RESEARCH
Peer reviewed scientific video journal
Video encyclopedia of advanced research methods
Visualizing science through experiment videos
EDUCATION
Video textbooks for undergraduate courses
Visual demonstrations of key scientific experiments
BUSINESS
Video textbooks for business education
OTHERS
Interactive video based quizzes for formative assessments
Products
RESEARCH
JoVE Journal
Peer reviewed scientific video journal
JoVE Encyclopedia of Experiments
Video encyclopedia of advanced research methods
EDUCATION
JoVE Core
Video textbooks for undergraduates
JoVE Science Education
Visual demonstrations of key scientific experiments
JoVE Lab Manual
Videos of experiments for undergraduate lab courses
BUSINESS
JoVE Business
Video textbooks for business education
Solutions
Language
it_IT
Menu
Menu
Menu
Menu
Please note that some of the translations on this page are AI generated. Click here for the English version.
Una distribuzione binomiale rappresenta la distribuzione di probabilità in esperimenti con un numero fisso di tentativi, in cui ciascun tentativo può avere solo due risultati.
I risultati di un esperimento binomiale corrispondono a una distribuzione di probabilità binomiale. Un esperimento statistico può essere classificato come esperimento binomiale se sono soddisfatte le seguenti condizioni:
È previsto un numero fisso di prove. Interpreta lle prove come le ripetizioni di un esperimento. La lettera n indica il numero di prove.
Ci sono solo due possibili risultati, chiamati "successo" e "fallimento", per ogni prova. La lettera p indica la probabilità di successo in una prova e q indica la probabilità di fallimento in una prova. p + q = 1.
Le n prove sono indipendenti e vengono ripetute utilizzando condizioni identiche. Poiché gli n esperimenti sono indipendenti, l’esito di un esperimento non aiuta a predire l’esito di un altro esperimento.Ciò significa che per ogni singola prova, la probabilità p di successo e la probabilità q di fallimento rimangono le stesse. Ad esempio, rispondere casualmente a una domanda vero-falso può avere solo due risultati. L’esito positivo corrisponde a indovinare la risposta, l’esito negativo corrisponde arispondere in modo sbagliato. Supponiamo che Joe risponda sempre correttamente a qualsiasi domanda vero-falso con probabilità p = 0,6. Allora q = 0,4. Ciò significa che per ogni domanda vero-falso a cui Joe risponde, la sua probabilità di successo (p = 0,6) e la sua probabilità di fallimento (q = 0,4) rimangono le stesse.
Questo testo è adattato da Openstax, Introductory Statistics, Section 4.3, Binomial Distribution
La distribuzione di probabilità binomiale rappresenta i casi che hanno un numero multiplo ma fisso di prove, come in un lancio di moneta, con due possibili risultati per prova.
Qui n denota il numero di prove.
In ogni prova, la probabilità di successo, testa, è indicata con p, mentre la probabilità di fallimento, croce, è rappresentata da q. Se uno è noto, l'altro può essere facilmente calcolato.
Per una distribuzione binomiale, la probabilità di successo o fallimento dovrebbe essere sempre la stessa per tutte le prove.
Inoltre, l'esito di ogni prova deve essere indipendente dalle altre prove.
In questo esempio, il numero di teste è la variabile casuale, x, il cui valore può essere un numero intero compreso tra 0 e n.
P di x denota la probabilità di x teste tra n prove, calcolata utilizzando la formula di probabilità binomiale.
In questo caso, il simbolo fattoriale rappresenta il prodotto di fattori decrescenti.
Per ogni valore di x, si può ottenere P di x, che può essere tracciato per ottenere la forma grafica della distribuzione binomiale.
Related Videos
01:22
Probability Distributions
24.5K Visualizzazioni
01:09
Probability Distributions
18.3K Visualizzazioni
01:32
Probability Distributions
12.7K Visualizzazioni
01:17
Probability Distributions
13.4K Visualizzazioni
01:16
Probability Distributions
4.0K Visualizzazioni
01:19
Probability Distributions
8.0K Visualizzazioni
01:20
Probability Distributions
12.2K Visualizzazioni
01:19
Probability Distributions
6.3K Visualizzazioni
01:15
Probability Distributions
17.8K Visualizzazioni
01:25
Probability Distributions
19.9K Visualizzazioni
01:42
Probability Distributions
9.7K Visualizzazioni
01:21
Probability Distributions
18.7K Visualizzazioni
01:30
Probability Distributions
20.9K Visualizzazioni