Translation of "Binomial distribution" in German
The
BINO()
function
returns
the
binomial
distribution.
Die
Funktion
BINO()
gibt
die
binomische
Verteilung
zurück.
KDE4 v2
The
NEGBINOMDIST()
function
returns
the
negative
binomial
distribution.
Die
Funktion
NEGBINOMDIST()
gibt
die
negative
binomische
Verteilung
zurück.
KDE4 v2
This
is
one
characteristic
of
the
binomial
distribution.
Dies
ist
eine
Eigenschaft
der
Binominalverteilung.
EuroPat v2
The
mean
of
a
binomial
distribution
is
the
number
of
trials
multiplied
by
the
probability.
Der
Mittelwert
einer
Binomialverteilung
ist
die
Anzahl
der
Versuche
multipliziert
mit
der
Wahrscheinlichkeit.
CCAligned v1
The
binomial
distribution
describes
a
discrete
probability
distribution.
Die
Binomialverteilung
beschreibt
eine
diskrete
Wahrscheinlichkeitsverteilung.
ParaCrawl v7.1
This
experiment
serves
for
the
experimental
determination
of
the
binomial
distribution.
Dieses
Experiment
dient
zur
experimentellen
Bestimmung
der
Binomialverteilung.
ParaCrawl v7.1
Tests
to
check
for
deviations
from
specific
required
values
(based
on
normal
distribution
or
binomial
distribution)
Tests
auf
Abweichungen
von
bestimmten
Sollwerten
(Normalverteilung
oder
Binominalverteilung
zugrundegelegt)
ParaCrawl v7.1
For
example,
if
one
is
estimating
the
success
probability
of
a
binomial
distribution,
then
if
one
chooses
to
use
a
beta
distribution
as
one's
prior,
the
posterior
is
another
beta
distribution.
Da
die
Betaverteilung
die
zur
Binomialverteilung
konjugierte
Verteilung
ist,
ist
die
Posteriori-Verteilung
wieder
eine
Betaverteilung.
Wikipedia v1.0
Use
the
formula
for
the
probability
of
a
binomial
distribution
to
solve
the
problem.
Wende
die
Formel
für
die
Wahrscheinlichkeit
einer
Binomialverteilung
an,
um
die
Aufgabe
zu
lösen.
CCAligned v1
On
the
basis
of
a
binomial
probability
distribution,
it
can
be
calculated
that
examination
of
613
samples
allows
with
a
certainty
of
more
than
99
%,
the
detection
of
a
sample
containing
pesticide
residues
above
the
limit
of
determination
(LOD),
provided
that
less
than
1
%
of
products
of
plant
origin
contain
residues
above
that
limit.
Mit
dessen
Hilfe
lässt
sich
auf
der
Grundlage
einer
binomischen
Wahrscheinlichkeitsverteilung
berechnen,
dass
die
Untersuchung
von
613
Proben
mit
mehr
als
99
%iger
Wahrscheinlichkeit
zum
Nachweis
einer
Probe
führt,
die
Pestizidrückstände
über
der
Nachweisgrenze
(LOD)
aufweist,
wenn
weniger
als
1
%
der
Erzeugnisse
pflanzlichen
Ursprungs
Rückstände
über
der
LOD
enthält.
DGT v2019
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.
Dabei
lässt
sich
auf
der
Grundlage
einer
binomialen
Wahrscheinlichkeitsverteilung
berechnen,
dass
die
Untersuchung
von
613
Proben
mit
mehr
als
99
%iger
Wahrscheinlichkeit
zum
Nachweis
einer
Probe
führt,
die
Pestizidrückstände
über
der
Nachweisgrenze
(LOD)
aufweist,
wenn
weniger
als
1
%
der
Erzeugnisse
pflanzlichen
Ursprungs
Rückstände
über
der
LOD
enthält.
JRC-Acquis v3.0
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.
Dabei
lässt
sich
aufgrund
einer
binomialen
Wahrscheinlichkeitsverteilung
berechnen,
dass
die
Untersuchung
von
ungefähr
650
Proben
mit
mehr
als
99%iger
Wahrscheinlichkeit
zum
Nachweis
einer
Probe
führt,
die
Schädlingsbekämpfungsmittelrückstände
über
der
Nachweisgrenze
(LOD)
enthält,
wenn
weniger
als
1
%
der
Erzeugnisse
pflanzlichen
Ursprungs
Rückstände
über
der
Nachweisgrenze
enthält.
DGT v2019
On
the
basis
of
a
binomial
probability
distribution,
it
can
be
calculated
that
examination
of
613
samples
gives
a
confidence
of
more
than
99
%
for
detecting
one
sample
containing
pesticide
residues
above
the
limit
of
determination
(LOD),
provided
that
less
than
1
%
of
products
of
plant
origin
contain
residues
above
that
limit.
Dabei
lässt
sich
aufgrund
einer
binomialen
Wahrscheinlichkeitsverteilung
berechnen,
dass
die
Untersuchung
von
ungefähr
613
Proben
mit
mehr
als
99
%iger
Wahrscheinlichkeit
zum
Nachweis
einer
Probe
führt,
die
Schädlingsbekämpfungsmittelrückstände
über
der
Nachweisgrenze
(LOD)
enthält,
wenn
weniger
als
1
%
der
Erzeugnisse
pflanzlichen
Ursprungs
Rückstände
über
der
Nachweisgrenze
enthält.
DGT v2019
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.
Ist
die
Variabilität
zwischen
den
Replikaten
mit
derselben
Konzentration
nachweislich
größer
als
eine
Binomialverteilung
ergeben
würde
(häufig
als
‚extra-binomiale‘
Variation
bezeichnet),
so
sollte
ein
robusterer
Test
(Cochran-Armitage-Test
oder
Exakter
Test
nach
Fisher),
wie
in
(21)
vorgeschlagen,
angewendet
werden.
DGT v2019