binomial distribution oor Nederlands

binomial distribution

naamwoord

(statistics) The discrete probability distribution of the number of successes in a sequence of n independent yes/no experiments, each of which yields success with probability p.

Vertalings in die woordeboek Engels - Nederlands

Binomiale verdeling

probability distribution

Soortgelyke frases

negative binomial distribution
Negatief-binomiale verdeling

voorbeelde

1733 – Abraham de Moivre introduces the normal distribution to approximate the binomial distribution in probability.
1734 - Abraham de Moivre introduceert in een artikel de Normale verdeling.

LC50 is usually estimated by probit analysis or similar analysis that takes into account the binomially distributed mortality data.
LC50 wordt gewoonlijk geschat door middel van probitanalyse of een soortgelijke analyse waarin rekening wordt gehouden met de binomiaal verdeelde sterftecijfers.

Extrabinomial variation : greater variability in repeat estimates of a population proportion than would be expected if the population had a binomial distribution.
Extrabinomiale variatie : hogere variabiliteit bij herhaalde schattingen van een populatieproportie dan zou worden verwacht als de populatie een binomiale distributie had.

However, the binomial distribution is only symmetrical around the mean when Pc = 0.5, but it becomes asymmetrical and more and more skew when Pc approaches 0 or 1.
Echter, de binomiale verdeling is slechts symmetrisch rond het gemiddelde (waar Pc = 0.5), maar hij wordt meer asymmetrisch naarmate Pc nadert tot 0 of 1.

Among discrete distributions, the binomial distribution and Poisson distribution can be seen as unimodal, though for some parameters they can have two adjacent values with the same probability.
Onder de discrete verdelingen worden de binomiale verdeling en de poissonverdeling als unimodaal beschouwd, hoewel voor sommige waarden van de parameters twee aangrenzende waarden dezelfde kans kunnen hebben.

This is by contrast to typical bioassay responses with quantal data for which the tolerance (typically binomially distributed) of individual organisms are often assumed to be the dominant variance component.
Bij een karakteristieke binaire bioassay-respons wordt de tolerantie (meestal binomiaal verdeeld) van individuele organismen daarentegen vaak als de belangrijkste variantie-component beschouwd.

This is by contrast to typical bioassay responses with quantal data, for which the tolerance (typically binomially distributed) of individual organisms is often assumed to be the dominant variance component.
Bij een karakteristieke binaire bioassay-respons wordt de tolerantie (meestal binomiaal verdeeld) van individuele organismen daarentegen vaak als de belangrijkste variantie-component beschouwd.

This is by contrast to typical bioassay responses with quantal data, for which the tolerance (typically binomially distributed) of individual organisms is often assumed to be the dominant variance component
Bij een karakteristieke binaire bioassay-respons wordt de tolerantie (meestal binomiaal verdeeld) van individuele organismen daarentegen vaak als de belangrijkste variantie-component beschouwd

While it is possible that count data (e.g. number of implants per female) may be Poisson distributed and/or proportions (e.g. proportion of dead implants) may be binomially distributed, it is often the case that such data are overdispersed (31).
Hoewel het mogelijk is dat de tellingsgegevens (bv. het aantal implantaten per vrouwtje) een Poisson-verdeling volgen en/of percentages (bv. het percentage dode implantaten) binomiaal verdeeld zijn, komt het vaak voor dat dergelijke gegevens overdispersie vertonen (31).

If there is evidence of greater variability between replicates within the same concentration than a binomial distribution would indicate (often referenced to as “extra-binomial” variation), then a robust Cochran-Armitage or Fisher exact test such as proposed in (27), should be used.
Als er aanwijzingen zijn dat de variabiliteit tussen duplo's met dezelfde concentratie groter is dan een binomiale verdeling zou uitwijzen (zogeheten „extrabinomiale” variantie), moet een robuuste toets van Cochran-Armitage of een exacte toets van Fisher, zoals voorgesteld onder punt 27, worden gebruikt.

If there is evidence of greater variability between replicates within the same concentration than a binomial distribution would indicate (often referenced as “extra-binomial” variation), then a robust Cochran-Armitage or Fisher exact test such as proposed in (21), should be used.
Als er aanwijzingen zijn dat de variabiliteit tussen duplo’s met dezelfde concentratie groter is dan een binomiale verdeling zou uitwijzen (zogeheten „extrabinomiale” variantie), moet een robuuste toets van Cochran-Armitage of een exacte toets van Fisher, zoals voorgesteld in punt 21, worden gebruikt.

Based on a binomial probability distribution it can be calculated that examination of a total sample number of 459 gives a 99 % confidence of detecting one sample containing pesticide residues above the LOD where 1 % of products of plant origin contain residues above the LOD.
Op basis van een bionomiale waarschijnlijkheidsverdeling kan worden bepaald dat bij onderzoek van in totaal 459 monsters, met een zekerheid van 99 % kan worden gesteld dat er één monster met een hoeveelheid bestrijdingsmiddelen boven de detectiegrens zal worden gevonden wanneer ervan wordt uitgegaan dat 1 % van de producten van plantaardige oorsprong een hoeveelheid residuen boven de detectiegrens bevat.

Based on a binomial probability distribution it can be calculated that examination of 459 samples gives a 99 % confidence of detecting one sample containing pesticide residues above the limit of determination (LOD) where 1 % of products of plant origin contain residues above the LOD.
Op basis van een binomiale waarschijnlijkheidsverdeling kan worden bepaald dat bij onderzoek van 459 monsters, met een zekerheid van 99 % kan worden gesteld dat er één monster met een hoeveelheid bestrijdingsmiddelen boven de detectiegrens zal worden gevonden wanneer ervan wordt uitgegaan dat 1 % van de producten van plantaardige oorsprong een hoeveelheid residuen boven de detectiegrens bevat.

Based on a binomial probability distribution it can be calculated that examination of # samples gives a confidence of more than # % detecting one sample containing pesticide residues above the limit of determination (LOD) where less than # % of products of plant origin contain residues above the LOD
Uitgaande van een binomiale waarschijnlijkheidsverdeling kan worden berekend dat, wanneer minder dan # % van de producten van plantaardige oorsprong een hoeveelheid residuen boven de bepaalbaarheidsgrens bevat, bij onderzoek van # monsters er met een betrouwbaarheid van meer dan # % één monster met een hoeveelheid bestrijdingsmiddelenresiduen boven de bepaalbaarheidsgrens zal worden gevonden

Based on a binomial probability distribution it can be calculated that examination of 459 samples gives a 99 % confidence of detecting one sample containing pesticide residues above the limit of detection (LOD) where 1 % of products of plant origin contain residues above the LOD.
Op basis van een binomiale waarschijnlijkheidsverdeling kan worden bepaald dat bij onderzoek van in totaal 459 monsters met een zekerheid van 99 % kan worden gesteld dat er één monster met een hoeveelheid bestrijdingsmiddelen boven de detectiegrens zal worden gevonden wanneer ervan wordt uitgegaan dat 1 % van de producten van plantaardige oorsprong een hoeveelheid residuen boven de detectiegrens bevat.

Based on a binomial probability distribution it can be calculated that examination of a total sample number of 459 gives a 99 % confidence of detecting 1 sample containing pesticide residues above the LOD where 1 % of products of plant origin contain residues above the LOD.
Op basis van een binomiale waarschijnlijkheidsverdeling kan worden bepaald dat bij onderzoek van in totaal 459 monsters, met een zekerheid van 99 % kan worden gesteld dat er één monster met een hoeveelheid bestrijdingsmiddelen boven de detectiegrens zal worden gevonden wanneer ervan wordt uitgegaan dat 1 % van de producten van plantaardige oorsprong een hoeveelheid residuen boven de detectiegrens bevat.

Based on a binomial probability distribution it can be calculated that examination of about # samples gives a confidence of more than # % for detecting one sample containing pesticide residues above the limit of determination (LOD) where less than # % of products of plant origin contain residues above the LOD
Op basis van een binomiale waarschijnlijkheidsverdeling kan worden bepaald dat bij onderzoek van ongeveer # monsters met een zekerheid van meer dan # % kan worden gesteld dat er één monster met een hoeveelheid bestrijdingsmiddelen boven de detectiegrens zal worden gevonden wanneer ervan wordt uitgegaan dat # % van de producten van plantaardige oorsprong een hoeveelheid residuen boven de detectiegrens bevat

On the basis of a binomial probability distribution, it can be calculated that examination of # samples gives a confidence of more than # % for detecting one sample containing pesticide residues above the limit of determination (LOD), provided that less than # % of products of plant origin contain residues above that limit
Op grond van een binomiale waarschijnlijkheidsverdeling kan worden berekend dat, wanneer minder dan # % van de producten van plantaardige oorsprong een hoeveelheid residuen boven de bepaalbaarheidsgrens bevat, bij onderzoek van # monsters er met een betrouwbaarheid van meer dan # % een monster met een hoeveelheid bestrijdingsmiddelenresiduen boven die grens zal worden gevonden

Based on a binomial probability distribution it can be calculated that examination of 613 samples gives a confidence of more than 99 % detecting one sample containing pesticide residues above the limit of determination (LOD) where less than 1 % of products of plant origin contain residues above the LOD.
Uitgaande van een binomiale waarschijnlijkheidsverdeling kan worden berekend dat, wanneer minder dan 1 % van de producten van plantaardige oorsprong een hoeveelheid residuen boven de bepaalbaarheidsgrens bevat, bij onderzoek van 613 monsters er met een betrouwbaarheid van meer dan 99 % één monster met een hoeveelheid bestrijdingsmiddelenresiduen boven de bepaalbaarheidsgrens zal worden gevonden.

Based on a binomial probability distribution it can be calculated that examination of about 650 samples gives a confidence of more than 99 % for detecting one sample containing pesticide residues above the limit of determination (LOD) where less than 1 % of products of plant origin contain residues above the LOD.
Op basis van een binomiale waarschijnlijkheidsverdeling kan worden bepaald dat bij onderzoek van ongeveer 650 monsters met een zekerheid van meer dan 99 % kan worden gesteld dat er één monster met een hoeveelheid bestrijdingsmiddelen boven de detectiegrens zal worden gevonden wanneer ervan wordt uitgegaan dat 1 % van de producten van plantaardige oorsprong een hoeveelheid residuen boven de detectiegrens bevat.

On the basis of a binomial probability distribution, it can be calculated that examination of # samples allows with a certainty of more than # %, the detection of a sample containing pesticide residues above the limit of determination (LOD), provided that less than # % of products of plant origin contain residues above that limit
Op grond van een binomiale waarschijnlijkheidsverdeling kan worden berekend dat, wanneer minder dan # % van de producten van plantaardige oorsprong een hoeveelheid residuen boven de bepaalbaarheidsgrens bevat, bij onderzoek van # monsters er met een betrouwbaarheid van meer dan # % een monster met een hoeveelheid bestrijdingsmiddelenresiduen boven die grens zal worden gevonden

On the basis of a binomial probability distribution, it can be calculated that examination of # samples allows, with a certainty of more than # %, the detection of a sample containing pesticide residues above the limit of determination (LOD), provided that not less than # % of the products contain residues above that limit
Op grond van een binomiale waarschijnlijkheidsverdeling kan worden berekend dat, wanneer minimaal # % van de producten een hoeveelheid residuen boven de bepaalbaarheidsgrens bevat, bij onderzoek van # monsters er met een betrouwbaarheid van meer dan # % een monster met een hoeveelheid bestrijdingsmiddelenresiduen boven die grens zal worden gevonden