Základné vlastnosti, ktoré musíme mať, sú celkom n Uskutočňujú sa nezávislé skúšky a my chceme zistiť pravdepodobnosť r úspechy, kde každý úspech má pravdepodobnosť p výskytu. V tomto stručnom popise je uvedených a implikovaných niekoľko vecí. Definícia sa scvrkáva na tieto štyri podmienky:
Prešetrovaný proces musí mať jasne definovaný počet pokusov, ktoré sa nemenia. Toto číslo nemôžeme zmeniť v polovici našej analýzy. Každá skúška sa musí vykonať rovnakým spôsobom ako všetky ostatné štúdie, hoci výsledky sa môžu líšiť. Počet pokusov je označený n vo vzorci.
Príkladom stabilných pokusov pre tento proces by bolo štúdium výsledkov valcovania matrice desaťkrát. Tu je každý kotúč matrice pokusom. Celkový počet opakovaní každej skúšky je stanovený od začiatku.
Každá zo skúšok musí byť nezávislá. Každé súdne konanie by nemalo mať absolútne žiadny účinok na žiadnu z ostatných. Klasické príklady valcovania dve kocky alebo vyhodením niekoľkých mincí ilustrujú nezávislé udalosti. Keďže sú udalosti nezávislé, sme schopní využiť pravidlo množenia znásobiť pravdepodobnosti spolu.
V praxi, najmä kvôli niektorým technikám odberu vzoriek, môžu nastať situácie, keď skúšky nie sú technicky nezávislé. binomické rozdelenie V týchto situáciách sa niekedy môže použiť, pokiaľ je populácia väčšia v porovnaní so vzorkou.
Každá skúška je rozdelená do dvoch klasifikácií: úspechy a neúspechy. Aj keď zvyčajne myslíme na úspech ako na pozitívnu vec, do tohto pojmu by sme si nemali prečítať príliš veľa. Naznačujeme, že súdny proces je úspech v tom, že sa zhoduje s tým, čo sme sa rozhodli nazvať úspechom.
Ako extrémny prípad na ilustráciu predpokladajme, že testujeme mieru zlyhania žiaroviek. Ak chceme vedieť, koľko v dávke nebude fungovať, mohli by sme definovať úspech pre náš pokus, keď máme žiarovku, ktorá nefunguje. Zlyhanie skúšky je, keď žiarovka funguje. Môže to znieť trochu dozadu, ale môžu existovať dobré dôvody na definovanie úspechov a neúspechov nášho procesu, ako sme to urobili. Na účely označenia môže byť výhodné zdôrazniť, že existuje nízka pravdepodobnosť, že žiarovka nebude fungovať, skôr ako vysoká pravdepodobnosť, že žiarovka bude pracovať.
Pravdepodobnosť úspešných pokusov musí zostať rovnaká počas celého procesu, ktorý študujeme. Jedným z príkladov je obracanie mincí. Bez ohľadu na to, koľko mincí sa vyhodí, je pravdepodobnosť, že sa minca otočí, vždy 1/2.
Toto je ďalšie miesto, kde sa teória a prax mierne líšia. Vzorkovanie bez výmeny môže spôsobiť, že pravdepodobnosť z každého pokusu bude mierne kolísať. Predpokladajme, že existuje 20 beaglov z 1 000 psov. Pravdepodobnosť náhodného výberu bígla je 20/1000 = 0,020. Teraz si vyberte znova od ostatných psov. Z 999 psov je 19 bíglov. Pravdepodobnosť výberu iného bígla je 19/999 = 0,019. hodnota 0,2 je vhodný odhad pre obidve tieto pokusy. Pokiaľ je populácia dostatočne veľká, tento druh odhadu nepredstavuje problém s použitím binomického rozdelenia.