Osnovne značajke koje moramo imati imaju za ukupno n provode se neovisna ispitivanja i želimo saznati vjerojatnost r uspjesi, gdje svaki uspjeh ima vjerojatnost p pojaviti. U ovom kratkom opisu je navedeno i implicirano nekoliko stvari. Definicija se svodi na ova četiri uvjeta:
Proces koji se istražuje mora imati jasno definiran broj ispitivanja koja se ne razlikuju. Taj broj ne možemo mijenjati usred naše analize. Svako ispitivanje mora se izvesti na isti način kao i sve ostale, iako ishodi mogu biti različiti. Broj suđenja označen je s n u formuli.
Primjer fiksnih pokusa za postupak uključivao bi proučavanje rezultata valjanja deset puta deset puta. Ovdje je svaka kolut matrice pokusni. Ukupni broj izvođenja svakog pokusa definiran je od samog početka.
Svako ispitivanje mora biti neovisno. Svako ispitivanje ne bi trebalo imati apsolutno nikakav utjecaj ni na jedno drugo. Klasični primjeri valjanja dvije kockice ili prebacivanje nekoliko novčića ilustriraju neovisne događaje. Budući da su događaji neovisni, mi smo u mogućnosti ih koristiti
pravilo množenja da se množe vjerojatnosti zajedno.U praksi, posebno zbog nekih tehnika uzorkovanja, može doći do vremena kada ispitivanja nisu tehnički neovisna. binomna raspodjela ponekad se mogu koristiti u tim situacijama sve dok je populacija veća u odnosu na uzorak.
Svako ispitivanje grupirano je u dvije klasifikacije: uspjesi i neuspjesi. Iako obično o uspjehu razmišljamo kao o pozitivnoj stvari, ne bismo trebali previše čitati u ovom izrazu. Pokazujemo da je suđenje uspjeh jer se podudara s onim što smo odlučili nazvati uspjehom.
Kao ekstremni slučaj da to ilustriramo, pretpostavimo da testiramo stopu neuspjeha žarulja. Ako želimo znati koliko u jednoj grupi neće uspjeti, mogli bismo definirati uspjeh našeg suđenja kada imamo žarulju koja ne radi. Neuspjeh suđenja je kada žarulja radi. Ovo može zvučati pomalo unatrag, ali može biti dobrih razloga za definiranje uspjeha i neuspjeha našeg suđenja kao što smo i učinili. Za potrebe obilježavanja može biti poželjno naglasiti da postoji mala vjerojatnost da žarulja ne radi, nego velika vjerojatnost da će žarulja raditi.
Vjerojatnost uspješnih ispitivanja mora ostati ista tijekom procesa koji proučavamo. Primjer toga je prebacivanje kovanica. Bez obzira koliko kovanica je bačeno, vjerojatnost okretanja glave svaki je put 1/2.
Ovo je još jedno mjesto na kojem se teorija i praksa malo razlikuju. Uzorkovanje bez zamjene mogu uzrokovati da vjerojatnosti svakog pokusa malo variraju jedna od druge. Pretpostavimo da ima 20 beaglea od 1000 pasa. Vjerojatnost odabira nasumičnog beaglea je 20/1000 = 0,020. Sada birajte opet od preostalih pasa. Od 999 pasa ima 19 beaglea. Vjerojatnost odabira drugog beaglea je 19/999 = 0,019. vrijednost 0.2 je odgovarajuća procjena za oba ova ispitivanja. Sve dok je populacija dovoljno velika, ova vrsta procjene ne predstavlja problem s korištenjem binomne distribucije.