การแจกแจงความน่าจะเป็นเบื้องต้น

บทเรียน: การแจกแจงความน่าจะเป็นเบื้องต้น (คณิตศาสตร์ ม.6)

ยินดีต้อนรับสู่บทเรียนเรื่อง การแจกแจงความน่าจะเป็นเบื้องต้น ครับ! ในบทก่อนหน้าเราได้เรียนเรื่องสถิติและความน่าจะเป็นพื้นฐานกันมาแล้ว บทนี้จะเป็นการนำทั้งสองเรื่องมารวมพลังกัน เพื่อช่วยให้เราสามารถทำนายและหาโอกาสที่จะเกิดเหตุการณ์ต่างๆ ได้อย่างเป็นระบบและแม่นยำยิ่งขึ้น ถ้ารู้สึกยากในตอนแรก ไม่ต้องกังวลนะ ค่อยๆ อ่านและดูตัวอย่างตามไปทีละขั้น รับรองว่าจะเข้าใจได้ไม่ยากแน่นอนครับ!

สิ่งที่นักเรียนจะได้เรียนรู้ในบทนี้:
1. รู้จักตัวแปรสุ่มและประเภทของตัวแปรสุ่ม
2. การแจกแจงเอกรูป (Uniform Distribution)
3. การแจกแจงทวินาม (Binomial Distribution)
4. การแจกแจงปกติ (Normal Distribution) และคะแนนมาตรฐาน

---

1. ตัวแปรสุ่ม (Random Variable) คืออะไร?

ลองจินตนาการว่าเรากำลังโยนเหรียญ 2 เหรียญ ผลลัพธ์ที่เป็นไปได้ทั้งหมดในปริภูมิตัวอย่าง (Sample Space: \(S\)) คือ \(\{HH, HT, TH, TT\}\) แต่บางครั้งเราไม่ได้สนใจว่าหน้าเหรียญเป็นอะไรตรงๆ แต่เราสนใจ "จำนวนครั้งที่ออกหัว" มากกว่า

ตัวแปรสุ่ม คือ ฟังก์ชันที่แปลงผลลัพธ์จากการทดลองสุ่มให้กลายเป็น "ตัวเลขเชิงปริมาณ" เรามักใช้ตัวอักษรภาษาอังกฤษตัวพิมพ์ใหญ่แทนตัวแปรสุ่ม เช่น \(X\) หรือ \(Y\) และใช้ตัวพิมพ์เล็ก เช่น \(x\) แทนค่าที่เป็นไปได้ของตัวแปรสุ่มนั้น

ประเภทของตัวแปรสุ่ม

เราสามารถแบ่งตัวแปรสุ่มออกเป็น 2 ชนิดหลักๆ ดังนี้:

1) ตัวแปรสุ่มไม่ต่อเนื่อง (Discrete Random Variable): เป็นตัวแปรสุ่มที่ค่าที่เป็นไปได้สามารถนับจำนวนได้ถ้วน มักได้จากการนับ เช่น จำนวนพี่น้อง, จำนวนคำตอบที่ถูกในการทำข้อสอบ, แต้มที่ได้จากการทอยลูกเต๋า

2) ตัวแปรสุ่มต่อเนื่อง (Continuous Random Variable): เป็นตัวแปรสุ่มที่ค่าที่เป็นไปได้มีค่าได้ทุกค่าในช่วงจำนวนจริง มักได้จากการวัด เช่น น้ำหนัก, ส่วนสูง, อุณหภูมิ, เวลาที่ใช้ในการเดินทาง

ข้อผิดพลาดที่พบบ่อย: สับสนระหว่าง "ตัวแปรสุ่มไม่ต่อเนื่อง" กับ "ตัวแปรสุ่มต่อเนื่อง" ให้จำง่ายๆ ว่า ถ้าเกิดจากการ นับจำนวนสิ่งของ มักเป็นตัวแปรสุ่มไม่ต่อเนื่อง แต่ถ้าเกิดจากการ วัดด้วยเครื่องมือ (มีทศนิยมละเอียดได้เรื่อยๆ) จะเป็นตัวแปรสุ่มต่อเนื่อง

---

2. การแจกแจงเอกรูป (Uniform Distribution)

คำว่า "เอกรูป" แปลง่ายๆ คือ "มีรูปแบบเดียว หรือ ทุกอย่างเท่าเทียมกันหมด" นั่นคือ ทุกๆ ผลลัพธ์ที่เป็นไปได้มีโอกาสเกิด เท่ากันทั้งหมด

ตัวอย่างของการแจกแจงเอกรูป

การทอยลูกเต๋า 1 ลูกที่เที่ยงตรง กำหนดให้ตัวแปรสุ่ม \(X\) คือแต้มที่หงายขึ้น
ค่าที่เป็นไปได้ของ \(X\) คือ \(1, 2, 3, 4, 5, 6\)
เนื่องจากลูกเต๋ามีความเที่ยงตรง โอกาสที่แต้มแต่ละแต้มจะหงายขึ้นจึงเท่ากัน นั่นคือ:
\(P(X = 1) = P(X = 2) = P(X = 3) = P(X = 4) = P(X = 5) = P(X = 6) = \frac{1}{6}\)

สมบัติสำคัญของฟังก์ชันความน่าจะเป็น:
- ความน่าจะเป็นของแต่ละค่าต้องอยู่ระหว่าง \(0\) ถึง \(1\) เสมอ นั่นคือ \(0 \le P(X = x) \le 1\)
- ผลรวมของความน่าจะเป็นของทุกค่าที่เป็นไปได้รวมกัน ต้องเท่ากับ \(1\) เสมอ

ทบทวนประเด็นสำคัญ: การแจกแจงเอกรูป คือเหตุการณ์ที่ผลลัพธ์ทุกตัวมีโอกาสเกิดขึ้นเท่ากันอย่างสมบูรณ์แบบ เช่น การหมุนวงล้อที่มีช่องขนาดเท่ากัน หรือการจับสลากที่ทุกใบเหมือนกันหมด

---

3. การแจกแจงทวินาม (Binomial Distribution)

คำว่า "ทวิ" แปลว่า สอง ดังนั้น การแจกแจงทวินามจึงเป็นการทดลองที่มีผลลัพธ์ที่เราสนใจเพียง 2 แบบ เท่านั้น คือ "สำเร็จ" (Success) กับ "ไม่สำเร็จ" (Failure)

เงื่อนไขของการแจกแจงทวินาม (ตรวจสอบ 4 ข้อนี้เสมอ):

1. มีการทดลองซ้ำๆ กันจำนวน \(n\) ครั้งที่แน่นอน
2. ในการทดลองแต่ละครั้ง มีผลลัพธ์ที่เป็นไปได้เพียง 2 อย่าง คือ "สำเร็จ" หรือ "ไม่สำเร็จ"
3. ความน่าจะเป็นที่จะเกิดผลสำเร็จ (แทนด้วยสัญลักษณ์ \(p\)) จะคงที่เท่ากันทุกครั้ง ดังนั้นความน่าจะเป็นที่ไม่สำเร็จคือ \(1 - p\)
4. การทดลองในแต่ละครั้งต้องเป็น อิสระต่อกัน (ผลของการทดลองครั้งก่อนหน้าไม่มีผลต่อครั้งถัดไป)

สูตรการคำนวณความน่าจะเป็นของการแจกแจงทวินาม

ถ้าตัวแปรสุ่ม \(X\) คือจำนวนครั้งที่สำเร็จจากการทดลอง \(n\) ครั้ง ความน่าจะเป็นที่จะเกิดผลสำเร็จ \(x\) ครั้ง คือ:

\(P(X = x) = C(n, x) \cdot p^x \cdot (1 - p)^{n - x}\)

โดยที่:
- \(n\) คือ จำนวนครั้งทั้งหมดของการทดลอง
- \(x\) คือ จำนวนครั้งที่สำเร็จที่ต้องการหา โดย \(x \in \{0, 1, 2, \dots, n\}\)
- \(p\) คือ ความน่าจะเป็นที่จะสำเร็จในการทดลองแต่ละครั้ง
- \(C(n, x) = \frac{n!}{x!(n - x)!}\) คือ จำนวนวิธีในการเลือกจัดหมู่ (เรื่องหลักการนับ ม.5)

ตัวอย่างการคำนวณ

โจทย์: นักเรียนคนหนึ่งเดาข้อสอบแบบปรนัย 4 ตัวเลือก จำนวน 3 ข้อ โดยการสุ่มทั้งหมด จงหาความน่าจะเป็นที่นักเรียนคนนี้จะเดาถูก 2 ข้อ

วิธีทำทีละขั้น:
1. กำหนดตัวแปร: ข้อสอบมี 3 ข้อ ดังนั้นจำนวนครั้ง \(n = 3\)
2. ความน่าจะเป็นที่เดาถูก 1 ข้อ (ตัวเลือก 4 ข้อ) คือ \(p = \frac{1}{4}\)
3. ความน่าจะเป็นที่เดาผิดคือ \(1 - p = 1 - \frac{1}{4} = \frac{3}{4}\)
4. สิ่งที่โจทย์ต้องการคือ เดาถูก 2 ข้อ ดังนั้น \(x = 2\)
5. เข้าสูตรการแจกแจงทวินาม:
\(P(X = 2) = C(3, 2) \cdot \left(\frac{1}{4}\right)^2 \cdot \left(\frac{3}{4}\right)^{3 - 2}\)
คำนวณหา \(C(3, 2) = \frac{3!}{2!(3 - 2)!} = 3\)
จะได้ \(P(X = 2) = 3 \cdot \frac{1}{16} \cdot \frac{3}{4} = \frac{9}{64}\)

รู้หรือไม่? สัญลักษณ์ \(C(n, x) \cdot p^x \cdot (1-p)^{n-x}\) นั้นมาจากแต่ละพจน์ของการกระจายทฤษฎีบททวินาม \((p + (1 - p))^n\) นั่นเอง ซึ่งทำให้ผลรวมความน่าจะเป็นทุกกรณี \(\sum P(X = x) = (p + (1 - p))^n = 1^n = 1\) เสมอ!

ข้อผิดพลาดที่พบบ่อย: นักเรียนหลายคนมักลืมใส่ค่า \(C(n, x)\) ข้างหน้า ทำให้คำนวณได้เฉพาะกรณีที่เรียงลำดับแบบเดียว อย่าลืมว่าการสำเร็จ 2 ครั้งจาก 3 ครั้ง อาจเกิดได้หลายรูปแบบ เช่น ถูก-ถูก-ผิด, ถูก-ผิด-ถูก หรือ ผิด-ถูก-ถูก ซึ่งมีทั้งหมด 3 วิธี

---

4. การแจกแจงปกติ (Normal Distribution)

การแจกแจงปกติเป็นรูปแบบการแจกแจงของ ตัวแปรสุ่มต่อเนื่อง ที่พบได้บ่อยที่สุดในธรรมชาติ เช่น การกระจายของส่วนสูง, น้ำหนักของประชากร, หรือคะแนนสอบของนักเรียนจำนวนมาก

ลักษณะเด่นของเส้นโค้งปกติ (Normal Curve)

- มีลักษณะเป็นรูป ระฆังคว่ำ (Bell-shaped curve) ที่มีความสมมาตรรอบค่าเฉลี่ย (\(\mu\))
- จุดกึ่งกลางสูงสุดคือตำแหน่งที่ ค่าเฉลี่ยเลขคณิต = มัธยฐาน = ฐานนิยม
- ปลายทั้งสองข้างของเส้นโค้งจะทอดยาวเข้าใกล้แกนนอนแต่จะไม่ตัดแกนนอน
- พื้นที่ใต้เส้นโค้งทั้งหมดมีค่าเท่ากับ \(1\) เสมอ (หรือคิดเป็น 100% ของความน่าจะเป็นทั้งหมด)
- เนื่องจากเส้นโค้งสมมาตร พื้นที่ใต้เส้นโค้งทางซ้ายและทางขวาของค่าเฉลี่ย \(\mu\) จะเท่ากับ \(0.5\) พอดี

คะแนนมาตรฐาน (Standard Score: \(z\))

เนื่องจากข้อมูลแต่ละเรื่องมีค่าเฉลี่ยเลขคณิต (\(\mu\)) และส่วนเบี่ยงเบนมาตรฐาน (\(\sigma\)) ที่แตกต่างกัน เพื่อให้ง่ายต่อการเปรียบเทียบและการเปิดตารางหาพื้นที่ เราจึงแปลงตัวแปรสุ่มปกติ \(X\) ให้กลายเป็น การแจกแจงปกติมาตรฐาน (Standard Normal Distribution) ที่มีค่าเฉลี่ยเลขคณิตเป็น \(0\) และส่วนเบี่ยงเบนมาตรฐานเป็น \(1\) ด้วยสูตรคะแนนมาตรฐาน:

\(z = \frac{x - \mu}{\sigma}\)

โดยที่:
- \(x\) คือ ค่าของข้อมูลที่สนใจ
- \(\mu\) คือ ค่าเฉลี่ยเลขคณิตของประชากร
- \(\sigma\) คือ ส่วนเบี่ยงเบนมาตรฐานของประชากร

การหาความน่าจะเป็นจากพื้นที่ใต้เส้นโค้งปกติ

สำหรับตัวแปรสุ่มต่อเนื่อง ความน่าจะเป็นที่ตัวแปรสุ่มจะมีค่าตกอยู่ในช่วงใดช่วงหนึ่ง จะเท่ากับ พื้นที่ใต้เส้นโค้งปกติ ในช่วงนั้นๆ

ข้อควรรู้สำคัญมาก: สำหรับตัวแปรสุ่มต่อเนื่อง ความน่าจะเป็นที่จุดใดจุดหนึ่งจะมีค่าเท่ากับศูนย์เสมอ นั่นคือ \(P(X = a) = 0\) ดังนั้นเครื่องหมายอสมการจะมีเครื่องหมายเท่ากับหรือไม่ก็มีค่าเท่ากัน:
\(P(a \le X \le b) = P(a < X < b)\)

ตัวอย่างการประยุกต์ใช้

โจทย์: คะแนนสอบวิชาคณิตศาสตร์ของนักเรียนกลุ่มหนึ่งมีการแจกแจงปกติ โดยมีค่าเฉลี่ยเลขคณิตเท่ากับ \(60\) คะแนน และส่วนเบี่ยงเบนมาตรฐานเท่ากับ \(10\) คะแนน ถ้าสุ่มนักเรียนมา 1 คน จงหาคะแนนมาตรฐานของนักเรียนที่สอบได้ \(75\) คะแนน

วิธีทำ:
1. ระบุค่าจากโจทย์: \(\mu = 60\), \(\sigma = 10\) และ \(x = 75\)
2. คำนวณหาค่า \(z\):
\(z = \frac{x - \mu}{\sigma} = \frac{75 - 60}{10} = \frac{15}{10} = 1.5\)
แปลความหมายได้ว่า นักเรียนคนนี้ได้คะแนนสอบสูงกว่าค่าเฉลี่ยอยู่ \(1.5\) เท่าของส่วนเบี่ยงเบนมาตรฐาน (ซึ่งสามารถนำค่า \(z = 1.5\) นี้ไปเปิดตารางเพื่อหาพื้นที่ใต้เส้นโค้งหรือเปอร์เซ็นต์ของนักเรียนที่ได้คะแนนต่ำกว่านี้ได้ต่อไป)

---

ทบทวนประเด็นสำคัญ (Summary Box)

- ตัวแปรสุ่ม: แปลงผลลัพธ์เป็นตัวเลข (ไม่ต่อเนื่อง = นับจำนวน, ต่อเนื่อง = วัดค่า)
- การแจกแจงเอกรูป: ทุกผลลัพธ์มีโอกาสเกิดขึ้นเท่ากันทั้งหมด
- การแจกแจงทวินาม: ทำซ้ำ \(n\) ครั้งที่เป็นอิสระต่อกัน มีผลลัพธ์แค่สำเร็จหรือล้มเหลว ใช้สูตร \(P(X = x) = C(n, x) \cdot p^x \cdot (1 - p)^{n - x}\)
- การแจกแจงปกติ: เส้นโค้งรูประฆังคว่ำสมมาตร พื้นที่ใต้เส้นโค้งทั้งหมดเท่ากับ \(1\) และแปลงเป็นคะแนนมาตรฐานได้ด้วยสูตร \(z = \frac{x - \mu}{\sigma}\)