Binom Dağılımı Hesaplama

İstatistikSon güncelleme: 22 Ağustos 2026

Binom dağılımı, birbirinden bağımsız n denemede elde edilen başarı sayısını modelleyen kesikli olasılık dağılımıdır. Her denemede yalnızca iki sonuç bulunur (başarı/başarısızlık) ve başarı olasılığı p her denemede aynı kalır: 20 üründen kaçının kusurlu çıkacağı, 10 atışta kaç tura geleceği, 50 hastadan kaçının tedaviye yanıt vereceği bu dağılımla hesaplanır.

Bu araç tek bir k değeri için P(X = k) olasılığını verdikten sonra kümülatif olasılıkları (P(X ≤ k), P(X < k), P(X ≥ k), P(X > k)), istediğiniz [a, b] aralığının olasılığını, dağılımın ortalamasını (n·p), varyansını (n·p·(1−p)), standart sapmasını ve modunu birlikte döndürür. Ayrıca np ≥ 5 ve n(1−p) ≥ 5 ölçütünü denetleyerek normal yaklaşımın bu parametrelerde kullanılıp kullanılamayacağını söyler.

Birbirinden bağımsız tekrar sayısı. Tam sayı olmalıdır.
0 ile 1 arasında girin (yüzde 30 için 0,3). Ondalık ayırıcı olarak virgül kullanabilirsiniz.
Olasılığı hesaplanacak başarı adedi. 0 ile n arasında bir tam sayı olmalıdır.
P(a ≤ X ≤ b) için alt sınır. Boş bırakılırsa 0 kabul edilir.
P(a ≤ X ≤ b) için üst sınır. Boş bırakılırsa n kabul edilir.

Binom Dağılımı Formülleri

Kütle fonksiyonu:  P(X = k) = C(n, k) · pᵏ · (1 − p)ⁿ⁻ᵏ,  k = 0, 1, …, n
Kombinasyon:       C(n, k) = n! / [k! · (n − k)!]
Kümülatif:         P(X ≤ k) = Σᵢ₌₀ᵏ C(n, i) · pⁱ · (1 − p)ⁿ⁻ⁱ
Üst kuyruk:        P(X ≥ k) = 1 − P(X ≤ k − 1)
Aralık:            P(a ≤ X ≤ b) = P(X ≤ b) − P(X ≤ a − 1)
Ortalama:          μ = n · p
Varyans:           σ² = n · p · (1 − p)
Standart sapma:    σ = √[n · p · (1 − p)]
Mod:               ⌊(n + 1) · p⌋
Normal yaklaşım:   n·p ≥ 5 ve n·(1 − p) ≥ 5 ise X ≈ N(n·p, n·p·(1 − p))

Kümülatif olasılıklar toplama döngüsü yerine düzenlenmiş eksik beta fonksiyonuyla (I₁₋ₚ(n − k, k + 1)) hesaplanır; bu sayede n çok büyük olduğunda da sonuç kesin ve hızlıdır. Normal yaklaşım yalnızca elle hesap içindir — bu araç her durumda tam binom değerini verir.

Nasıl Hesaplanır?

  1. Deneme sayısını (n) girin: birbirinden bağımsız kaç kez tekrar yapıldığını yazın.
  2. Tek denemede başarı olasılığını (p) 0 ile 1 arasında girin; yüzde 30 için 0,3 yazın.
  3. Olasılığını merak ettiğiniz başarı sayısını (k) girin.
  4. İsterseniz aralık sınırlarını (a ve b) belirleyin; araç P(a ≤ X ≤ b) değerini de hesaplar.
  5. Sonuç kartında tam, kümülatif ve kuyruk olasılıklarını; ardından ortalama, varyans, standart sapma ve modu okuyun.
  6. Normal yaklaşım ölçütünü ve kütle grafiğini inceleyerek dağılımın biçimini ve simetrisini değerlendirin.

Örnek Hesaplamalar

20 denemede 6 başarı

n = 20 ve p = 0,3 iken tam 6 başarı olasılığı P(X = 6) = 0,1916 çıkar. En çok 6 başarı olasılığı 0,6080; en az 6 başarı olasılığı 0,5836 olarak bulunur. Ortalama 6 başarı, standart sapma 2,0494 ve P(4 ≤ X ≤ 8) = 0,7796 hesaplanır. n·p = 6 ve n·(1−p) = 14 olduğu için normal yaklaşım da uygundur.

Tam 6 başarı — P(X = 6): 0,1916 · En çok 6 başarı — P(X ≤ 6): 0,6080 · 6 değerinden az — P(X < 6): 0,4164

Kalite kontrol: 50 üründe hiç kusurlu çıkmaması

Kusur oranı %2 olan bir üretimden 50 ürün seçildiğinde hiç kusurlu çıkmama olasılığı P(X = 0) = 0,3642 olur. En az bir kusurlu bulma olasılığı P(X > 0) = 0,6358; en çok 1 kusurlu bulma olasılığı P(0 ≤ X ≤ 1) = 0,7358 çıkar. Ortalama 1 kusurlu ürün beklenir; n·p = 1 < 5 olduğu için normal yaklaşım uygun değildir ve araç uyarı verir.

Tam 0 başarı — P(X = 0): 0,3642 · En çok 0 başarı — P(X ≤ 0): 0,3642 · 0 değerinden az — P(X < 0): 0

10 atışta tura sayısı

Hilesiz parayla 10 atışta tam 5 tura gelme olasılığı P(X = 5) = 0,2461 çıkar. 4 ile 6 arasında tura gelme olasılığı P(4 ≤ X ≤ 6) = 0,6562 olarak hesaplanır. Dağılım p = 0,5 için simetriktir: ortalama 5, standart sapma 1,5811 ve mod 5 olur.

Tam 5 başarı — P(X = 5): 0,2461 · En çok 5 başarı — P(X ≤ 5): 0,6230 · 5 değerinden az — P(X < 5): 0,3770

Sıkça Sorulan Sorular

Binom dağılımı hangi koşullarda kullanılır?
Dört koşul birlikte sağlanmalıdır: deneme sayısı (n) sabittir, her denemenin yalnızca iki sonucu vardır, denemeler birbirinden bağımsızdır ve başarı olasılığı (p) her denemede aynıdır. Bu koşullardan biri bozulursa dağılım değişir: iadesiz örneklemede hipergeometrik, deneme sayısı sabit değilse negatif binom kullanılır.
P(X ≥ k) neden 1 − P(X ≤ k) değil de 1 − P(X ≤ k − 1) ile bulunur?
Binom kesikli bir dağılımdır; k değerinin kendisi de bir olasılık kütlesi taşır. P(X ≥ k) ifadesi k'yi içerdiği için tamamlayıcısı k'yi içermeyen P(X ≤ k − 1) olur. En sık yapılan hata budur ve sonucu tam olarak P(X = k) kadar saptırır.
Excel, SPSS ve R'de aynı sonuç nasıl alınır?
Excel'de tam olasılık için =BİNOM.DAĞ(k; n; p; YANLIŞ), kümülatif için =BİNOM.DAĞ(k; n; p; DOĞRU) kullanılır. R'de dbinom(k, n, p) ve pbinom(k, n, p), Python'da scipy.stats.binom.pmf/cdf aynı değerleri verir. SPSS'te PDF.BINOM(k, n, p) ve CDF.BINOM(k, n, p) fonksiyonları kullanılır.
Normal yaklaşım ne zaman kullanılabilir?
Yaygın ölçüt n·p ≥ 5 ve n·(1−p) ≥ 5 koşullarının birlikte sağlanmasıdır; bazı kaynaklar bu sınırı 10 olarak alır. Koşul sağlandığında X ≈ N(n·p, n·p·(1−p)) yazılabilir, ancak kesikli bir dağılımı sürekli bir dağılımla temsil ettiğiniz için süreklilik düzeltmesi (±0,5) uygulanmalıdır. Bu araç her durumda tam değeri hesapladığından yaklaşıma ihtiyaç duymazsınız.
p çok küçük ve n çok büyükse ne yapmalıyım?
n ≥ 20 ve p ≤ 0,05 (ya da n ≥ 100 ve n·p ≤ 10) durumunda binom dağılımı λ = n·p parametreli Poisson dağılımıyla çok iyi yaklaşılır. Nadir olaylarda (kaza sayısı, arıza sayısı, nadir hastalık) doğrudan Poisson modeli kurmak daha pratiktir. Bu araç yaklaşım yapmadan tam binom değerini verdiği için karşılaştırma amacıyla da kullanılabilir.
Mod ile ortalama neden farklı çıkıyor?
Ortalama n·p bir beklenen değerdir ve tam sayı olmak zorunda değildir; mod ise en yüksek olasılığa sahip tam sayı değerdir ve ⌊(n+1)p⌋ ile bulunur. (n+1)·p tam sayı olduğunda dağılımın iki modu vardır: (n+1)p − 1 ve (n+1)p. p = 0,5 dışındaki değerlerde dağılım çarpık olduğu için ortalama ile mod birbirinden ayrılır.
Sonuç 0 çıktı, hesaplama yanlış mı?
Hayır. Çok küçük olasılıklar (örneğin 100 denemede 90 başarı, p = 0,1 iken) çift duyarlıklı sayı sınırlarının altına inebilir. Araç 0,0001'in altındaki değerleri bilimsel gösterimle (örneğin 3,214e-8) yazar; tam olarak 0 görüyorsanız olasılık gerçekten sıfıra çok yakındır ya da k destek dışındadır.