Forskjell mellom versjoner av «Binominalfordeling»

Fra Matematikk.net
Hopp til:navigasjon, søk
Linje 1: Linje 1:
 
En binomisk sannsynlighetsmodell kan brukes dersom følgende tre kriterier er oppfylt:
 
En binomisk sannsynlighetsmodell kan brukes dersom følgende tre kriterier er oppfylt:
•Et forsøk består i om en hendelse inntreffer eller ikke, altså kun to mulige utfall.  
+
•Et forsøk består i om en hendelse inntreffer eller ikke, altså kun to mulige utfall.  
  
  
Linje 12: Linje 12:
 
Dersom X er antall utfall i en binomisk forsøksrekke der hendelsen inntreffer er X en diskret stokastisk variabel med følgende sannsynlighetsfordeling:
 
Dersom X er antall utfall i en binomisk forsøksrekke der hendelsen inntreffer er X en diskret stokastisk variabel med følgende sannsynlighetsfordeling:
  
<tex> P(X=x)= \left ({n}\\{x} \right) p^x \cdot (1-p)^{n-x}</tex>
+
<tex> P(X=x)= \left ({n}\\{x} \right) p^x \cdot (1-p)^{n-x}</tex>
  
 
n er antall forsøk.
 
n er antall forsøk.
Linje 18: Linje 18:
 
Forventningsverdien til X er:
 
Forventningsverdien til X er:
  
E(X) = np  
+
E(X) = np  
  
 
Variansen til X er:  
 
Variansen til X er:  
Linje 24: Linje 24:
 
Var (X) = np(1-p)
 
Var (X) = np(1-p)
  
Standardavviket er:
+
Standardavviket er:
  
 
   
 
   

Revisjonen fra 5. jul. 2011 kl. 14:08

En binomisk sannsynlighetsmodell kan brukes dersom følgende tre kriterier er oppfylt: •Et forsøk består i om en hendelse inntreffer eller ikke, altså kun to mulige utfall.


•Sannsynligheten p for at hendelsen skal inntreffe er den samme i alle forsøk


• Forsøkene er uavhengige av hverandre slik at resultatet fra et forsøk ikke virker inn på det neste.


Vi kaller dette en binomisk forsøksrekke. Dersom X er antall utfall i en binomisk forsøksrekke der hendelsen inntreffer er X en diskret stokastisk variabel med følgende sannsynlighetsfordeling:

<tex> P(X=x)= \left ({n}\\{x} \right) p^x \cdot (1-p)^{n-x}</tex>

n er antall forsøk.

Forventningsverdien til X er:

E(X) = np

Variansen til X er:

Var (X) = np(1-p)

Standardavviket er: