Binomial Parameters · Parâmetros Binomiais
| English | Português |
|---|---|
| parameters/pəˈræmɪtəz/ | parâmetros |
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.
A média binomial
- Para uma variável binomial, a média tem uma fórmula bellamente simples:
-
$$\mu_X = np$$
- Número de ensaios vezes probabilidade de sucesso — o número esperado de sucessos.
- Lançar uma moeda $100$ vezes: esperar $\mu_X = 100 \times 0.5 = 50$ caras.
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.
O desvio padrão binomial
- O desvio padrão é:
-
$$\sigma_X = \sqrt{np(1-p)}$$
- Ele mede quanto a contagem de sucessos varia tipicamente.
- Esses dois parâmetros 参数 ($\mu_X$, $\sigma_X$) resumem toda a distribuição binomial.
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.
A forma
- A forma depende de $p$: em $p = 0.5$ a distribuição é simétrica.
- $p < 0.5$ → assimétrica à direita; $p > 0.5$ → assimétrica à esquerda.
- À medida que $n$ cresce, a forma torna-se mais simétrica e em forma de sino (mesmo para $p$ assimétrico).
- Essa forma quase normal para grandes $n$ fundamenta a inferência nas unidades seguintes.
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.
Interpretar no contexto
- Sempre declare os parâmetros com as próprias palavras do problema.
- $\mu_X$: "esperamos cerca de $np$ sucessos em média."
- $\sigma_X$: "o número de sucessos varia tipicamente em cerca de $\sigma_X$."
- Números pouco significam até serem ligados à situação real.
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).
As fórmulas limpas $\mu=np$ e $\sigma=\sqrt{np(1-p)}$ são apenas para o cenário binomial — não as use para uma variável aleatória geral, e apenas após verificar as condições BINS. Note que o DP usa $p(1-p)$: ele é maior em $p=0.5$ e diminui conforme $p$ se aproxima de $0$ ou $1$ ($p$ extremos tornam a contagem mais previsível).
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.
Um arremessador de lances livres acerta $p = 0.8$; ela tenta $n = 25$ tiros. $X =$ acertos.
- Média: $\mu_X = 25 \times 0.8 = 20$ acertos esperados.
- DP: $\sigma_X = \sqrt{25 \times 0.8 \times 0.2} = \sqrt{4} = 2$.
- Forma: $p = 0.8 > 0.5$ → assimétrico à esquerda; com $n=25$ é bastante em forma de sino.
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.
Para uma variável binomial, os parâmetros são $\mu_X = np$ e $\sigma_X = \sqrt{np(1-p)}$. A forma é simétrica em $p=0.5$, assimétrica caso contrário, e mais em forma de sino conforme $n$ cresce. Sempre interprete $\mu_X$ e $\sigma_X$ no contexto — sucessos esperados e sua variação típica.
Shape of a binomial distribution · Forma de uma distribuição binomial
With p ≠ 0.5 the distribution is skewed; larger n looks more bell-like. · Com p ≠ 0.5 a distribuição é assimétrica; n maior parece mais em forma de sino.
A binomial has n = 25, p = 0.8. Find the mean np. · Uma binomial tem n = 25, p = 0.8. Encontre a média np.
μ = np = 25 × 0.8 = 20.
For n = 25, p = 0.8, find the standard deviation √(np(1−p)). · Para n = 25, p = 0.8, encontre o desvio padrão √(np(1−p)).
√(25·0.8·0.2) = √4 = 2.
A binomial distribution is exactly symmetric when... · Uma distribuição binomial é exatamente simétrica quando...
p = 0.5 gives a symmetric distribution. · p = 0.5 dá uma distribuição simétrica.
As n increases, a binomial distribution becomes more bell-shaped (more symmetric). · À medida que n aumenta, uma distribuição binomial torna-se mais em forma de sino (mais simétrica).
Large n pushes the shape toward normal. · n grande empurra a forma em direção à normal.
The binomial standard deviation √(np(1−p)) is largest when... · O desvio padrão binomial √(np(1−p)) é maior quando...
p(1−p) peaks at p = 0.5. · p(1−p) atinge o pico em p = 0.5.