Die Grundfunktionen, die wir haben müssen, sind insgesamt n Es werden unabhängige Studien durchgeführt, und wir möchten die Wahrscheinlichkeit von herausfinden r Erfolge, bei denen jeder Erfolg eine Wahrscheinlichkeit hat p auftreten. In dieser kurzen Beschreibung werden mehrere Dinge angegeben und impliziert. Die Definition läuft auf diese vier Bedingungen hinaus:
Der untersuchte Prozess muss eine klar definierte Anzahl von Versuchen aufweisen, die nicht variieren. Wir können diese Zahl in der Mitte unserer Analyse nicht ändern. Jeder Versuch muss auf die gleiche Weise wie alle anderen durchgeführt werden, obwohl die Ergebnisse variieren können. Die Anzahl der Versuche wird durch ein angegeben n in der Formel.
Ein Beispiel für feste Versuche für einen Prozess wäre die zehnmalige Untersuchung der Ergebnisse des Würfelns. Hier ist jeder Würfelwurf eine Prüfung. Die Gesamtzahl der Versuche wird von Anfang an festgelegt.
Jeder der Versuche muss unabhängig sein. Jeder Versuch sollte absolut keine Auswirkungen auf einen der anderen haben. Die klassischen Beispiele des Rollens
zwei Würfel oder das Umwerfen mehrerer Münzen veranschaulicht unabhängige Ereignisse. Da die Ereignisse unabhängig sind, können wir die verwenden Multiplikationsregel die Wahrscheinlichkeiten miteinander zu multiplizieren.In der Praxis kann es vor allem aufgrund einiger Stichprobentechniken vorkommen, dass Versuche technisch nicht unabhängig sind. EIN Binomialverteilung kann manchmal in diesen Situationen verwendet werden, solange die Population im Verhältnis zur Stichprobe größer ist.
Jeder der Versuche ist in zwei Klassifikationen unterteilt: Erfolge und Misserfolge. Obwohl wir Erfolg normalerweise als positiv betrachten, sollten wir nicht zu viel in diesen Begriff hineinlesen. Wir weisen darauf hin, dass der Versuch insofern ein Erfolg ist, als er mit dem übereinstimmt, was wir als Erfolg bezeichnet haben.
Nehmen wir als Extremfall an, wir testen die Ausfallrate von Glühbirnen. Wenn wir wissen möchten, wie viele in einer Charge nicht funktionieren, können wir den Erfolg unserer Studie als Erfolg definieren, wenn wir eine Glühbirne haben, die nicht funktioniert. Ein Fehler des Versuchs liegt vor, wenn die Glühbirne funktioniert. Dies mag etwas rückständig klingen, aber es kann einige gute Gründe geben, die Erfolge und Misserfolge unseres Prozesses so zu definieren, wie wir es getan haben. Zu Markierungszwecken kann es vorzuziehen sein, zu betonen, dass eine geringe Wahrscheinlichkeit besteht, dass eine Glühbirne nicht funktioniert, und nicht eine hohe Wahrscheinlichkeit, dass eine Glühbirne funktioniert.
Die Wahrscheinlichkeiten erfolgreicher Studien müssen während des gesamten untersuchten Prozesses gleich bleiben. Das Umwerfen von Münzen ist ein Beispiel dafür. Egal wie viele Münzen geworfen werden, die Wahrscheinlichkeit, einen Kopf zu werfen, beträgt jedes Mal 1/2.
Dies ist ein weiterer Ort, an dem Theorie und Praxis leicht voneinander abweichen. Probenahme ohne Ersatz kann dazu führen, dass die Wahrscheinlichkeiten aus jedem Versuch leicht voneinander abweichen. Angenommen, es gibt 20 Beagles von 1000 Hunden. Die Wahrscheinlichkeit, einen Beagle zufällig auszuwählen, beträgt 20/1000 = 0,020. Wählen Sie nun erneut aus den verbleibenden Hunden. Es gibt 19 Beagles von 999 Hunden. Die Wahrscheinlichkeit, einen anderen Beagle auszuwählen, beträgt 19/999 = 0,019. Das Wert 0,2 ist eine angemessene Schätzung für beide Versuche. Solange die Population groß genug ist, ist diese Art der Schätzung kein Problem bei der Verwendung der Binomialverteilung.