نمونه سوالات مربوط به تابع توزیع نرمال

سوالات نمونه و بحث در مورد تابع توزیع نرمال

توزیع نرمال که با نام توزیع گاوسی نیز شناخته می‌شود، یکی از اساسی‌ترین توزیع‌های احتمال در آمار و تحلیل داده‌ها است. این توزیع با یک منحنی زنگوله‌ای متقارن در اطراف میانگین مشخص می‌شود که پراکندگی داده‌ها، انحراف معیار مقادیر اطراف آن را نشان می‌دهد. توزیع نرمال اساس بسیاری از مفاهیم در آمار استنباطی است و به طور گسترده در زمینه‌های مختلف از جمله اقتصاد، روانشناسی و علوم اجتماعی مورد استفاده قرار می‌گیرد.

در این مقاله، برای درک بهتر تابع توزیع نرمال، به بررسی چند مثال و راه‌حل‌های آنها خواهیم پرداخت.

مفاهیم اساسی توزیع نرمال

توزیع نرمال با دو پارامتر اصلی توصیف می‌شود:

۱. میانگین (μ): میانگین مجموعه داده‌ها.
۲. انحراف معیار (σ): میزان پراکندگی داده‌ها را حول میانگین اندازه‌گیری می‌کند.

تابع چگالی احتمال توزیع نرمال به صورت زیر است:

\[ f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{ -\frac{(x-\mu)^2}{2\sigma^2} } \]

در اینجا چند گام اساسی برای حل مسائل با استفاده از توزیع نرمال آورده شده است:

۱. تعیین مقدار Z: مقدار Z معیاری است که نشان می‌دهد داده‌ها چقدر از میانگین در واحدهای انحراف معیار فاصله دارند و با استفاده از فرمول زیر محاسبه می‌شود:
\[ Z = \frac{X – \mu}{\sigma} \]

۲. استفاده از جدول Z: جدول Z یا جدول توزیع نرمال استاندارد برای یافتن احتمال یا درصد داده‌هایی که پایین‌تر یا بالاتر از یک مقدار Z خاص هستند، استفاده می‌شود.

نمونه سوالات و بحث در مورد توزیع نرمال

سوال ۳
میانگین نمره ریاضی یک کلاس ۷۰ با انحراف معیار ۱۰ است. اگر نمرات آزمون نرمال باشند، چند درصد از دانش‌آموزان نمره‌ای بیش از ۸۵ گرفته‌اند؟

بحث:

۱. تعیین امتیاز Z: ابتدا، امتیاز Z را برای X = ۸۵ محاسبه کنید.
\[ Z = \frac{X - \mu}{\sigma} = \frac{85 - 70}{10} = 1.5 \]

۲. نگاهی به جدول Z: ما به دنبال مقدار احتمال برای Z = ۱.۵ از جدول Z هستیم. مقدار احتمال برای Z = ۱.۵ برابر با ۰.۹۳۳۲ است. این بدان معناست که ۹۳.۳۲٪ از مقادیر کمتر از Z = ۱.۵ هستند.

۳. محاسبه درصد: از آنجایی که به درصد دانش‌آموزانی که نمره بیش از ۸۵ گرفته‌اند نیاز داریم، ۱ - ۰.۹۳۳۲ = ۰.۰۶۶۸ را محاسبه می‌کنیم.
بنابراین، ۶.۶۸٪ از دانش‌آموزان نمره‌ای بالاتر از ۸۵ کسب کردند.

سوال ۳
قد مردان بالغ در یک کشور از توزیع نرمال با میانگین ۱۷۵ سانتی‌متر و انحراف معیار ۶ سانتی‌متر پیروی می‌کند. درصد مردانی را که قد آنها بین ۱۷۰ سانتی‌متر و ۱۸۰ سانتی‌متر است، تعیین کنید.

بحث:

۱. امتیاز Z را برای قد ۱۷۰ سانتی‌متر تعیین کنید:
\[ Z_{170} = \frac{170 – 175}{6} = – \frac{5}{6} \تقریباً -0.83 \]

۱. امتیاز Z را برای قد ۱۷۰ سانتی‌متر تعیین کنید:
\[ Z_{180} = \frac{180 – 175}{6} \تقریباً 0.83 \]

۳. جدول Z را مشاهده کنید:
– احتمال برای Z = -0.83 برابر با 0.2033 است.
– احتمال برای Z = 0.83 برابر با 0.7967 است.

۴. محاسبه درصد:
احتمال قد بین ۱۷۰ سانتی‌متر و ۱۸۰ سانتی‌متر برابر است با ۰.۷۹۶۷ – ۰.۲۰۳۳ = ۰.۵۹۳۴.
– بنابراین، ۵۹.۳۴٪ از مردان قدی بین ۱۷۰ تا ۱۸۰ سانتی‌متر دارند.

سوال ۳
یک آزمون هوش از توزیع نرمال با میانگین ۱۰۰ و انحراف معیار ۱۵ استفاده می‌کند. چه نمره‌ای در محدوده‌ی صدک ۸۵ قرار می‌گیرد؟

بحث:

۱. یافتن مقدار Z برای صدک ۸۵ام: از جدول Z یا با استفاده از ماشین حساب، صدک ۸۵ام معادل Z = ۱.۰۴ است.

۲. محاسبه‌ی نمره‌ی بهره‌ی هوشی:
\[ X = Z\sigma + \mu \]
\[ X = 1.04 \times 15 + 100 \]
\[ ایکس = ۱۷۵ + ۸.۹۶ \]
\[ ایکس = ۱۸۳.۹۶ \]

بنابراین، نمره بهره هوشی که در صدک ۸۵ قرار می‌گیرد، حدود ۱۱۵.۶ است.

سوال ۳
اگر مشخص باشد که میانگین نمرات آزمون شناختی دانش‌آموزان دبیرستانی ۶۵ با انحراف معیار ۱۲ است، چه نمره‌ای در صدک ۲۵ قرار می‌گیرد؟

بحث:

۱. یافتن مقدار Z برای صدک ۲۵ام: از جدول Z یا با استفاده از ماشین حساب، Z برای صدک ۲۵ام تقریباً -۰.۶۷۴ است.

۲. محاسبه نمرات آزمون:
\[ X = Z\sigma + \mu \]
\[ X = -0.674 \times 12 + 65 \]
\[ ایکس = -۸.۰۸۸ + ۶۵ \]
\[ X \تقریباً ۵۶.۹۱۲ \]

بنابراین، مقداری که در صدک بیست و پنجم قرار دارد، حدود ۵۶.۹۱۲ است.

نتیجه گیری

توزیع نرمال یک مفهوم حیاتی در آمار است که به ما امکان می‌دهد داده‌ها را از دیدگاه احتمال تجزیه و تحلیل و درک کنیم. با استفاده از رویکرد توزیع نرمال، می‌توانیم درصدها را محاسبه کنیم، مقادیر خاص را بر اساس صدک‌ها تعیین کنیم و داده‌ها را با میانگین مقایسه کنیم.

حل مسائل با توزیع نرمال نه تنها برای امتحانات و تحقیقات دانشگاهی مفید است، بلکه کاربردهای عملی در بسیاری از زمینه‌های زندگی واقعی مانند روانشناسی، تجارت و علوم اجتماعی نیز دارد. امیدواریم از طریق مثال‌ها و بحث‌های بالا، درک بهتری از تابع توزیع نرمال و نحوه‌ی به‌کارگیری آن در زمینه‌های مختلف به دست آورید.

نظر بدهید