Online Tool Store
বাইনোমিয়াল ডিস্ট্রিবিউশন ক্যালকুলেটর
P(X=k), P(X≤k), P(X≥k), গড় ও স্ট্যান্ডার্ড ডেভিয়েশন এবং সম্পূর্ণ ডিস্ট্রিবিউশনের চার্ট পেতে ট্রায়াল, সাফল্যের সম্ভাবনা ও সাফল্য লিখুন। আপনার ব্রাউজারে চলে।
🔒 এই টুলটি সম্পূর্ণভাবে আপনার ব্রাউজারে চলে। আপনার ফাইল কখনও সার্ভারে আপলোড করা হয় না।
P(X = k)
—
P(X ≤ k)
—
P(X ≥ k)
—
ডিস্ট্রিবিউশন (প্রতিটি i-এর জন্য P(X = i))
গড় (n·p): — · স্ট্যান্ডার্ড ডেভিয়েশন: —
বাইনোমিয়াল ডিস্ট্রিবিউশন ক্যালকুলেটর কীভাবে কাজ করে
- ট্রায়ালের সংখ্যা (n), প্রতিটি ট্রায়ালে সাফল্যের সম্ভাবনা (p) এবং আপনি যে সংখ্যক সাফল্যের বিষয়ে আগ্রহী (k) লিখুন।
- টুলটি বাইনোমিয়াল প্রোবাবিলিটি ম্যাস ফাংশন ব্যবহার করে P(X=k) গণনা করে: C(n,k) × p^k × (1-p)^(n-k)।
- এটি ক্রমবর্ধমান সম্ভাবনা P(X≤k) ও P(X≥k) দিতে ডিস্ট্রিবিউশন যোগও করে, এবং প্রতিটি সম্ভাব্য ফলাফলে সম্পূর্ণ ডিস্ট্রিবিউশন চার্ট করে।
FAQ
বাইনোমিয়াল ডিস্ট্রিবিউশন কী মডেল করে?
এটি নির্দিষ্ট সংখ্যক স্বাধীন ট্রায়ালে সাফল্যের সংখ্যা মডেল করে, প্রতিটির একই সাফল্যের সম্ভাবনাসহ — যেমন 10টি কয়েন ফ্লিপে হেড গণনা, বা 50টির ব্যাচে ত্রুটিপূর্ণ অংশ।
P(X=k) ও P(X≤k)-এর মধ্যে পার্থক্য কী?
P(X=k) হলো ঠিক k সাফল্যের সম্ভাবনা (প্রোবাবিলিটি ম্যাস ফাংশন)। P(X≤k) হলো k বা তার কম সাফল্যের ক্রমবর্ধমান সম্ভাবনা, এবং P(X≥k) হলো k বা তার বেশির ক্রমবর্ধমান সম্ভাবনা — "অন্তত 3টি ত্রুটির সম্ভাবনা কত" ধরনের প্রশ্নে কাজে লাগে।
টুলটি অভ্যন্তরীণভাবে লগারিদম ব্যবহার করে কেন?
বড় n-এর জন্য n! সরাসরি গণনা করলে মানক ফ্লোটিং-পয়েন্ট সংখ্যা ওভারফ্লো হয়। লগ-স্পেসে কাজ করা (লগ-ফ্যাক্টরিয়াল যোগ করে, তারপর শেষে একবার এক্সপোনেনশিয়েট করা) গণনা n=200 পর্যন্ত সংখ্যাগতভাবে স্থিতিশীল রাখে।
আমরা কেমন তুলনায়
| বৈশিষ্ট্য | Online Tool Store | পরিসংখ্যান সফটওয়্যার (R, Python) | পাঠ্যবই বাইনোমিয়াল টেবিল |
|---|---|---|---|
| তাৎক্ষণিক, ইনস্টল নেই | ✓ | ✗ | ✓ |
| যেকোনো n ও p, শুধু নির্দিষ্ট টেবিল এন্ট্রি নয় | ✓ | ✓ | ✗ |
খুব বড় n বা বিশেষায়িত পরিসংখ্যানগত কাজের জন্য, একটি পূর্ণ পরিসংখ্যান প্যাকেজ এখনও বেশি নির্ভুলতা ও অতিরিক্ত ডিস্ট্রিবিউশন টুল দেয়।