolikhetsfördelningskalkylator bara så tillförlitlig som den fördelning du matar in, och därför spelar det roll att kontrollera den underliggande matematiken även när ett verktyg sköter räknandet åt dig.
Varje giltig sannolikhetsfördelning måste uppfylla två regler: varje enskild sannolikhet ligger mellan 0 och 1, och alla sannolikheter tillsammans summerar till exakt 1.
Hur fungerar en sannolikhetsfördelningskalkylator?
Oavsett om du arbetar med en handgjord tabell eller en fullständig statistisk kalkylator följer en sannolikhetsfördelningskalkylator samma fyrstegslogik varje gång. Den behöver först veta vilken typ av fördelning det handlar om, eftersom en diskret tabell, en binomialprocess och en normalkurva var och en använder olika formler för sannolikhet, väntevärde och varians.
1. Steg 1: Identifiera fördelningstypen
Avgör om slumpvariabeln är diskret (en fast lista med utfall, som en sannolikhetsfördelningstabell) eller kontinuerlig (ett helt intervall av möjliga värden, som en normalfördelning), och om den matchar en känd familj såsom binomialfördelningen.
2. Steg 2: Mata in fördelningens parametrar
För en diskret tabell anger du varje utfall och dess sannolikhet. För en binomialfördelning anger du antalet försök (n) och sannolikheten för framgång (p). För en normalfördelning anger du medelvärdet (μ) och standardavvikelsen (σ).
3. Steg 3: Beräkna sannolikhet, väntevärde och varians
Kalkylatorn tillämpar den matchande formeln — direkt summering för en diskret tabell, binomialformeln för en binomialprocess eller den standardiserade normalfördelningstabellen för en normalkurva — och returnerar den efterfrågade sannolikheten tillsammans med medelvärdet och variansen.
4. Steg 4: Tolka resultatet
Omvandla decimalsannolikheten till procent och stäm av den mot en rimlighetskontroll, som empiriska regeln eller en grov uppskattning, innan du betraktar den som slutgiltig.
Diskreta kontra kontinuerliga sannolikhetsfördelningar
En diskret sannolikhetsfördelning gäller en slumpvariabel med en uppräknelig lista av utfall — antalet krona vid tre myntkast, antalet kundklagomål på en dag eller antalet lyckade utfall i ett fast antal försök. Varje utfall får sin egen sannolikhet, och en sannolikhetsfördelningskalkylator för en diskret variabel är egentligen bara organiserad addition och multiplikation över den listan. En kontinuerlig sannolikhetsfördelning, som normalfördelningen, gäller en slumpvariabel som kan anta vilket värde som helst inom ett intervall — längd, vikt eller reaktionstid — så i stället för en sannolikhet för varje exakt värde beräknar du sannolikheten att hamna inom ett intervall, med hjälp av arean under kurvan. Att veta vilken typ du arbetar med avgör alla formler som följer.
Hur kontrollerar du att sannolikheterna summerar till 1?
Innan du litar på någon beräkning av väntevärde eller varians ska du bekräfta att fördelningen är giltig: varje sannolikhet måste ligga mellan 0 och 1, och hela uppsättningen sannolikheter måste summera till exakt 1 (med marginal för små avrundningar). Att hoppa över den kontrollen är den enskilt vanligaste orsaken till fel svar i diskreta sannolikhetsuppgifter, eftersom en feltypad eller felräknad sannolikhet slår igenom i varje beräkning som byggs ovanpå den.
1. Lista varje utfall och dess sannolikhet
Anta att ett litet supportteam följer antalet klagomål, X, som tas emot per dag: P(X=0) = 0,1, P(X=1) = 0,3, P(X=2) = 0,4, P(X=3) = 0,2.
2. Addera alla sannolikheter
0,1 + 0,3 + 0,4 + 0,2 = 1,0. Sannolikheterna summerar till exakt 1, så detta är en giltig sannolikhetsfördelning.
3. Känn igen en ogiltig fördelning
Om det sista värdet i stället hade angetts som P(X=3) = 0,3 skulle summan bli 0,1 + 0,3 + 0,4 + 0,3 = 1,1 — över 1, vilket är omöjligt för en sannolikhetsfördelning och signalerar ett inmatningsfel som måste rättas innan du beräknar något annat.
Om sannolikheterna i en fördelning inte summerar till exakt 1 är fördelningen ogiltig och måste rättas innan du beräknar väntevärde, varians eller någon annan sannolikhet utifrån den.
Löst exempel: väntevärde och varians för en diskret fördelning
Med samma fördelning över klagomål per dag — P(X=0) = 0,1, P(X=1) = 0,3, P(X=2) = 0,4, P(X=3) = 0,2 — tar en sannolikhetsfördelningskalkylator fram väntevärdet (genomsnittet i längden) och variansen (hur spridda utfallen är) på samma sätt som du skulle göra för hand.
1. Steg 1: Multiplicera varje värde med dess sannolikhet och addera
E[X] = (0×0,1) + (1×0,3) + (2×0,4) + (3×0,2) = 0 + 0,3 + 0,8 + 0,6 = 1,7 klagomål per dag i genomsnitt.
2. Steg 2: Ta fram E[X²]
E[X²] = (0²×0,1) + (1²×0,3) + (2²×0,4) + (3²×0,2) = 0 + 0,3 + 1,6 + 1,8 = 3,7.
3. Steg 3: Subtrahera det kvadrerade medelvärdet
Var(X) = E[X²] − (E[X])² = 3,7 − 1,7² = 3,7 − 2,89 = 0,81.
4. Steg 4: Dra kvadratroten för att få standardavvikelsen
σ = √0,81 = 0,9 klagomål per dag, vilket betyder att det dagliga antalet klagomål typiskt varierar med ungefär 0,9 kring genomsnittet 1,7.
Löst exempel: sannolikhet i binomialfördelningen
En binomialfördelning gäller när du har ett fast antal oberoende försök, vart och ett med exakt två utfall (framgång eller misslyckande) och samma sannolikhet för framgång varje gång. Formeln är P(X=k) = C(n,k) × p^k × (1−p)^(n−k), där n är antalet försök, k är antalet framgångar du vill ha och p är sannolikheten för framgång i ett enskilt försök. Anta att 30 % av besökarna på en landningssida registrerar sig (p = 0,3) och att du tittar på 10 oberoende besökare (n = 10). Vad är sannolikheten att exakt 3 av dem registrerar sig?
1. Steg 1: Identifiera n, k och p
n = 10, k = 3, p = 0,3, alltså 1 − p = 0,7.
2. Steg 2: Beräkna antalet kombinationer
C(10,3) = 10! ÷ (3! × 7!) = 120.
3. Steg 3: Beräkna p^k och (1−p)^(n−k)
p³ = 0,3³ = 0,027. (1−p)^7 = 0,7^7 = 0,0823543.
4. Steg 4: Multiplicera ihop allt
P(X=3) = 120 × 0,027 × 0,0823543 ≈ 0,2668, alltså ungefär 26,68 %.
För en binomialfördelning är medelvärdet μ = np och variansen σ² = np(1 − p) — med n = 10 och p = 0,3 ger det ett medelvärde på 3 och en varians på 2,1, utan att någon fullständig sannolikhetstabell behövs.
När kan en normalfördelning approximera en binomialfördelning?
När antalet försök är stort blir det opraktiskt att beräkna en exakt binomialsannolikhet för hand — eller ens att summera många binomialtermer — så statistiker approximerar i stället binomialfördelningen med en normalfördelning. Approximationen anses tillförlitlig när både np ≥ 5 och n(1−p) ≥ 5. Anta att 200 e-postmeddelanden skickas och att varje har 40 % chans att öppnas (n = 200, p = 0,4). Vad är sannolikheten att högst 45 av de första 100 mottagarna öppnar e-postmeddelandet, med n = 100 för den här frågan?
1. Steg 1: Kontrollera villkoren för approximationen
Med n = 100 och p = 0,5 för just den här frågan är np = 50 ≥ 5 och n(1−p) = 50 ≥ 5, så normalapproximationen är giltig.
2. Steg 2: Ta fram medelvärdet och standardavvikelsen
μ = np = 100 × 0,5 = 50. σ = √(np(1−p)) = √(100 × 0,5 × 0,5) = √25 = 5.
3. Steg 3: Tillämpa kontinuitetskorrektionen
Eftersom binomialfördelningen är diskret och normalfördelningen är kontinuerlig justerar du X = 45 till X = 45,5 innan du räknar om till ett z-värde: z = (45,5 − 50) ÷ 5 = −0,9.
4. Steg 4: Slå upp sannolikheten
P(Z < −0,9) ≈ 0,1841, alltså P(X ≤ 45) ≈ 18,41 %.
Kontinuitetskorrektionen — att lägga till eller dra bort 0,5 innan du räknar om till ett z-värde — är det som håller en normalapproximation träffsäker för en fördelning som i själva verket är diskret.
Vilka vanliga misstag ställer till det i beräkningar av sannolikhetsfördelningar?
De flesta fel i uppgifter om sannolikhetsfördelningar kommer från en liten uppsättning återkommande misstag, och att kontrollera dessa innan du litar på ett slutsvar fångar majoriteten av läxans och tentans fel.
1. Att glömma kontrollera att sannolikheterna summerar till 1
Att bygga väntevärde eller varians ovanpå en fördelning som inte summerar till 1 garanterar ett felaktigt svar, även om varje annat steg görs korrekt.
2. Att förväxla stickprovsvarians med populationsvarians
När varje utfall och sannolikhet i en fördelning är fullständigt känt använder du Var(X) = E[X²] − (E[X])², inte formeln för stickprovsvarians som dividerar med n − 1 — den formeln är till för att skatta varians utifrån ett datastickprov, inte utifrån en känd fördelning.
3. Att tillämpa normalapproximationen utan att kontrollera np ≥ 5 och n(1−p) ≥ 5
Att använda en normalapproximation på en binomialfördelning med litet n eller extremt p ger en märkbart felaktig sannolikhet, eftersom binomialfördelningen då är för skev för att en symmetrisk klockkurva ska modellera den väl.
4. Att glömma kontinuitetskorrektionen
Att hoppa över justeringen med 0,5 när du approximerar en diskret binomialfördelning med en kontinuerlig normalkurva förskjuter den resulterande sannolikheten systematiskt, särskilt för mindre värden på n.
Övningsuppgifter med fullständiga lösningar
Arbeta igenom dessa tre uppgifter innan du kontrollerar någon kalkylators svar, med samma formler som gåtts igenom ovan.
1. Uppgift 1: Väntevärde och varians
En diskret slumpvariabel X har P(X=−1) = 0,2, P(X=0) = 0,3, P(X=1) = 0,3, P(X=2) = 0,2. Ta fram E[X] och Var(X). Lösning: E[X] = (−1×0,2)+(0×0,3)+(1×0,3)+(2×0,2) = −0,2+0+0,3+0,4 = 0,5. E[X²] = (1×0,2)+(0×0,3)+(1×0,3)+(4×0,2) = 0,2+0+0,3+0,8 = 1,3. Var(X) = 1,3 − 0,5² = 1,3 − 0,25 = 1,05.
2. Uppgift 2: Binomialsannolikheten för "minst en"
Om 25 % av delarna från en maskin är defekta (p = 0,25) och 8 delar tas som stickprov (n = 8), ta fram P(minst 1 defekt). Lösning: P(ingen defekt) = (0,75)^8 ≈ 0,1001. P(minst 1) = 1 − 0,1001 ≈ 0,8999, alltså ungefär 89,99 %.
3. Uppgift 3: Normalapproximation av en binomialfördelning
Med n = 200 och p = 0,4, ta fram P(X ≥ 90) med normalapproximationen. Lösning: μ = np = 80, σ = √(200×0,4×0,6) = √48 ≈ 6,93. Med kontinuitetskorrektionen blir X = 89,5, alltså z = (89,5 − 80) ÷ 6,93 ≈ 1,37. P(Z ≥ 1,37) ≈ 1 − 0,9147 = 0,0853, alltså ungefär 8,53 %.
När bör du använda en sannolikhetsfördelningskalkylator?
En sannolikhetsfördelningskalkylator gör nytta överallt där du behöver ett snabbt och kontrollerbart svar för en slumpvariabel med kända utfall eller en känd fördelningsfamilj: statistikkurser som täcker diskreta tabeller, binomialfördelningen och normalfördelningen; stickprov i kvalitetskontroll, där en fabrik uppskattar sannolikheten att en sats innehåller för många defekta delar; försäkring och finans, där beräkningar av väntevärde styr premie- och risksättning; och A/B-tester, där en binomialmodell uppskattar sannolikheten att en observerad konverteringsskillnad är meningsfull. I samtliga fall är kalkylatorn som mest användbar när du väl förstår formeln den tillämpar — då kan du upptäcka en felaktig indata eller en olämplig approximation innan den ger ett självsäkert men felaktigt svar.
Hur kan Solvify hjälpa dig att kontrollera uppgifter om sannolikhetsfördelningar?
När du väl förstår resonemanget ovan är ett verktyg mest användbart för att snabbt kontrollera ditt arbete snarare än för att ersätta tänkandet. Solvifys steg-för-steg-lösare bryter ned frågor om sannolikhetsfördelningar — diskreta tabeller, binomialsannolikheter och normalapproximationer — i samma namngivna steg som används genom hela den här guiden, så att du kan jämföra ditt eget arbete rad för rad i stället för att bara se en slutlig procentsats.
1. Ta ett foto av uppgiften
Använd Solvifys smart scan för att fånga en fråga om sannolikhetsfördelning direkt från en lärobok eller ett övningsblad och få tillbaka en fullständigt löst lösning.
2. Jämför dina steg med lösningen
Stäm av ditt väntevärde, din varians och din slutliga sannolikhet mot Solvifys genomgång för att fånga misstag som de ovan.
3. Ställ följdfrågor
Använd Solvifys AI-handledare för att fråga varför normalapproximationen gäller, eller för att se samma uppgift löst med den exakta binomialformeln i stället.
En kalkylator ska bekräfta ditt resonemang, inte ersätta det — Solvify visar hela steg-för-steg-vägen så att du ser exakt var din egen beräkning stämde eller avvek.
Relaterade artiklar
Binomialfördelningskalkylator: hur man beräknar sannolikheter för hand
En djupare genomgång av binomialformeln som används ovan, med fler lösta exempel på exakta och kumulativa binomialsannolikheter.
Kalkylator för normalfördelningskurvan: formler, steg och exempel
Matematiken bakom z-värden och empiriska regeln i exemplet med normalapproximation, tillämpad på kontinuerliga fördelningar som provresultat och kroppslängder.
Tärningssannolikhetskalkylator: formler, lösta exempel och övningsuppgifter
Ett annat ämne inom diskret sannolikhet som bygger på samma resonemang om utfallsrum och väntevärde som används för sannolikhetsfördelningstabeller.
Relaterade matematiklösare
Steg-för-steg-lösningar
Se varje formel, insättning och mellanvärde tydligt uppställt i stället för bara en slutlig sannolikhet.
Smart scan-lösare
Ta ett foto av en fråga om sannolikhetsfördelning och få en direkt, fullständigt löst genomgång.
AI-mattehandledare
Ställ följdfrågor om väntevärde, varians eller när du ska använda en normalapproximation i stället för den exakta binomialformeln.