Որոնք են միասնական պատահական փոփոխականներ և նորմալ ստանդարտ փոփոխականներ: Ի՞նչ տարբերություն նրանց միջև:


պատասխանել 1:

Բարև ընկեր

Նախքան դրան գնալը, նախ պետք է հասկանաս, թե որն է պատահական փոփոխականը:

Պատահական փոփոխական (RV):

Ընդհանրապես, պատահական փոփոխականն ասվում է երկու բառով, մեկը ՝ փոփոխական, իսկ մյուսը ՝ պատահական: Փոփոխական նշանակում է, որ մենք չգիտենք արժեքը: Օրինակ, X- ը փոփոխական է: Մենք կարող ենք վերցնել ցանկացած արժեք X- ում, օրինակ ՝ X = 1,2,3: 4.5 ……….

բայց ե՞րբ ենք մենք վերցնում այս անհայտ արժեքները:

Մենք վերցնում ենք այդ արժեքները, երբ մենք պատահական փորձ ենք կատարում: Ամեն անգամ փորձ կատարելիս արժեք ես ստանում: Հիմա պահեք այս արժեքը X- ում, ապա X- ը կոչվում է պատահական փոփոխական:

Եթե ​​ունեք պատահական փոփոխական, RV- ում ստանում եք այդ արժեքների համար որոշակի հավանականություններ: Եթե ​​հավանականություններ ունեք, բաշխումներ ունեք:

Պատահական փոփոխական - → հավանականություններ - → բաշխումներ

Հավանականությունների բաշխման երկու տեսակ կա

  1. Առանձնահատուկ բաշխումներ

Այժմ միասնական և նորմալ բաշխումները շարունակական բաշխումների օրինակ են:

տեսեք սլաքի տեղադրված բառերը:

Եթե ​​հասկանում եք հավասար և նորմալ բաշխումների միջև եղած տարբերությունը, հասկանում եք կապված պատահական փոփոխականները:

Նույնիսկ բաշխում.

Հիմա դիտարկենք մի փորձ, որում գլորվում է մահը

(i) Ի՞նչ է պատահական փոփոխական այստեղ:

Պատասխան ՝ ստացեք արժեք 1-ից 6, x = (1.6)

Ամեն անգամ մեռնելիս գլորում եմ 1-ից 6-ի արժեք

Այժմ դուք տեսնում եք սլաքի բառը

Պատահական փոփոխական - → հավանականություններ - → բաշխումներ

RV- ից հետո մենք կարող ենք հավանականություններ ստեղծել

(ii) Ո՞րն է հավանականությունը.

Պատասխան ՝ p = n (ներ) ը / N = ամեն անգամ, երբ ստանում ենք արժեք / ընդհանուր արժեքներ = 1/6

Այսինքն, եթե 1-ից 6-րդ արժեք եք ստանում, դուք ստանում եք հավանականությունը P (x) = 1/6

(iii) այժմ բաշխումը.

Վերցրեք x- առանցքի պատահական փոփոխական x- ը, x- ն ունի արժեքներ 1-ից 6-ի

Վերցրեք այս համարի համապատասխան հավանականությունը Y առանցքի համար

Այստեղ յուրաքանչյուր թիվ ունի նույն հավանականությունը

վերը նշված դիագրամում n = 6, a = 1, b = 6, x- ը RV- ն է, f (x) կամ հավանականության զանգվածային գործառույթն է (PMF) ՝ դիսկրետ բաշխման համար, կամ հավանականության խտության գործառույթը (PDF) ՝ շարունակական բաշխման համար:

Նորմալ բաշխում.

Անկախ այն բանից, թե բաշխումը որ գործընթացն է նույնը, նախ վերցրեք պատահական փոփոխականը, ապա կատարեք հավանականություններ, ապա կատարեք բաշխումներ:

տե՛ս նկարը վերևում այն ​​ունի x- առանցք, ունի որոշ RV, իսկ y- առանցքը ունի իր հավանականությունը: Եթե ​​դուք դա ստանդարտացնում եք, մենք ստանդարտ նորմալ բաշխում ենք ստանում:

Ի՞նչ է ստանդարտացումը:

Վիճակագրության մեջ ստանդարտացումը նշանակում է, որ տարբեր փոփոխականները դրվում են նույն մասշտաբի վրա: Այս գործընթացը հնարավորություն է տալիս համեմատել վարկանիշները տարբեր տեսակի փոփոխականների միջև: Տվյալներում դուք ունեք շատ փոփոխականներ ՝ տարիքը, եկամուտը, սեռը: Յուրաքանչյուր փոփոխական տարբեր միավորներ ունի տարբեր արժեքներ: Այս փոփոխականները միասին դժվար է հաշվարկել, երբ միավորները տարբեր են: Այնպես որ, մենք պետք է ստանդարտացված լինեինք

որտեղ փոփոխականների տրված տվյալների X կետը, MU = փոփոխականների միջին արժեքը, Sigma = փոփոխականների ստանդարտ շեղումը

Ընդհանուր առմամբ, նորմալ բաշխման միջակայքն անսահման է, բայց ստանդարտ նորմալ բաշխման միջակայքը -3-ից +3, այս արժեքից բացի, կոչվում է ամենահեռավոր

Հուսով եմ, որ դա օգտակար կլինի