Binomial Parameters · Parámetros Binomiales
| English | Español |
|---|---|
| parameters/pəˈræmɪtəz/ | parámetros |
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 media binomial
- Para una variable binomial, la media tiene una fórmula bellamente simple:
-
$$\mu_X = np$$
- Número de ensayos por probabilidad de éxito — el número esperado de éxitos.
- Lanzar una moneda $100$ veces: se espera $\mu_X = 100 \times 0.5 = 50$ 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.
La desviación estándar binomial
- La desviación estándar es:
-
$$\sigma_X = \sqrt{np(1-p)}$$
- Mide cuánto varía típicamente el conteo de éxitos.
- Estos dos parámetros ($\mu_X$, $\sigma_X$) resumen toda la distribución 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.
La forma
- La forma depende de $p$: en $p = 0.5$ la distribución es simétrica.
- $p < 0.5$ → asimetría positiva; $p > 0.5$ → asimetría negativa.
- A medida que $n$ aumenta, la forma se vuelve más simétrica y con forma de campana (incluso para valores sesgados de $p$).
- Esta forma casi normal para valores grandes de $n$ sustenta las inferencias en unidades posteriores.
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 en contexto
- Siempre expresar los parámetros con las propias palabras del problema.
- $\mu_X$: "se esperan alrededor de $np$ éxitos en promedio".
- $\sigma_X$: "el número de éxitos varía típicamente en aproximadamente $\sigma_X$".
- Los números tienen poco significado hasta que se vinculan nuevamente a la situación 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).
Las fórmulas ordenadas $\mu=np$ y $\sigma=\sqrt{np(1-p)}$ son solo para el escenario binomial — no las use para una variable aleatoria general, y solo después de verificar las condiciones BINS. Y note que la DE usa $p(1-p)$: es mayor en $p=0.5$ y disminuye cuando $p$ se acerca a $0$ o $1$ (un valor extremo de $p$ hace que el conteo sea más predecible).
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 lanzador de tiros libres acierta con $p = 0.8$; realiza $n = 25$ tiros. $X =$ aciertos.
- Media: $\mu_X = 25 \times 0.8 = 20$ aciertos esperados.
- DE: $\sigma_X = \sqrt{25 \times 0.8 \times 0.2} = \sqrt{4} = 2$.
- Forma: $p = 0.8 > 0.5$ → asimetría negativa; con $n=25$ tiene forma bastante de campana.
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 una variable binomial, los parámetros son $\mu_X = np$ y $\sigma_X = \sqrt{np(1-p)}$. La forma es simétrica en $p=0.5$, asimétrica en otros casos, y más similar a una campana a medida que $n$ crece. Interprete siempre $\mu_X$ y $\sigma_X$ en contexto — aciertos esperados y su variación típica.
Shape of a binomial distribution · Forma de una distribución binomial
With p ≠ 0.5 the distribution is skewed; larger n looks more bell-like. · Con p ≠ 0.5 la distribución está sesgada; un n mayor se parece más a una campana.
A binomial has n = 25, p = 0.8. Find the mean np. · Una binomial tiene n = 25, p = 0.8. Encuentra la media 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, encuentra la desviación estándar √(np(1−p)).
√(25·0.8·0.2) = √4 = 2.
A binomial distribution is exactly symmetric when... · Una distribución binomial es exactamente simétrica cuando...
p = 0.5 gives a symmetric distribution. · p = 0.5 produce una distribución simétrica.
As n increases, a binomial distribution becomes more bell-shaped (more symmetric). · A medida que n aumenta, una distribución binomial se vuelve más acampanada (más simétrica).
Large n pushes the shape toward normal. · Un n grande empuja la forma hacia lo normal.
The binomial standard deviation √(np(1−p)) is largest when... · La desviación estándar binomial √(np(1−p)) es máxima cuando...
p(1−p) peaks at p = 0.5. · p(1−p) alcanza su máximo en p = 0.5.