Search

4.10: Revisão do capítulo
https://query.libretexts.org/Idioma_Portugues/Livro%3A_Estatisticas_de_negocios_(OpenStax)/04%3A_Vari%C3%A1veis_aleat%C3%B3rias_discretas/4.10%3A_Revis%C3%A3o_do_cap%C3%ADtulo
A média da distribuição geométrica $X \sim G(p)$ é $\mu = 1/p$ onde o $x =$ número de ensaios até o primeiro sucesso para a fórmula em $P(X=x)=(1-p)^{x-1} p$ que o número de ensaios aumenta e incl...A média da distribuição geométrica $X \sim G(p)$ é $\mu = 1/p$ onde o $x =$ número de ensaios até o primeiro sucesso para a fórmula em $P(X=x)=(1-p)^{x-1} p$ que o número de ensaios aumenta e inclui o primeiro sucesso. onde $P(X)$ é a probabilidade de sucesso, $\mu$ (pronunciado mu) é o número esperado de sucessos, $e$ é o logaritmo natural aproximadamente igual a $2.718$ , e $X$ é o número de sucessos por unidade, geralmente por unidade de tempo.
4.10: 章节回顾
https://query.libretexts.org/%E7%AE%80%E4%BD%93%E4%B8%AD%E6%96%87/%E5%9B%BE%E4%B9%A6%EF%BC%9A%E5%95%86%E4%B8%9A%E7%BB%9F%E8%AE%A1_(OpenStax)/04%3A_%E7%A6%BB%E6%95%A3%E9%9A%8F%E6%9C%BA%E5%8F%98%E9%87%8F/4.10%3A_%E7%AB%A0%E8%8A%82%E5%9B%9E%E9%A1%BE
组合公式可以提供可以从唯一对象创建的 $n$ 唯一大小 $x$ 子集的数量，以帮助我们计算概率。组合公式是 $\left(\begin{array}{l}{n} \\ {x}\end{array}\right)=_{n} C_{x}=\frac{n !}{x !(n-x) !}$ 超几何实验的结果拟合超几何概率分布。随机变量 $X =$ ，表示感兴趣组中的项目数量。 \(h(x)=\frac...组合公式可以提供可以从唯一对象创建的 $n$ 唯一大小 $x$ 子集的数量，以帮助我们计算概率。组合公式是 $\left(\begin{array}{l}{n} \\ {x}\end{array}\right)=_{n} C_{x}=\frac{n !}{x !(n-x) !}$ 超几何实验的结果拟合超几何概率分布。随机变量 $X =$ ，表示感兴趣组中的项目数量。 $h(x)=\frac{\left(\begin{array}{l}{A} \\ {x}\end{array}\right)\left(\begin{array}{l}{N-A} \\ {n-x}\end{array}\right)}{\left(\begin{array}{l}{N} \\ {n}\end{array}\right)}$ 。几何分布的平均值 $X \sim G(p)$ 是公式 $\mu = 1/p$ 在 $x =$ 首次成功之前的试验次数， $P(X=x)=(1-p)^{x-1} p$ 其中试验次数增加，包括第一次成功的试验。
4.10: Sura ya Mapitio
https://query.libretexts.org/Kiswahili/Kitabu%3A_Takwimu_za_Biashara_(OpenStax)/04%3A_Discrete_Random_vigezo/4.10%3A_Sura_ya_Mapitio
Maana ya usambazaji wa kijiometri $X \sim G(p)$ ni $\mu = 1/p$ wapi $x =$ idadi ya majaribio mpaka mafanikio ya kwanza kwa formula $P(X=x)=(1-p)^{x-1} p$ ambapo idadi ya majaribio ni juu na ikiwa ...Maana ya usambazaji wa kijiometri $X \sim G(p)$ ni $\mu = 1/p$ wapi $x =$ idadi ya majaribio mpaka mafanikio ya kwanza kwa formula $P(X=x)=(1-p)^{x-1} p$ ambapo idadi ya majaribio ni juu na ikiwa ni pamoja na mafanikio ya kwanza. wapi $P(X)$ uwezekano wa mafanikio, $\mu$ (hutamkwa mu) ni idadi inayotarajiwa ya mafanikio, $e$ ni logarithm ya asili takriban sawa na $2.718$ , na $X$ ni idadi ya mafanikio kwa kila kitengo, kwa kawaida kwa kitengo cha wakati.
4.10: مراجعة الفصل
https://query.libretexts.org/%D8%A7%D9%84%D9%84%D8%BA%D8%A9_%D8%A7%D9%84%D8%B9%D8%B1%D8%A8%D9%8A%D8%A9/%D9%83%D8%AA%D8%A7%D8%A8%3A_%D8%A5%D8%AD%D8%B5%D8%A7%D8%A1%D8%A7%D8%AA_%D8%A7%D9%84%D8%A3%D8%B9%D9%85%D8%A7%D9%84_(OpenStax)/04%3A/4.10%3A_%D9%85%D8%B1%D8%A7%D8%AC%D8%B9%D8%A9_%D8%A7%D9%84%D9%81%D8%B5%D9%84
المتغير العشوائي $X =$ هو عدد العناصر من مجموعة الاهتمام. \(h(x)=\frac{\left(\begin{array}{l}{A} \\ {x}\end{array}\right)\left(\begin{array}{l}{N-A} \\ {n-x}\end{array}\right)}{\left(\begin{array}{l}...المتغير العشوائي $X =$ هو عدد العناصر من مجموعة الاهتمام. $h(x)=\frac{\left(\begin{array}{l}{A} \\ {x}\end{array}\right)\left(\begin{array}{l}{N-A} \\ {n-x}\end{array}\right)}{\left(\begin{array}{l}{N} \\ {n}\end{array}\right)}$ . متوسط التوزيع الهندسي $X \sim G(p)$ هو $\mu = 1/p$ $x =$ عدد التجارب حتى النجاح الأول للصيغة التي $P(X=x)=(1-p)^{x-1} p$ يرتفع فيها عدد التجارب بما في ذلك النجاح الأول.
4.10 : Révision du chapitre
https://query.libretexts.org/Francais/Livre_%3A_Statistiques_commerciales_(OpenStax)/04%3A_Variables_al%C3%A9atoires_discr%C3%A8tes/4.10%3A_R%C3%A9vision_du_chapitre
Le moyen le plus simple de maintenir ces deux formes de distribution géométrique droites est de se rappeler qu'il $p$ s'agit de la probabilité de succès et $(1−p)$ de la probabilité d'échec. où\(P(X...Le moyen le plus simple de maintenir ces deux formes de distribution géométrique droites est de se rappeler qu'il $p$ s'agit de la probabilité de succès et $(1−p)$ de la probabilité d'échec. où $P(X)$ est la probabilité de succès, $\mu$ (prononcé mu) est le nombre de succès attendu, le logarithme naturel $e$ est approximativement égal à $2.718$ , et $X$ est le nombre de succès par unité, généralement par unité de temps.