Binomial Wahrscheinlechkeetsrechner
D'Resultater vun de Prouwen an der Gemeng sinn op der Websäit vum LCGB.
D'Resultater ginn aktualiséiert wéi se getippt ginn.
Iwwer dëse Rechner
the binomial distribution, the probability of exactly k successes is 100%, and the probability of at least k successes is 100%. The binomial probability calculator uses the binomial distribution to model 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. The binomial distribution, the probability of exactly k successes is 100%, and the probability of at least k successes is 100%. The binomial probability calculator uses the binomial distribution to model the number of successes in aWorked example:The term C(n, k) is used to calculate the number of successes in a fixed number of independent trials.The term C(n, k) is used to calculate the number of successes in a fixed number of independent trials.The term C(n, k) is used to calculate the number of successes in a fixed number of independent trials.The term C(n, k) is used to calculate the number of successes in a fixed number of independent trials.The term C(n, k) is used to calculate the number of successes in a fixed number of independent trials.TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWorked example:TheWork
Häufig gestallt Froen
Wéi kann ech d'Binomverdeelung benotzen?
Et gëtt och nach eng aner Method, déi sech op d'Zuel vun de Punkten op der Skala baséiert, an déi ass d'Zuel vun de Punkten, déi een an engem Joer kritt, wann een d'Skala op 100 Punkten eropsetzt.
Wat ass den Ënnerscheed tëscht P(X = k) an P(X ≤ k)?
P(X = k) ass d'Wahrscheinlechkeet vun genau k Erfolleger, wärend P(X ≤ k) d'Wahrscheinlechkeet vun 0, 1,... bis zu k Erfolleger opschéngt. D'kumulativ Versioun beäntwert Froen wéi "Wat ass d'Wahrscheinlechkeet vun maximal 3 Erfolleger?"
Wat ass "n wielen k"?
C( n, k), liest "n wielt k", ass d'Zuel vun de verschiddene Weeër fir ze wielen, wéi eng k vun de n Versich d'Erfolleger sinn. Fir 10 Versich an 3 Erfolleger gëtt et C( 10, 3) = 120 sou Kombinatiounen, an all dréit zur totaler Wahrscheinlechkeet bäi.
Wat ass d'Mëttel an d'Standarddeviatioun vun enger Binomialverteilung?
D'Mëttelwäert (erwaart Zuel vun Erfolleger) ass n· p an d'Variance ass n· p· (1 − p), also ass d'Standardabweichung √(n· p· (1 − p)). Fir 10 fair Münzfläschen ass d'Mëttelwäert 5 an d'Standardabweichung ongeféier 1, 58.
Wéi kann ech de Binomial mat enger normaler Verdeelung approximéieren?
Wann n grouss ass an n·p an n·(1 − p) mindestens 10 sinn, ass de Binomialverdeelung duerch eng normal Verdeelung mat selwechtem Mëttel an der Standarddeviatioun gutt approximéiert. Dat ass d'Basis fir vill Teste mat groussen Stichproben.
Wéi fannen ech d'Wahrscheinlechkeet vun mindestens k Erfolleger?
P( X ≥ k) summéiert d' Wahrscheinlechkeete vun k, k+1,... bis zu n Erfolleger. Et ass gläich 1 − P( X ≤ k − 1), an dëse Binomialwahrscheinlechkeetsrechner rapportéiert et direkt nieft dem "maximal" Wäert.
API — benotzt dëse Rechner aus Code
Dësen Rechner als e fräien JSON Endpunkt opruffen - keng Schlëssel erfuerderlech. D'Feldwäerter ënnendrënner als Ufroparameter oder JSON schécken. Liest d'vollstänneg API-Dokumentatioun →
Endpunkt
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);D'Resultater sinn nëmmen als allgemeng Orientéierung, net als finanziell, medizinesch oder Steuerberodung.