Primjer pitanja za diskusiju o očekivanoj vrijednosti normalne distribucije
Normalna distribucija, poznata i kao Gaussova distribucija, jedna je od najčešće korištenih kontinuiranih distribucija vjerovatnoće u statistici i vjerovatnoći. Ova distribucija se često koristi kao osnovna pretpostavka u raznim statističkim zaključcima zbog svojih povoljnih matematičkih svojstava, kao što su simetrija i jedinstvenost u parametrizaciji sa srednjom vrijednošću (µ) i standardnom devijacijom (σ). Ovaj članak će razmotriti primjere i razmotriti očekivanu vrijednost normalne distribucije kako bi se pružilo dublje razumijevanje ovog koncepta.
Razumijevanje normalne distribucije
Normalna distribucija je prikazana simetričnom krivuljom u obliku zvona, pri čemu je većina vrijednosti koncentrisana oko srednje vrijednosti ili prosjeka. Unutar ove distribucije, prosjek (µ) i standardna devijacija (σ) su dva važna parametra koja određuju lokaciju i količinu rasprostranjenosti u podacima.
Funkcija gustine vjerovatnoće (PDF) normalne distribucije je:
\[f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x – \mu)^2}{2\sigma^2}}\]
Gdje:
– \( \mu \) je srednja vrijednost ili prosjek
– \( \sigma \) je standardna devijacija
– \( x \) je slučajna varijabla
Očekivana vrijednost u normalnoj distribuciji
Očekivana vrijednost slučajne varijable s normalnom distribucijom jednaka je srednjoj vrijednosti distribucije. Ako je \( X ∈ N(μ, ⃗²) \), tada je očekivana vrijednost \( E(X) \):
\[ E(X) = \mu \]
Nastavimo s nekim primjerima problema koji se odnose na očekivane vrijednosti u normalnim distribucijama kako bismo ojačali naše razumijevanje.
Primjeri pitanja i diskusija
Primjer pitanja 1:
Pretpostavimo da je \( X \) normalno raspodijeljena slučajna varijabla sa \( \mu = 50 \) i \( \sigma = 10 \). Izračunajte očekivanu vrijednost \( X \).
Diskusija:
Kao što je ranije spomenuto, u normalnoj distribuciji, očekivana vrijednost \( E(X) \) jednaka je \( \mu \). Dakle,
\[ E(X) = \mu = 50 \]
Primjer pitanja 2:
Data je slučajna varijabla \( Y \) normalno raspodijeljena sa \( \mu = 120 \) i \( \sigma = 15 \). Pronađite očekivanu vrijednost \( Y \).
Diskusija:
Slično kao u prvom primjeru, očekivana vrijednost \( Y \) je srednja vrijednost ili prosjek normalne distribucije, naime:
\[ E(Y) = \mu = 120 \]
Primjer pitanja 3:
Ako slučajna varijabla \(Z \) prati normalnu distribuciju sa \( \mu = 0 \) i \( \sigma = 1 \) (standardna normalna distribucija), koja je očekivana vrijednost \(Z \)?
Diskusija:
Standardna normalna distribucija ima srednju vrijednost \( \mu = 0 \), tako da je očekivana vrijednost \( E(Z) \):
\[ E(Z) = \mu = 0 \]
Primjer pitanja 4:
Pretpostavimo da je W normalno raspoređena slučajna varijabla sa srednjom vrijednošću (mu = 75) i standardnom devijacijom (sigma = 20). Ako definiramo novu slučajnu varijablu (V = 2W + 3), koja je očekivana vrijednost od V?
Diskusija:
Da bismo pronašli očekivanu vrijednost od \( V \), potrebno je da koristimo svojstvo linearnosti očekivane vrijednosti. Ako je dato \( V = 2W + 3 \), tada:
\[ E(V) = E(2W + 3) \]
Na osnovu svojstva linearnosti očekivane vrijednosti, možemo odvojiti konstantu od slučajne varijable:
\[ E(V) = 2E(W) + E(3) \]
Znajući da je očekivana vrijednost konstante sama konstanta:
\[ E(3) = 3 \]
A očekivana vrijednost od \( W \) je srednja vrijednost normalne distribucije \( W \):
\[ E(W) = \mu = 75 \]
Dakle,
\[ E(V) = 2 \puta 75 + 3 \]
\[ E(V) = 150 + 3 \]
\[ E(V) = 153 \]
Primjer pitanja 5:
Slučajna varijabla \( Q \) prati normalnu distribuciju sa srednjom vrijednošću \mu = 40 \) i standardnom devijacijom \sigma = 5 \). Koja je očekivana vrijednost \( Q \) ako je \[ U = Q/2 \]?
Diskusija:
Koristimo isti princip kao u primjeru 4, naime svojstvo linearnosti očekivane vrijednosti. S obzirom da je \( U = Q/2 \), tada:
\[ E(U) = E\lijevo(\frac{Q}{2}\desno) \]
Na osnovu svojstva linearnosti očekivane vrijednosti:
\[ E(U) = \frac{1}{2} E(Q) \]
Znamo da je očekivana vrijednost \( Q \) srednja vrijednost normalne distribucije \( Q \):
\[ E(Q) = \mu = 40 \]
Dakle,
\[ E(U) = \frac{1}{2} \puta 40 \]
\[ E(U) = 20 \]
Zaključak
U normalnoj distribuciji, očekivana vrijednost slučajne varijable uvijek je jednaka srednjoj vrijednosti (µ) distribucije. Gornji primjeri problema pokazuju različite uslove za izračunavanje očekivane vrijednosti korištenjem svojstva linearnosti. Razumijevanje ovog osnovnog koncepta olakšava rješavanje problema normalne distribucije u statistici i vjerovatnoći.
Normalna distribucija je ključna u statistici jer se koristi u širokom spektru praktičnih primjena, uključujući testiranje hipoteza, procjenu parametara i razne druge statističke zaključke. Dobro razumijevanje očekivane vrijednosti ove distribucije je važan prvi korak u analizi podataka.
Nadam se da ovaj članak pruža jasno i korisno objašnjenje očekivane vrijednosti u normalnoj distribuciji, zajedno s relevantnim primjerima pitanja i diskusijama.
