Year12 MATH 3-4-2 binomial and normal distributions

In QLD Year 12 Mathematical Methods Unit 4, binomial and normal distributions are core components of probability and statistics, focusing on modeling discrete and continuous data to make inferences. Unit 4, Topic 3 typically covers the Binomial Distribution, while Topic 4 covers Continuous Random Variables and the Normal Distribution. 

1. Binomial Distribution (Discrete) 

The binomial distribution models the number of successes in a fixed number of independent “Bernoulli trials,” where each trial has only two outcomes: success or failure. 

• Key Requirements: Fixed number of trials ($n$), constant probability of success ($p$) in each trial, and trials must be independent.
• Key Formula: $P(X=x)=\left(\genfrac{}{}{0ex}{}{n}{x}\right)p^x(1-p{)}^{n-x}$.
• Mean & Variance: Mean ($\mu$) = $np$; Variance (${\sigma }^2$) = $np(1-p)$.
• Application: Used for problems like “finding the probability of exactly $k$ successes in $n$ trials”. 

2. Normal Distribution (Continuous) 

The normal distribution (or Gaussian distribution) is a continuous, symmetric, “bell-shaped” curve used to model continuous data, such as heights, IQ scores, or measurement errors. 

• Characteristics: Symmetric around the mean ($\mu$), where the mean, median, and mode are equal. It is defined by its mean ($\mu$) and standard deviation ($\sigma$).
• Empirical Rule (68-95-99.7% Rule): Approximately 68% of data lies within $1\sigma$ of the mean, 95% within $2\sigma$, and 99.7% within $3\sigma$.
• Standard Normal Distribution (𝑍): A special case where $\mu =0$ and $\sigma =1$. The formula $Z=\frac{X-\mu }{\sigma }$ is used to calculate probabilities.
• Technology Use: CAS calculators are used to calculate probabilities (e.g., normCdf) and quantiles (inverse normal). 

3. Normal Approximation to the Binomial 

In Unit 4, you also learn that for large sample sizes ($n$), a binomial distribution can be approximated by a normal distribution. 

• Condition: Generally used when $np>5$ and $n(1-p)>5$.
• Method: The binomial distribution is approximated using a normal distribution with $\mu =np$ and $\sigma =\sqrt{np(1-p)}$. 

4. Key Concepts & Skills 

• Distinguish Variable Types: Identifying when to use discrete (binomial) vs. continuous (normal) distributions.
• Calculate Probabilities: Finding probabilities for ranges (e.g., $P(X\le a)$ or $P(a<X<b)$).
• Interpret Graphs: Recognizing features of the normal probability density function (PDF).
• Statistical Inference: Using these distributions to interpret data, such as in interval estimates for proportions. 

These topics prepare students for Exam 2 (Technology Active) and form part of the Internal Assessment (IA3). 

********************************************************************************************************************************************************

QLD 12年生数学指導法ユニット4では、二項分布と正規分布は確率と統計の中核を成す要素であり、離散データと連続データのモデリングによる推論に重点を置いています。ユニット4のトピック3では、通常二項分布について、トピック4では連続確率変数と正規分布について扱います。

1. 二項分布（離散）

二項分布は、一定回数の独立した「ベルヌーイ試行」における成功回数をモデル化します。各試行の結果は成功か失敗の2つのみです。

主な要件：試行回数（n）、各試行における成功確率（p）は一定、試行は独立である必要があります。

主な公式：$P(X=x)={n \choose x}p^{x}(1-p)^{n-x}$。

平均と分散：平均 ($μ$) = $np$; 分散 ($σ^2$) = $np(1−p)$。

応用：「$n$ 回の試行でちょうど $k$ 回成功する確率を求める」といった問題に用いられます。

2. 正規分布 (連続)

正規分布（ガウス分布）は、連続した対称的な「ベル型」曲線で、身長、IQ スコア、測定誤差などの連続データをモデル化するために使用されます。

特徴：平均 ($μ$) を中心に対称で、平均、中央値、最頻値が等しくなります。平均 ($μ$) と標準偏差 ($σ$) によって定義されます。

経験則（68-95-99.7%ルール）：データの約68%は平均値の1シグマ以内に、95%は2シグマ以内に、99.7%は3シグマ以内に収まります。

標準正規分布（𝑍）：$μ$=0、シグマが1となる特殊なケースです。式 $Z=\frac{X-\mu }{\sigma }$（Zは分子がXからμを引いた分数、分母がシグマの分数）は、確率を計算するために使用されます。

テクノロジーの利用：CAS計算機は、確率（例：normCdf）と分位点（逆正規分布）を計算するために使用されます。

3. 二項分布の正規近似

ユニット4では、大きな標本サイズ（n）の場合、二項分布は正規分布で近似できることも学習します。

条件：通常、$np>5$ and $n(1-p)>5$ で使用されます。

方法：二項分布は、$μ$ が $n p$ に等しく、$\sigma =\sqrt{np(1-p)}$ の正規分布を使用して近似されます。

4. 重要な概念とスキル

変数の種類の区別：離散分布（二項分布）と連続分布（正規分布）のどちらを使用するかを識別する。

確率の計算：範囲の確率を求める（例：$P(X≤a)$、または $P(a<X<b)$。

グラフの解釈：正規確率密度関数（PDF）の特徴を認識する。

統計的推論：これらの分布を用いて、割合の区間推定などにおけるデータの解釈を行う。

これらのトピックは、試験2（テクノロジーアクティブ）の準備となり、内部評価（IA3）の一部となります。