دو طرفہ امکان کا حساب

n مستقل تجربات ميں k کامیابیوں کے امکان کو تلاش کريں

P(X = k) —

P(X ≤ k) —

P(X ≥ k) —

اوسط (n·p) —

فرق —

معیاری انحراف —

آپ کے تاليف کے مطابق نتائج اپڈیٹ کریں.

اس کیلکولیٹر کے بارے میں

the binomial distribution is used to calculate the number of successes in a fixed number of independent trials, each with the same success probability, 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 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 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. It also reports the distribution’s mean (n·p)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 term C(n, k) is the number of ways to choose which k of the n trials succeed.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 term C(n, k) is the number of ways to choose which k of the n trials succeed.The term C(n, k) is the number of ways to choose which k of the n trials succeed.The term C(n, k) is the number of ways to choose which k of the n trials succeed.The term C(n, k) is the number of ways to choose which k of the n trials succeed.The term C(n, k) is the number of ways to choose which k of the n trials succeed.The term C(n, k) is the number of ways to choose which k of the n trials succeed.The term C(n, k) is the number of ways to choose which k of the n trials succeed.The term C(n, k) is the number

بار بار پوچھے گئے سوالات

میں باينومي ڈسٹرويشن کيا وقت استعمال کر سکتا هيں؟

اس کو استعمال کريں جب مستقل آزمائشوں کا تعداد ثابت هے ، ہر آزمائش کے دو نتيجے هے (سچ يا ناکامي) اور کامیابی کا امکان ہر وقت يکسا ه هے - جیسے سکے کو دس لٹوں کے ليے پھيڑا يا بيٹ ميں عيوب دار ايٹموں کو گننا

P(X = k) اور P(X ≤ k) کے درمیان فرق کیا ہے؟

P(X = k) دقيقاً k کامیابیوں کا موقع هے ، جبکہ P(X ≤ k) 0, 1,... کے موقعوں کو k کامیابیوں تک جمع کر تا هے جمعي ورژن سوالات کے جواب ديتا هے "اکثريت 3 کامیابیوں کا امکان کیا هے؟"

"ان کو منتخب کریں" کیا ہے؟

C(n,k) ، پڑھيں "n choose k" ، مختلف طريقوں کی تعداد ہے جس سے ان تلاشوں ميں سے کيا k کامیابي هے منتخب کريں 10 تلاشوں اور 3 کامیابیوں کے ليے C(10,3) = 120 ايک ايک جوڑوں هے اور ہر ایک مجموعي امکانات ميں حصہ رکھتا هے

دو لفظي تقسیم کا متوسط اور معیاري انحراف کیا ہے؟

ميں (متوقع کامیابیوں کی تعداد) np هے اور فرق np (1 − p) هے ، تو معياري انحراف √ (np (1 − p) هے دس منصفانہ سکے کے فلپ کے ليے ميں 5 هے اور معياري انحراف تقريبا 1.58 هے

جب میں باينوم کي تقريبي طور پر عام تقسيم کر سکتا هيں

جب n بڑا ہوتا ہے اور np اور n(1 − p) دونوں کم سے کم 10 کے قریب ہوتے ہیں، تو باینومیم کو ایک معمول تقسیم کے ذریعے ایک ہی اوسط اور معیاری انحراف کے ساتھ اچھی طرح سے تخمینہ لگایا جاتا ہے۔ یہ بہت سے بڑے نمونے کے تناسب کی ٹیسٹوں کی بنیاد ہے۔

میں کم از کم k کامیابیوں کا امکان کس طرح تلاش کر سکتا ہوں؟

P(X ≥ k) k, k+1,...کے امکانات کو n تک حاصل کر تا هے یہ برابر هے 1 − P(X ≤ k − 1) اور اس با نومي امکانات کي کلکٹر نے اس کو براہ راست "اکثر" قيمت کے ساتھ رپورٹ کر دیا هے

API - کوڈ سے اس کیلکولیٹر کا استعمال کریں

اس کليکلر کو مفت JSON انتہا پوائنٹ کے طور پر بلايں - کوئی کي ضرورت نهيں هيں. فائل کي قيمتیں نيچے کو ايچ آر پيراميٹر يا JSON کے طور پر بھیجيں پورے API دوکومنٹ پڑھیں →

آخر

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);

نتائج صرف عام رہنمائی کے لئے اندازے ہیں، نہ مالی، طبی یا ٹیکس مشورے.

اس کیلکولیٹر کے بارے میں

بار بار پوچھے گئے سوالات

متعلقہ کليکل

آخر

curl

JavaScript fetch()

JavaScript `fetch()`