Binomial Parameters · Paramètres Binomiaux
| English | Français |
|---|---|
| parameters/pəˈræmɪtəz/ | paramètres |
The binomial mean
- For a binomial variable, the mean has a beautifully simple formula:
-
$$\mu_X = np$$
- Trials times success-probability — the expected number of successes.
- Flip a coin $100$ times: expect $\mu_X = 100 \times 0.5 = 50$ heads.
La moyenne binomiale
- Pour une variable binomiale, la moyenne possède une formule magnifiquement simple :
-
$$\mu_X = np$$
- Nombre d'essais fois probabilité de succès — le nombre attendu de succès.
- Lancer une pièce $100$ fois : s'attendre à $\mu_X = 100 \times 0.5 = 50$ faces.
The binomial standard deviation
- The standard deviation is:
-
$$\sigma_X = \sqrt{np(1-p)}$$
- It measures how much the count of successes typically varies.
- These two parameters 参数 ($\mu_X$, $\sigma_X$) summarize the whole binomial distribution.
L'écart-type binomial
- L'écart-type est :
-
$$\sigma_X = \sqrt{np(1-p)}$$
- Il mesure l'écart typique du nombre de succès.
- Ces deux paramètres 参数 ($\mu_X$, $\sigma_X$) résument toute la distribution binomiale.
The shape
- The shape depends on $p$: at $p = 0.5$ the distribution is symmetric.
- $p < 0.5$ → skewed right; $p > 0.5$ → skewed left.
- As $n$ grows, the shape becomes more symmetric and bell-like (even for skewed $p$).
- This near-normal shape for large $n$ powers the inference in later units.
La forme
- La forme dépend de $p$ : à $p = 0.5$, la distribution est symétrique.
- $p < 0.5$ → asymétrie à droite ; $p > 0.5$ → asymétrie à gauche.
- Quand $n$ augmente, la forme devient plus symétrique et en cloche (même pour des $p$ asymétriques).
- Cette forme quasi-normale pour de grands $n$ alimente les inférences dans les unités suivantes.
Interpret in context
- Always state the parameters in the problem's own words.
- $\mu_X$: "we expect about $np$ successes on average."
- $\sigma_X$: "the number of successes typically varies by about $\sigma_X$."
- Numbers mean little until tied back to the real situation.
Interpréter dans le contexte
- Toujours exprimer les paramètres avec les mots propres au problème.
- $\mu_X$ : "nous nous attendons environ à $np$ succès en moyenne."
- $\sigma_X$ : « le nombre de succès varie typiquement d'environ $\sigma_X$. »
- Les nombres n'ont que peu de sens tant qu'ils ne sont pas reliés à la situation réelle.
The tidy formulas $\mu=np$ and $\sigma=\sqrt{np(1-p)}$ are for the binomial setting only — don't use them for a general random variable, and only after the BINS conditions check out. And note the SD uses $p(1-p)$: it's largest at $p=0.5$ and shrinks as $p$ nears $0$ or $1$ (extreme $p$ makes the count more predictable).
Les formules simples $\mu=np$ et $\sigma=\sqrt{np(1-p)}$ sont uniquement valables pour le cadre binomial — ne les utilisez pas pour une variable aléatoire générale, et seulement après avoir vérifié les conditions BINS. Notez que l'écart-type utilise $p(1-p)$ : il est maximal à $p=0.5$ et diminue lorsque $p$ se rapproche de $0$ ou $1$ (une probabilité extrême $p$ rend le comptage plus prévisible).
A free-throw shooter makes $p = 0.8$; she takes $n = 25$ shots. $X =$ makes.
- Mean: $\mu_X = 25 \times 0.8 = 20$ makes expected.
- SD: $\sigma_X = \sqrt{25 \times 0.8 \times 0.2} = \sqrt{4} = 2$.
- Shape: $p = 0.8 > 0.5$ → skewed left; with $n=25$ it's fairly bell-shaped.
Un tireur aux lancers francs marque $p = 0.8$ ; il effectue $n = 25$ tirs. $X =$ réussites.
- Moyenne : $\mu_X = 25 \times 0.8 = 20$ réussites attendues.
- Écart-type : $\sigma_X = \sqrt{25 \times 0.8 \times 0.2} = \sqrt{4} = 2$.
- Forme : $p = 0.8 > 0.5$ → asymétrique à gauche ; avec $n=25$, elle est relativement en cloche.
For a binomial variable, the parameters are $\mu_X = np$ and $\sigma_X = \sqrt{np(1-p)}$. The shape is symmetric at $p=0.5$, skewed otherwise, and more bell-like as $n$ grows. Always interpret $\mu_X$ and $\sigma_X$ in context — expected successes and their typical variation.
Pour une variable binomiale, les paramètres sont $\mu_X = np$ et $\sigma_X = \sqrt{np(1-p)}$. La forme est symétrique à $p=0.5$, asymétrique sinon, et plus proche d'une courbe en cloche lorsque $n$ augmente. Interprétez toujours $\mu_X$ et $\sigma_X$ dans le contexte — succès attendus et leur variation typique.
Shape of a binomial distribution · Forme d'une distribution binomiale
With p ≠ 0.5 the distribution is skewed; larger n looks more bell-like. · Avec p ≠ 0.5, la distribution est asymétrique ; un grand n ressemble davantage à une cloche.
A binomial has n = 25, p = 0.8. Find the mean np. · Une binomiale a n = 25, p = 0.8. Trouver la moyenne np.
μ = np = 25 × 0.8 = 20.
For n = 25, p = 0.8, find the standard deviation √(np(1−p)). · Pour n = 25, p = 0.8, trouver l'écart-type √(np(1−p)).
√(25·0.8·0.2) = √4 = 2.
A binomial distribution is exactly symmetric when... · Une distribution binomiale est exactement symétrique lorsque...
p = 0.5 gives a symmetric distribution. · p = 0.5 donne une distribution symétrique.
As n increases, a binomial distribution becomes more bell-shaped (more symmetric). · À mesure que n augmente, une distribution binomiale devient plus en forme de cloche (plus symétrique).
Large n pushes the shape toward normal. · Un grand n pousse la forme vers la normale.
The binomial standard deviation √(np(1−p)) is largest when... · L'écart-type binomial √(np(1−p)) est le plus grand lorsque...
p(1−p) peaks at p = 0.5. · p(1−p) atteint son maximum à p = 0.5.