Statistikada # Normal Paylanma Formulu
Normal paylanma, həmçinin Qaus paylanması və ya zəng əyrisi kimi də tanınır, statistikada ən fundamental anlayışlardan biridir. Onun mövcudluğu tez-tez müxtəlif statistik və ehtimal təhlillərinin əsası hesab olunur. Bu paylanma təkcə nəzəriyyədə deyil, həm də maliyyə risklərinin idarə edilməsi, sosial elmlər, tibb və digər sahələrdə tez-tez istifadə olunur.
## Normal Paylanmanın Tərifi
Normal paylanma, orta qiymətinə nisbətən simmetrik olan davamlı ehtimal paylanmasıdır. Başqa sözlə, bu paylanmanın qrafik qrafiki orta qiymətdə genişlənən və quyruq qiymətlərində daralan zəng əyrisi əmələ gətirəcək. Bu paylanmanın iki əsas parametri var: orta qiymət (μ) və standart sapma (σ).
Orta qiymət paylanmanın mərkəzinin yerini müəyyən edir, standart sapma isə məlumatların orta qiymət ətrafında nə qədər yayıldığını ölçür. Standart sapma nə qədər böyükdürsə, paylanma əyrisi bir o qədər geniş və qısadır; standart sapma nə qədər kiçikdirsə, əyri bir o qədər dar və dikdir.
## Ehtimal Sıxlığı Funksiyası
Normal paylanma üçün ehtimal sıxlığı funksiyası (pdf) aşağıdakı riyazi formaya malikdir:
\[ f(x | \mu, \sigma) = \frac{1}{\sigma \sqrt{2 \pi}} e^{ -\frac{(x-\mu)^2}{2\sigma^2} } \]
Burada:
– \( x \) təsadüfi dəyişəndir.
– \( \mu \) paylanmanın orta qiymətidir.
– \( \sigma \) paylanmanın standart sapmasıdır.
– \( e \) natural loqarifmin əsasını təşkil edir, təxminən 2.71828.
Yuxarıdakı funksiya simmetrik zəng əyrisi yaradır. Bu funksiyanın iki nöqtə arasındakı inteqralı təsadüfi dəyişənin bu iki dəyər arasında yerləşmə ehtimalını verir.
## Standart Normal Paylanma
Standart normal paylanma orta qiyməti \(\mu = 0 \) və standart sapma \(\sigma = 1 \) olan normal paylanmadır. Standart normal paylanma üçün ehtimal sıxlığı funksiyası belədir:
\[ f(z) = \frac{1}{\sqrt{2 \pi}} e^{ -\frac{z^2}{2} } \]
Burada:
– \( z \) standart normal paylanmaya uyğun təsadüfi dəyişəndir.
Standart normal paylanma tez-tez istifadə olunur, çünki o, bizə "standartlaşdırma" adlanan proses vasitəsilə digər normal paylanmaları standartlaşdırmağa imkan verir. Standartlaşdırma, aşağıdakı düsturdan istifadə edərək normal paylanmanın (N(\mu, \sigma)) \(x \) dəyərlərini standart normal paylanmanın (N(0, 1) \(z \) dəyərlərinə çevirməyi əhatə edir:
\[ z = \frac{x – \mu}{\sigma} \]
Bu proses, müxtəlif normal paylanmalardan dəyərləri tək bir miqyasda xəritələşdirərək müqayisə etməyi asanlaşdırır.
## Tətbiq və Uyğunluq
### 1. Mərkəzi Limit Teoremi
Normal paylanma, Mərkəzi Limit Teoremi (MLT) kontekstində xüsusilə aktualdır. MLT, orijinal paylanmanın formasından asılı olmayaraq, kifayət qədər çox sayda müstəqil təsadüfi dəyişənin təxminən normal paylanacağını bildirir. Bu o deməkdir ki, nümunə kifayət qədər böyük olduğu müddətcə normal paylanma nümunə orta dəyərinin paylanmasını təxmini olaraq təyin etmək üçün istifadə edilə bilər.
### 2. Statistik Nəticə
Normal paylanma z-testi və t-testi kimi hipotez testlərinin tətbiqinə imkan verir. Hər iki üsul müşahidə olunan nəticələrin statistik əhəmiyyətini müəyyən etmək üçün standart normal paylanmadan istifadə edir. Z-testi adətən nümunə ölçüsü böyük olduqda və ya populyasiyanın standart sapması məlum olduqda istifadə olunur, t-testi isə nümunə ölçüsü kiçik olduqda və ya populyasiyanın standart sapması məlum olmadıqda tətbiq olunur.
### 3. Reqressiya təhlili
Xətti reqressiya analizində səhv məlumatlarının normal paylanmış olduğu fərziyyəsi çox vacibdir. Bu fərziyyə etibarlılıq intervallarının hesablanmasına və reqressiya model parametrlərinin əhəmiyyətinin yoxlanılmasına imkan verir. Eynilə, məlumat səhvlərinin və ya kənarlaşmaların aşkarlanması çox vaxt qalıq paylanmanı normallıqdan əhəmiyyətli sapmalar üçün araşdırmaqla aparılır.
### 4. Tibb və Biologiya
Tibbdə normal paylanma müxtəlif bioloji hadisələrin paylanmasını təsvir etmək üçün istifadə olunur. Məsələn, boy, qan təzyiqi və müəyyən laboratoriya test nəticələri çox vaxt normal paylanmanı izləyir. Bu, tibbi diaqnozlar üçün keçid dəyərlərinin müəyyən edilməsini asanlaşdırır.
### 5. Maliyyə və İqtisadiyyat
Maliyyədə normal paylanma səhm gəlirləri, faiz dərəcələri və daha çox kimi bir çox fenomeni modelləşdirmək üçün istifadə olunur. Təcrübədə səhmlər tez-tez daha yüksək əyrilik və kurtoz nümayiş etdirsələr də, normal paylanma fərziyyəsi yenə də möhkəm analitik əsas təmin edir.
## Tətbiq və Hesablama
### Python istifadə
Python, NumPy və SciPy kimi kitabxanalarla normal paylanma ilə işləmək üçün bir neçə metod təqdim edir. Bu kitabxanalardan istifadə edərək normal paylanmanı necə ümumiləşdirə və qrafik qura biləcəyimizə dair bir nümunə:
“`piton
np şəklində idxal
matplotlib.pyplot faylını plt olaraq idxal edin
scipy.stats idxal normasından
# Normal paylanma parametrləri
mu = 0 # orta
sigma = 1 # standart sapma
# Normal paylanma üçün məlumatlar
x = np.linspace(-5, 5, 1000)
y = norm.pdf(x, mu, sigma)
# Normal paylanma qrafiki
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('Sıxlıq')
plt.title('Normal Paylanma N(0, 1)')
plt.show()
""
Yuxarıdakı nümunədə, orta qiyməti 0 və standart sapma 1 olan normal paylanma məlumatları yaratdıq və sonra onun ehtimal sıxlığı funksiyasını qrafik şəklində qurduq.
## Nəticə
Normal paylanma statistika və ehtimal nəzəriyyəsində mühüm rol oynayır. Mərkəzi Limit Teoremindən tutmuş reqressiya təhlili və hipotez testi kimi müxtəlif praktik tətbiqlərə qədər universal istifadəsi onu ən populyar və vacib ehtimal paylanmalarından birinə çevirir. Normal paylanma düsturunu və ondan necə effektiv istifadə edəcəyini anlamaq məlumat elmində, tədqiqatda, iqtisadiyyatda və bir çox digər sahələrdə çalışan hər kəs üçün vacib bir bacarıqdır.
Bu biliklə, mövcud məlumatlara və ehtimallara əsaslanaraq daha yaxşı qərarlar qəbul etməyimizə imkan verən müxtəlif analitik problemlərə daha effektiv şəkildə yanaşa və həll edə bilərik.
