La distribuzione binomiale è una distribuzione di probabilità discreta che descrive il numero di successi in una sequenza di prove indipendenti, dove ogni prova ha solo due possibili esiti: successo (con probabilità \( p \)) o insuccesso (con probabilità \( 1-p \)).
Sia \( X \) una variabile aleatoria che rappresenta il numero di successi in \( n \) prove indipendenti. La distribuzione di \( X \) segue una distribuzione binomiale se:
Ogni prova è indipendente;
Ogni prova ha solo due possibili esiti (successo o insuccesso);
La probabilità di successo è costante in ogni prova.
La funzione di densità di probabilità per una variabile aleatoria binomiale \( X \) è data da:
\[
P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}
\]
ove: \( \binom{n}{k} \) è il coefficiente binomiale, che rappresenta il numero di modi in cui si possono scegliere \( k \) successi in \( n \) prove, \( p \) è la probabilità di successo in una singola prova, \( 1 - p \) è la probabilità di insuccesso, \( n \) è il numero totale di prove, \( k \) è il numero di successi desiderati (con \( k = 0, 1, \dots, n \)).
Il valore atteso di una variabile aleatoria binomiale è:
\[
\mathbb{E}(X) = n \cdot p
\]
La varianza di una variabile aleatoria binomiale è:
\[
\text{Var}(X) = n \cdot p \cdot (1 - p)
\]
Proprietà di simmetria:
La distribuzione binomiale è simmetrica quando \( p = 0.5 \), ma tende a diventare asimmetrica quando \( p \) si allontana da 0.5.
Proprietà di asintoticità:
Quando \( n \) è molto grande, la distribuzione binomiale può essere approssimata dalla distribuzione normale (Teorema del Limite Centrale).
Indipendenza delle prove:
Le prove della distribuzione binomiale sono indipendenti l'una dall'altra.