Primjer pitanja za diskusiju o uniformnoj distribuciji
Uniformna distribucija je jedan od najjednostavnijih tipova distribucija vjerovatnoće u statistici. Podijeljena je na dva glavna tipa: diskretnu uniformnu distribuciju i kontinuiranu uniformnu distribuciju. U ovom članku ćemo razmotriti oba tipa uniformne distribucije, dati primjere i razmotriti rješenja ovih problema.
Diskretna uniformna distribucija
Diskretna uniformna distribucija je distribucija vjerovatnoće u kojoj svaki mogući ishod eksperimenta ili događaja ima jednaku šansu da se dogodi. Najjednostavniji primjeri su bacanje kocke ili biranje karte iz skupa identičnih karata.
Primjer pitanja 1
Pitanje:
Pravedna kocka ima 6 strana numerisanih od 1 do 6. Odredite vjerovatnoću da ćete dobiti 4 na jednom bacanju kocke.
Diskusija:
Budući da svaka strana ispravne kocke ima jednaku vjerovatnoću pojavljivanja, možemo reći da je vjerovatnoća svake strane:
P(A) = 1/n
Gdje je n ukupan broj mogućih ishoda. U ovom slučaju, n = 6.
Dakle, vjerovatnoća dobijanja broja 4 je:
P(4) = 1/6 ≈ 0.167 ili 16.7%
Primjer pitanja 2
Pitanje:
Kutija sadrži 10 kuglica označenih brojevima od 1 do 10. Ako se jedna kuglica izvuče nasumično, izračunajte vjerovatnoću da izvučena kuglica ima broj veći od 7.
Diskusija:
Broj odgovarajućih kuglica su kuglice označene brojevima 8, 9 i 10. Dakle, od ukupno 10 kuglica postoje 3 odgovarajuće kuglice.
P(B) = broj kuglica koje ispunjavaju uslove / ukupan broj kuglica
P(B) = 3 / 10 = 0.3 ili 30%
Kontinuirana uniformna distribucija
Kontinuirana uniformna distribucija je distribucija u kojoj sve vrijednosti unutar datog intervala imaju jednaku vjerovatnoću pojavljivanja. Ova distribucija se često javlja u situacijama kada je svaki ishod unutar datog raspona jednako vjerovatan.
Primjer pitanja 3
Pitanje:
Pretpostavimo da je X slučajna varijabla ravnomjerno raspoređena između 0 i 1. Nađite vjerovatnoću da je X između 0.25 i 0.75.
Diskusija:
Za kontinuiranu uniformnu distribuciju, gustina vjerovatnoće je konstantna u cijelom intervalu. U ovom slučaju, interval je od 0 do 1, što znači da je gustina vjerovatnoće (f(x)) jednaka 1 jer uniformna distribucija mora imati ukupnu površinu ispod krive od 1.
Vjerovatnoća da je X između 0.25 i 0.75 može se izračunati kao površina ispod krive PDF (funkcije gustoće vjerovatnoće) između ove dvije granice.
P(0.25 ≤ X ≤ 0.75) = (b – a) / (d – c)
Gdje su a i b donja i gornja granica intervala koji tražimo, a c i d su granice uniformne distribucije. U ovom slučaju, a = 0.25, b = 0.75, c = 0 i d = 1.
P(0.25 ≤
Dakle, vjerovatnoća da je X između 0.25 i 0.75 iznosi 0.5 ili 50%.
Primjer pitanja 4
Pitanje:
Mjerenje se vrši instrumentom sa uniformnom raspodjelom tačnosti u intervalu [2, 5]. Naći vjerovatnoću da mjerenje daje vrijednost između 3 i 4.
Diskusija:
Za uniformnu distribuciju na intervalu [2, 5], gustina vjerovatnoće je konstantna, a ukupna površina ispod krive je 1. Dakle, gustina vjerovatnoće (f(x)) je 1/(5-2) = 1/3.
Vjerovatnoća da je mjerenje između 3 i 4 je:
P(3 ≤ X ≤ 4) = (b – a) / (d – c)
Gdje su a i b granice intervala koji tražimo, a c i d su granice uniformne distribucije. U ovom slučaju, a = 3, b = 4, c = 2 i d = 5.
P(3 ≤ X ≤ 4) = (4 – 3) / (5 – 2) = 1/3 ≈ 0.333 ili 33.3%
Zaključak
Uniformna distribucija je veoma koristan alat u analizi vjerovatnoće i statističkoj analizi zbog svoje jednostavnosti i lakoće razumijevanja. I u diskretnom i u kontinuiranom obliku, uniformna distribucija osigurava da svaki ishod unutar datog raspona ima istu vjerovatnoću.
Ključne tačke
1. Diskretna uniformna distribucija: Vjerovatnoća svakog ishoda unutar određenog raspona je ista. Primjer: bacanje kocke.
2. Kontinuirana uniformna distribucija: Gustina vjerovatnoće je konstantna kroz cijeli interval. Primjer: mjerenje dužine ili težine preciznim alatom unutar određenog raspona.
Razumijevanjem ovog koncepta i kroz primjere i diskusije, možemo lakše primijeniti uniformnu distribuciju na različite situacije i istraživanja iz stvarnog svijeta. Ovo pomaže u razjašnjavanju fenomena koji imaju jednako vjerovatne ishode, bilo u diskretnom ili kontinuiranom obliku.
Uniformne distribucije su korisne ne samo u statistici, već i u računarstvu, inženjerstvu, ekonomiji i mnogim drugim oblastima gdje je potrebno donošenje odluka ili analiza podataka. Na primjer, u Monte Carlo simulacijama, uniformne distribucije se često koriste za generiranje slučajnih vektora unutar određenog raspona, koji se zatim koriste za procjenu različitih scenarija i ishoda.
Nadamo se da vam je ovaj članak pomogao da bolje razumijete uniformnu distribuciju i kako rješavati probleme s njom. Nastavite vježbati kako biste savladali ovaj koncept i primijenili ga na slučajeve iz stvarnog svijeta relevantne za vašu oblast.
