Générer des données binomiales aléatoires
Generate Random Binomial Data simule des données d'attribut : chaque valeur est le nombre de succès dans un nombre fixe d'essais indépendants, chacun avec une probabilité de succès donnée. Vous définissez le nombre de lignes et de colonnes, le nombre d'essais, généralement la taille du lot d'inspection, et la probabilité d'événement entre 0 et 1. Servez-vous-en pour tester les cartes P et NP. Aucune graine fixe n'est utilisée.
Dernière révision
Point clé
Generate Random Binomial Data produit des nombres de succès dans un nombre fixe d'essais indépendants à deux issues, avec une probabilité d'événement donnée, pour simuler des données d'attribut conforme/non conforme.
Sur cette page
- Qu'est-ce que Generate Random Binomial Data ?
- Quand utiliser Generate Random Binomial Data ?
- Recommandations pour bien utiliser Generate Random Binomial Data
- Alternatives : quand ne pas utiliser Generate Random Binomial Data
- Exemple de Generate Random Binomial Data
- Comment utiliser Generate Random Binomial Data
Qu'est-ce que Generate Random Binomial Data ?
Random Binomial Data génère des valeurs fondées sur la distribution binomiale, qui décrit le nombre de succès dans un nombre fixe d'essais indépendants où chaque essai a exactement deux issues (succès ou échec). Vous précisez le nombre d'essais (n) et la probabilité de succès par essai (p).
Définition simple : génère des nombres aléatoires de succès à partir d'un nombre fixe d'essais — idéal pour simuler des données d'attribut conforme/non conforme, défectueux/non défectueux ou oui/non.
Quand utiliser Generate Random Binomial Data ?
- À utiliser pour simuler des données d'attribut : nombre d'articles défectueux dans un lot, nombres d'achats de clients ou nombres d'échecs d'essais.
- À utiliser pour tester des cartes P, des cartes NP ou une régression logistique binaire avec des paramètres d'entrée connus.
- À utiliser dans des simulations de risque et de fiabilité où les résultats sont binaires.
Recommandations pour bien utiliser Generate Random Binomial Data
- Réglez n (nombre d'essais) pour qu'il corresponde à la taille de votre lot d'inspection.
- Réglez p (probabilité) entre 0 et 1 , par exemple 0.05 correspond à un taux de défauts de 5% par essai.
- Aucune graine fixe n'est utilisée : chaque Calculate donne donc de nouvelles valeurs ; copiez les données générées si vous devez réutiliser le même jeu de données.
Alternatives : quand ne pas utiliser Generate Random Binomial Data
- Pour des données de nombre de défauts par unité de surface ou de temps, utilisez Random Poisson Data
- Pour des mesures continues, utilisez Random Normal or Lognormal Data
Exemple de Generate Random Binomial Data
Voici les étapes pour générer des données binomiales aléatoires :
- Pour générer des données binomiales aléatoires, il faut renseigner les options requises.
- Analysez ensuite les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
- Pour trouver Generate Random Binomial Data, choisissez Statistical module> Random Data > Generate Random Binomial Data


4. Après avoir utilisé l'outil mentionné ci-dessus, vous obtenez les résultats suivants :


Comment utiliser Generate Random Binomial Data
La marche à suivre est la suivante :
- Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
- Sur la page d'accueil, choisissez Statistical Tool> Random Data>Generate Random Binomial Data.
- Ensuite, vous devez renseigner les options requises.
- Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.
Sur le tableau de bord de Generate Random Binomial Data, la fenêtre est divisée en deux parties.

Dans la partie gauche se trouve le Data Pane (volet de données). Dans le Data Pane, chaque ligne correspond à des données aléatoires générées. Les données sont générées après avoir renseigné les options requises.
Dans la partie droite, de nombreuses options sont proposées :
- Number of rows of data to generate : indique combien de points de données aléatoires générer. Par exemple, saisir 10 produit exactement 10 lignes de valeurs aléatoires, toutes visibles dans le volet de données.
- Number of columns : indique combien de variables (colonnes) comporte chaque ligne. Par exemple, saisir 3 produit 3 colonnes de données générées aléatoirement, côte à côte dans le volet de données.
- Number of trials : indique combien de fois un événement est tenté dans chaque expérience. Par exemple, saisir 10 signifie que chaque ligne de données générées représente 10 tentatives indépendantes (comme lancer une pièce 10 fois). La valeur obtenue dans chaque ligne est le nombre de ces essais qui ont abouti à un succès.
- Event probability : la probabilité qu'un essai donné aboutisse à un succès, saisie sous la forme d'une valeur entre 0 et 1. Par exemple, 0.5 représente 50% de chances de succès à chaque essai, comme un lancer de pièce équilibrée. Les données aléatoires sont générées selon cette probabilité : une valeur plus élevée produit plus de succès par ligne, une valeur plus faible en produit moins.
- Graphical summary : lorsque cette option est cochée, toutes les valeurs générées sont regroupées et résumées : un histogramme avec courbe normale ajustée et une boîte à moustaches, des statistiques descriptives, un test de normalité d'Anderson-Darling, une droite de probabilité, et des intervalles de confiance à 95% pour la moyenne, la médiane et l'écart-type. C'est un résultat visuel fondé sur les données qui viennent d'être créées.
Questions fréquentes
Que fait Generate Random Binomial Data ?
Il génère des valeurs de la distribution binomiale, qui décrit le nombre de succès dans un nombre fixe d'essais indépendants où chaque essai a exactement deux issues, succès ou échec. Vous précisez le nombre d'essais (n) et la probabilité de succès par essai (p), et chaque valeur générée est le nombre de succès.
Quand faut-il générer des données binomiales aléatoires ?
Servez-vous-en pour simuler des données d'attribut, comme le nombre d'articles défectueux dans un lot, des nombres d'achats de clients ou des nombres d'échecs d'essais. C'est aussi utile pour tester des cartes P, des cartes NP ou une régression logistique binaire avec des paramètres d'entrée connus, et pour des simulations de risque et de fiabilité où les résultats sont binaires.
Comment choisir le nombre d'essais et la probabilité d'événement ?
Réglez le nombre d'essais pour qu'il corresponde à la taille de votre lot d'inspection. Réglez la probabilité d'événement entre 0 et 1 ; par exemple, 0.05 correspond à un taux de défauts de 5% par essai. Une probabilité plus élevée produit plus de succès par ligne, une plus faible en produit moins. Aucune graine fixe n'est utilisée : copiez donc les données générées si vous devez réutiliser le même jeu de données.
Quand utiliser des données de Poisson ou normales aléatoires plutôt que binomiales ?
Utilisez des données binomiales pour des résultats conforme/non conforme, défectueux/non défectueux ou oui/non issus d'un nombre fixe d'essais. Pour des nombres de défauts par unité de surface ou de temps, utilisez plutôt des données de Poisson aléatoires. Pour des mesures continues, utilisez des données normales ou lognormales aléatoires.
