<\/p>\n
La distribuzione binomiale<\/a> \u00e8 una distribuzione di probabilit\u00e0 utilizzata per modellare la probabilit\u00e0 che un certo numero di “successi” si verifichino in un numero fisso di prove.<\/span><\/p>\n La distribuzione binomiale \u00e8 appropriata da utilizzare se sono soddisfatte le seguenti tre ipotesi:<\/span><\/p>\n Presupposto 1: ogni prova ha solo due possibili risultati.<\/strong><\/span><\/p>\n Assumiamo che ogni prova abbia solo due possibili esiti. Ad esempio, se lanciamo una moneta 100 volte, ci possono essere solo due risultati possibili ogni volta: testa o croce.<\/span><\/p>\n Ipotesi 2: la probabilit\u00e0 di successo \u00e8 la stessa per ogni prova.<\/strong><\/span><\/p>\n Assumiamo che la probabilit\u00e0 di ottenere un \u201csuccesso\u201d sia la stessa per ogni prova. Ad esempio, la probabilit\u00e0 che esca testa una moneta \u00e8 0,5 per un dato lancio. Questa probabilit\u00e0 non cambia da un’estrazione all’altra.<\/span><\/p>\n Ipotesi 3: Ogni prova \u00e8 indipendente.<\/strong><\/span><\/p>\n Assumiamo che ogni prova sia indipendente da tutte le altre prove. Ad esempio, il risultato di un pareggio non influenza il risultato di un altro pareggio. I flip sono indipendenti.<\/span><\/p>\n Gli esempi seguenti mostrano vari scenari che soddisfano i presupposti della distribuzione binomiale.<\/span><\/p>\n Supponiamo che un giocatore di basket effettui il 70% dei suoi tiri liberi. Se effettua 20 tentativi, questo scenario pu\u00f2 essere modellato utilizzando la distribuzione binomiale.<\/span><\/p>\n Questo scenario soddisfa ciascuna delle ipotesi della distribuzione binomiale:<\/span><\/p>\n Presupposto 1: ogni prova ha solo due possibili risultati.<\/strong><\/span><\/p>\n Per ogni tentativo di tiro libero ci sono solo due possibili esiti: successo o fallimento.<\/span><\/p>\n Ipotesi 2: la probabilit\u00e0 di successo \u00e8 la stessa per ogni prova.<\/strong><\/span><\/p>\n La probabilit\u00e0 che il giocatore effettui un tiro libero ad ogni tentativo \u00e8 la stessa: 70%. Questo non cambia da un tentativo all’altro.<\/span><\/p>\n Ipotesi 3: Ogni prova \u00e8 indipendente.<\/strong><\/span><\/p>\n Ogni tentativo di tiro libero \u00e8 indipendente da qualsiasi altro tentativo. Il fatto che un giocatore effettui o meno un tentativo non influisce sul fatto che effettui un altro tentativo.<\/span><\/p>\n Supponiamo di sapere che il 5% degli adulti che assumono un determinato farmaco sperimentano effetti collaterali negativi. Supponiamo che una professione medica somministri questo farmaco a 100 adulti in un dato mese.<\/span><\/p>\n Questo scenario soddisfa ciascuna delle ipotesi della distribuzione binomiale:<\/span><\/p>\n Presupposto 1: ogni prova ha solo due possibili risultati.<\/strong><\/span><\/p>\n Per ogni adulto che riceve il farmaco, ci sono solo due possibili esiti: sperimentare effetti collaterali negativi o non sperimentarne alcuno.<\/span><\/p>\n Ipotesi 2: la probabilit\u00e0 di successo \u00e8 la stessa per ogni prova.<\/strong><\/span><\/p>\n La probabilit\u00e0 che ogni adulto manifesti un effetto collaterale negativo \u00e8 la stessa: 5%.<\/span><\/p>\n Ipotesi 3: Ogni prova \u00e8 indipendente.<\/strong><\/span><\/p>\n Il risultato per ciascun adulto \u00e8 indipendente. Il fatto che un adulto sperimenti o meno effetti collaterali negativi non ha alcuna influenza sul fatto che un altro adulto li faccia o meno.<\/span><\/p>\n Supponiamo di sapere che il 10% di tutti i clienti che entrano in un negozio sono l\u00ec per effettuare un reso. Supponiamo che 200 persone entrino in un negozio in un dato giorno e che il manager registri il numero di persone presenti per effettuare un reso.<\/span><\/p>\n Questo scenario soddisfa ciascuna delle ipotesi della distribuzione binomiale:<\/span><\/p>\n Presupposto 1: ogni prova ha solo due possibili risultati.<\/strong><\/span><\/p>\n Ogni volta che un cliente entra in negozio, ci sono solo due motivi per cui pu\u00f2 andarci: effettuare un reso o meno.<\/span><\/p>\n Ipotesi 2: la probabilit\u00e0 di successo \u00e8 la stessa per ogni prova.<\/strong><\/span><\/p>\n La probabilit\u00e0 che un dato cliente sia l\u00ec per effettuare un reso \u00e8 la stessa: 10%.<\/span><\/p>\n Ipotesi 3: Ogni prova \u00e8 indipendente.<\/strong><\/span><\/p>\n Il risultato per ciascun cliente \u00e8 indipendente. La presenza o meno di un cliente per effettuare un reso non influisce sulla presenza o meno di un altro cliente per effettuare un reso.<\/span><\/p>\n Le seguenti esercitazioni forniscono ulteriori informazioni sulla distribuzione binomiale:<\/span><\/p>\n Un’introduzione alla distribuzione binomiale<\/a> La distribuzione binomiale \u00e8 una distribuzione di probabilit\u00e0 utilizzata per modellare la probabilit\u00e0 che un certo numero di “successi” si verifichino in un numero fisso di prove. La distribuzione binomiale \u00e8 appropriata da utilizzare se sono soddisfatte le seguenti tre ipotesi: Presupposto 1: ogni prova ha solo due possibili risultati. Assumiamo che ogni prova abbia […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Esempio 1: Numero di tiri liberi effettuati<\/strong><\/span><\/h3>\n
Esempio 2: Numero di effetti collaterali<\/strong><\/span><\/h3>\n
Esempio 3: numero di resi di acquisto<\/strong><\/span><\/h3>\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Calcolatore della distribuzione binomiale
5 esempi concreti della distribuzione binomiale<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"