ម៉ាស៊ីនគិតលេខទំនងជាពីរនិមិត្តសញ្ញា

រកមើលអត្រានៃការជោគជ័យរបស់ k ក្នុងការសាកល្បងឯករាជ្យរបស់ n & # 160; ។

P( X = k) —

P( X ≤ k) —

P( X ≥ k) —

មធ្យម (n· p) —

ភាពខុសគ្នា —

ច្រាសស្តង់ដារ —

លទ្ធផលធ្វើឲ្យទាន់សម័យតាមដែលអ្នកវាយ & # 160; ។

អំពីម៉ាស៊ីនគិតលេខនេះ

the binomial distribution, the probability of exactly k successes is equal to the probability of at least k successes. The binomial probability calculator uses the binomial distribution to model the number of successes inafixed 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. The binomial distribution, the probability of exactly k successes is equal to the probability of at least k successes. The binomial probability calculator uses the binomial distribution to model the number of successes inaWorked 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 binomial probability calculator uses the binomial distribution to model the number of successes in the worked example.Worked 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 binomial probability calculator uses the binomial distribution to model the number of successes in the worked example.Worked 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 binomial probability calculator uses the binomial distribution to model the number of successes in the fixed number of independent trials, each with the same success probability — the classic "how many heads in ten coin flips" problem.Worked example:The term C(n, k) is the term used in the binomial probability calculator.Worked example:The term C(n, k) is the term used

សំណួរដែលសួរញឹកញាប់

ពេលណាដែលខ្ញុំអាចប្រើការចែកចាយប៊ីនូមីមបាន & # 160;?

ប្រើវានៅពេលមានចំនួនជាក់លាក់នៃការសាកល្បងឯករាជ្យ, ការសាកល្បងនីមួយៗមានលទ្ធផលពីរ (ជោគជ័យឬបរាជ័យ) និងឱកាសជោគជ័យគឺដូចគ្នារាល់ពេល - ដូចជាការបង្វែរប្រាក់ 10 ដងឬរាប់ធាតុមានកំហុសនៅក្នុង batch ។

តើអ្វីទៅជាភាពខុសគ្នារវាង P (X = k) និង P (X ≤ k)?

P (X = k) គឺជាឱកាសនៃការជោគជ័យ k ពិតប្រាកដ, ខណៈពេលដែល P (X ≤ k) បន្ថែមឡើងឱកាសនៃ0, 1,... រហូតដល់ទៅជោគជ័យ k ។ កំណែរួមបញ្ចូលគ្នាឆ្លើយសំណួរដូចជា "តើអ្វីជាឱកាសនៃការជោគជ័យច្រើនបំផុត3?"

តើអ្វីជា "n ជ្រើស k" & # 160;?

C (n, k), អាន "n ជ្រើស k", គឺជាចំនួននៃវិធីផ្សេងគ្នាដើម្បីជ្រើសដែល k នៃការសាកល្បង n គឺជាជោគជ័យ & # 160; ។ សម្រាប់ការសាកល្បង 10 និង3ជោគជ័យមាន C (10,3) = 120 សមាសភាពដូចនេះ, និងមួយៗចូលរួមចំណែកទៅនឹងការពិតប្រាកដសរុប & # 160; ។

តើអ្វីជាមធ្យម និងការផ្លាស់ប្ដូរស្តង់ដារនៃការចែកចាយប៊ីនូមីម & # 160;?

មធ្យម (ចំនួននៃការជោគជ័យដែលរំពឹងទុក) គឺ n · p និងភាពខុសគ្នាគឺ n · p · (1 − p), ដូច្នេះការផ្លាស់ប្តូរស្តង់ដារគឺ √ (n · p · (1 − p)) ។ សម្រាប់ 10 រូបិយប័ណ្ណសមរម្យ flips មធ្យមគឺ5និងផ្លាស់ប្តូរស្តង់ដារអំពី 1.58 ។

ពេលណាដែលខ្ញុំអាចជិតប្រមាណជាពីរនិមិត្តសញ្ញាជាមួយការចែកចាយធម្មតា?

ពេលដែល n គឺធំ ហើយទាំង n· p និង n· (1 − p) គឺយ៉ាងហោចណាស់ប្រហែលជា 10 នោះប្រភាគពីរគឺត្រូវបានជិតដោយការចែកចាយធម្មតាជាមួយនឹងមធ្យមដូចគ្នា និងការផ្លាស់ប្ដូរស្តង់ដារដូចគ្នា ។ នេះគឺជាមូលដ្ឋាននៃការសាកល្បងសមាមាត្រគំរូធំជាច្រើន ។

តើខ្ញុំរកឃើញប្រូបាប៊ីលីតេយ៉ាងហោចណាស់ k ជោគជ័យដោយរបៀបណា & # 160;?

P (X ≥ k) សរុបពីការពិតប្រាកដនៃ k, k + 1,... រហូតដល់ជោគជ័យ n ។ វាស្មើនឹង 1 - P (X ≤ k - 1) ហើយម៉ាស៊ីនគិតលេខនេះរាយការណ៍ពីវាដោយផ្ទាល់នៅក្បែរតម្លៃ "ច្រើនបំផុត" ។

API — ប្រើម៉ាស៊ីនគិតលេខនេះពីកូដ

ទូរស័ព្ទទៅម៉ាស៊ីនគិតលេខនេះជាចំណុចបញ្ចប់ JSON ឥតគិតថ្លៃ - គ្មានគ្រាប់ចុចដែលត្រូវការ & # 160; ។ ផ្ញើតម្លៃវាលខាងក្រោមជាប៉ារ៉ាម៉ែត្រសំណួរ ឬ JSON & # 160; ។ អានឯកសារ API ពេញលេញ →

ចំណុចបញ្ចប់

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);

លទ្ធផលគឺការប៉ាន់ប្រមាណសម្រាប់តែការណែនាំទូទៅប៉ុណ្ណោះ, មិនហិរញ្ញវត្ថុ, វេជ្ជសាស្ត្រឬដំបូន្មានពន្ធ.

អំពី​ម៉ាស៊ីន​គិតលេខ​នេះ

សំណួរ​ដែល​សួរ​ញឹកញាប់

ម៉ាស៊ីន​គិតលេខ​ដែល​ទាក់ទង

ចំណុច​បញ្ចប់

curl

JavaScript fetch()

អំពីម៉ាស៊ីនគិតលេខនេះ

សំណួរដែលសួរញឹកញាប់

ម៉ាស៊ីនគិតលេខដែលទាក់ទង

ចំណុចបញ្ចប់

JavaScript `fetch()`