Exemple d'una pregunta de debat sobre el valor esperat d'una distribució normal
La distribució normal, també coneguda com a distribució gaussiana, és una de les distribucions de probabilitat contínues més utilitzades en estadística i probabilitat. Aquesta distribució s'utilitza sovint com a suposició bàsica en diverses inferències estadístiques a causa de les seves propietats matemàtiques favorables, com ara la simetria i la seva singularitat en la parametrització amb una mitjana (µ) i una desviació estàndard (σ). Aquest article tractarà exemples i el valor esperat de la distribució normal per proporcionar una comprensió més profunda d'aquest concepte.
Comprensió de la distribució normal
La distribució normal es representa mitjançant una corba de campana simètrica, amb la majoria dels valors concentrats al voltant del valor mitjà, o mitjana. Dins d'aquesta distribució, la mitjana (µ) i la desviació estàndard (σ) són dos paràmetres importants que determinen la ubicació i la quantitat de dispersió a les dades.
La funció de densitat de probabilitat (PDF) de la distribució normal és:
\[f(x) = \frac{1}{\sqrt{2π\sigma^2}} e^{-\frac{(x – \mu)^2}{2\sigma^2}}\]
On:
– \( \mu \) és la mitjana o la mitjana
– \( \sigma \) és la desviació estàndard
– \(x \) és una variable aleatòria
Valor esperat en distribució normal
El valor esperat d'una variable aleatòria amb una distribució normal és igual a la mitjana de la distribució. Si (X = N(μ, sigma²)), aleshores el valor esperat (E(X)) és:
\[ E(X) = \mu \]
Continuem amb alguns exemples de problemes relacionats amb els valors esperats en distribucions normals per reforçar la nostra comprensió.
Exemples de preguntes i debat
Exemple de pregunta 1:
Suposem que \(X\) és una variable aleatòria amb distribució normal amb \(\mu = 50\) i \(\sigma = 10\). Calculeu el valor esperat de \(X\).
Discussió:
Com s'ha esmentat anteriorment, en una distribució normal, el valor esperat ∫(X)∫ és igual a ∫(μ∫). Per tant,
E(X) = μ = 50
Exemple de pregunta 2:
Donada una variable aleatòria ∫(Y) que té una distribució normal amb ∫(μ = 120) i ∫(sigma = 15). Trobeu el valor esperat de ∫(Y).
Discussió:
De manera similar al primer exemple, el valor esperat de \(Y\) és el valor mitjà o mitjana de la distribució normal, és a dir:
E(Y) = μ = 120
Exemple de pregunta 3:
Si la variable aleatòria ∫(Z) segueix una distribució normal amb ∫(mu = 0) i ∫(sigma = 1) (distribució normal estàndard), quin és el valor esperat de ∫(Z)?
Discussió:
La distribució normal estàndard té mitjana μ = 0, de manera que el valor esperat E(Z) és:
E(Z) = μ = 0
Exemple de pregunta 4:
Suposem que ∫(W) és una variable aleatòria amb distribució normal amb mitjana ∫(μ = 75) i desviació estàndard ∫(sigma = 20). Si definim una nova variable aleatòria ∫(V = 2W + 3), quin és el valor esperat de ∫(V)?
Discussió:
Per trobar el valor esperat de \(V\), hem d'utilitzar la propietat de linealitat del valor esperat. Donat \(V = 2W + 3\), aleshores:
\[ E(V) = E(2W + 3) \]
Basant-nos en la propietat de linealitat del valor esperat, podem separar la constant de la variable aleatòria:
\[ E(V) = 2E(W) + E(3) \]
Sabent que el valor esperat d'una constant és la mateixa constant:
\[ E(3) = 3 \]
I el valor esperat de \(W\) és la mitjana de la distribució normal \(W\):
E(W) = μ = 75
Així doncs,
[E(V) = 2 × 75 + 3]
\[ E(V) = 150 + 3 \]
\[ E(V) = 153 \]
Exemple de pregunta 5:
La variable aleatòria ∫(Q) segueix una distribució normal amb mitjana ∫(μ = 40) i desviació estàndard ∫(sigma = 5). Quin és el valor esperat de ∫(Q) si ∫(U = Q/2)?
Discussió:
Fem servir el mateix principi que a l'exemple 4, és a dir, la propietat de linealitat del valor esperat. Donat que \(U = Q/2 \), aleshores:
\[ E(U) = E\left(\frac{Q}{2}\right) \]
Basat en la propietat de linealitat del valor esperat:
\[ E(U) = \frac{1}{2} E(Q) \]
Sabem que el valor esperat de \(Q\) és la mitjana de la distribució normal \(Q\):
E(Q) = μ = 40
Així doncs,
\[ E(U) = \frac{1}{2} \times 40 \]
\[ E(U) = 20 \]
Conclusió
En una distribució normal, el valor esperat d'una variable aleatòria sempre és igual a la mitjana (µ) de la distribució. Els problemes d'exemple anteriors mostren diverses condicions per calcular el valor esperat utilitzant la propietat de linealitat. Comprendre aquest concepte bàsic facilita el maneig de problemes de distribució normal en estadística i probabilitat.
La distribució normal és crucial en estadística perquè s'utilitza en una àmplia gamma d'aplicacions pràctiques, com ara la prova d'hipòtesis, l'estimació de paràmetres i diverses altres inferències estadístiques. Una bona comprensió del valor esperat d'aquesta distribució és un primer pas important en l'anàlisi de dades.
Esperem que aquest article proporcioni una explicació clara i útil del valor esperat en la distribució normal juntament amb preguntes i debats d'exemple rellevants.
