Բինոմիալ հավանականության հաշվիչ
Գտնել k հաջողությունների հավանականությունը n անկախ փորձերում։
Տեղեկացնել արդյունքները տպելու ժամանակ։
Ընդունել այս հաշվիչը
the binomial distribution is used to calculate the number of successes in a fixed number of independent trials, each with the same success probability — the classic "how many heads in ten coin flips" problem. It returns the probability of exactly k successes, P(X = k) = C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ), along with the cumulative probabilities of at most k and at least k successes. It also reports the distribution’s mean (n·p), variance (n·p·(1 − p)) and standard deviation, and shows the full probability distribution as a table and a chart. The binomial probability calculator uses the binomial distribution to model the number of successes in aWorked example:The term C(n, k) is the number of ways to choose which k of the n trials succeed, pᵏ is the chance those k succeed and (1 − p)ⁿ⁻ᵏ the chance the rest fail. The probability of exactly k successes is C(n, k) × 0.5³ × 0.5⁷ ≈ 11.7%. The expected number of heads isTheWorked exampleTheWorked exampleThe term C(n, k) is the number of ways to choose which k of the n trials succeed, pᵏ is the chance those k succeed and (1 − p)ⁿ⁻ᵏ the chance the rest fail. The expected number of heads is C(10, 3) × 0.5³ × 0.5⁷ ≈ 11.7%. The expected number of heads is C(10, 3) × 0.5³ × 0.5⁷ ≈ 11.7%. The expected number of heads is C(10, 3) × 0.5³ × 0.5⁷ ≈ 11.7%. The expected number of heads is C(10, 3) × 0.5³ × 0.5⁷ ≈ 11.7%. The expected number of heads is C(10, 3) × 0.5³ × 0.5
Հաճախակի տրվող հարցեր
Որքա՞ն ժամանակ կարող եմ օգտագործել բինոմալ բաժանումը
Օգտագործեք այն, երբ կա որոշակի քանակությամբ անկախ փորձեր, յուրաքանչյուր փորձ ունի միայն երկու արդյունք (հաջողություն կամ ձախողում), և հաջողության հավանականությունը նույնն է ամեն անգամ, ինչպես 10 անգամ ոսկի թափելը կամ խմբի մեջ սխալ առարկաների հաշվարկումը։
Ո՞րն է տարբերությունը P(X = k) և P(X ≤ k) միջև:
P(X = k) հավանականությունը ճիշտ k հաջողությունների, մինչդեռ P(X ≤ k) ավելացնում է հավանականությունները 0, 1,... մինչև k հաջողությունների. կումուլատոր տարբերակը պատասխանում է հարցերին, ինչպիսիք են «Ինչքա՞ն հավանական է առավելագույնը 3 հաջողությունների?»
Ի՞նչ է նշանակում «n ընտրել k»:
C( n, k), կարդալ "n ընտրել k", տարբեր եղանակների քանակը ընտրելու համար k n փորձերից որ k- ն է հաջողություն։ 10 փորձերի և 3 հաջողությունների համար կա C( 10, 3) = 120 նման համադրություն, և յուրաքանչյուրը նպաստում է ընդհանուր հավանականությանը։
Ո՞րն է բինոմալ բաժանման միջինը և ստանդարտ խախտումը։
Միջին (հաջողությունների սպասվող թիվը) n· p է, իսկ տարբերությունը n· p· (1 − p) է, այսպիսով, ստանդարտ խախտումը √(n· p· (1 − p)) է։ 10 արդար դրամարկղային թռիչքների համար միջինը 5 է, իսկ ստանդարտ խախտումը մոտ 1. 58։
Որքա՞ն ժամանակ կարող եմ մոտեցնել բինոմիական ցուցանիշը նորմալ բաժանման միջոցով։
Երբ n- ը մեծ է և n· p և n· (1 − p) երկուսն էլ առնվազն 10 են, ապա բինոմը լավ մոտեցված է նորմալ բաժանման միջոցով նույն միջինի և ստանդարտ խախտումով։ Սա մեծ օրինակի հարաբերակցության շատ թեստերի հիմքն է։
Ինչպե՞ս գտնել k հաջողությունների հավանականությունը
P(X ≥ k) հավելում է k, k+1,... հավանականությունները մինչև n հաջողությունների։ Այն հավասար է 1 − P(X ≤ k − 1), և այս բինոմական հավանականության հաշվիչը ներկայացնում է այն ուղղակիորեն «ամենաշատը» արժեքի կողքին։
API — օգտագործել այս հաշվիչը կոդից
Խնդրել այս հաշվիչը որպես ազատ JSON վերջնական կետի - ոչ մի կոդ չի պահանջվում. Առաջարկեք ներքևի դաշտի արժեքները որպես հարցման պարամետրեր կամ JSON. Կարդալ ամբողջական API փաստաթղթերը →
Ավարտման կետ
GET https://calculator.free/api/v1/binomial-probability/
curl
curl "https://calculator.free/api/v1/binomial-probability/?n=10&k=3&p=50"
JavaScript fetch()
const r = await fetch(
"https://calculator.free/api/v1/binomial-probability/?" + new URLSearchParams({
"n": "10",
"k": "3",
"p": "50"
}));
const data = await r.json();
console.log(data.results);
Ընդհանուր ցուցանիշները միայն ընդհանուր ուղեցույցի համար են, ոչ ֆինանսական, բժշկական կամ հարկային խորհուրդներ։