Esimerkki keskustelukysymyksestä normaalijakauman odotusarvosta
Normaalijakauma, joka tunnetaan myös Gaussisena jakaumana, on yksi tilastotieteessä ja todennäköisyyslaskennassa käytetyimmistä jatkuvista todennäköisyysjakaumista. Tätä jakaumaa käytetään usein perusoletuksena erilaisissa tilastollisissa päätelmissä sen edullisten matemaattisten ominaisuuksien, kuten symmetrian ja parametrisoinnin ainutlaatuisuuden, keskiarvon (µ) ja keskihajonnan (σ), vuoksi. Tässä artikkelissa käsitellään esimerkkejä ja normaalijakauman odotusarvoa tämän käsitteen syvemmän ymmärtämisen aikaansaamiseksi.
Normaalijakauman ymmärtäminen
Normaalijakaumaa kuvaa symmetrinen kellokäyrä, jossa useimmat arvot keskittyvät keskiarvon eli keskiarvon ympärille. Tässä jakaumassa keskiarvo (µ) ja keskihajonta (σ) ovat kaksi tärkeää parametria, jotka määrittävät hajonnan sijainnin ja määrän datassa.
Normaalijakauman todennäköisyystiheysfunktio (PDF) on:
[f(x) = ∫{1}{2πρsigma^2}} e^{-(x – ∫μ)^2}{2π^2}}]
Jossa:
– \( \mu \) on keskiarvo tai keskiarvo
– \( \sigma \) on keskihajonta
– \(x \) on satunnaismuuttuja
Odotusarvo normaalijakaumassa
Normaalijakauman omaavan satunnaismuuttujan odotusarvo on yhtä suuri kuin jakauman keskiarvo. Jos \(X \sim N(\mu, \sigma^2) \), niin odotusarvo \(E(X) \) on:
\[ E(X) = \mu \]
Jatketaanpa esimerkeillä normaalijakaumien odotusarvoihin liittyvistä ongelmista ymmärryksemme vahvistamiseksi.
Katso myös Soal ja Pembahasan
Esimerkkikysymys 1:
Oletetaan, että η on normaalijakautunut satunnaismuuttuja, jossa η = 50 ja Sigma = 10. Laske η:n odotusarvo.
Keskustelu:
Kuten aiemmin mainittiin, normaalijakaumassa odotusarvo Σ(X) on yhtä suuri kuin Σ. Joten,
\[ E(X) = \mu = 50 \]
Esimerkkikysymys 2:
Oletetaan, että satunnaismuuttuja \(Y \) on normaalijakautunut, jossa \( \mu = 120 \) ja \( \sigma = 15 \). Etsi \(Y \):n odotusarvo.
Keskustelu:
Samoin kuin ensimmäisessä esimerkissä, \(Y \) :n odotusarvo on normaalijakauman keskiarvo eli keskiarvo, nimittäin:
\[ E(Y) = \mu = 120 \]
Esimerkkikysymys 3:
Jos satunnaismuuttuja \(Z \) noudattaa normaalijakaumaa, jossa \( \mu = 0 \) ja \( \sigma = 1 \) (standardi normaalijakauma), mikä on \(Z \):n odotusarvo?
Keskustelu:
Standardoidun normaalijakauman keskiarvo on \mu = 0 \), joten odotusarvo \(E(Z) \) on:
\[ E(Z) = \mu = 0 \]
Esimerkkikysymys 4:
Oletetaan, että W on normaalijakautunut satunnaismuuttuja, jonka keskiarvo on 75 ja keskihajonta 20. Jos määrittelemme uuden satunnaismuuttujaan V = 2W + 3, mikä on V:n odotusarvo?
Keskustelu:
Löytääksemme odotusarvon \(V \), meidän on käytettävä odotusarvon lineaarisuusominaisuutta. Oletetaan \(V = 2W + 3 \), niin:
\[ E(V) = E(2W + 3) \]
Odotusarvon lineaarisuusominaisuuden perusteella voimme erottaa vakion satunnaismuuttujasta:
\[ E(V) = 2E(W) + E(3) \]
Tietäen, että vakion odotusarvo on vakio itse:
\[ E(3) = 3 \]
Ja W:n odotusarvo on normaalijakauman W keskiarvo:
\[ E(W) = \mu = 75 \]
Niin,
\[E(V) = 2 kertaa 75 + 3 \]
\[E(V) = 150 + 3 \]
\[ E(V) = 153 \]
Esimerkkikysymys 5:
Satunnaismuuttuja \(Q \) noudattaa normaalijakaumaa, jonka keskiarvo \( \mu = 40 \) ja keskihajonta \( \sigma = 5 \). Mikä on \(Q \):n odotusarvo, jos \[ U = Q/2 \]?
Keskustelu:
Käytämme samaa periaatetta kuin esimerkissä 4, nimittäin odotusarvon lineaarisuusominaisuutta. Oletetaan, että \( U = Q/2 \), niin:
\[ E(U) = E\vasen(\frac{Q}{2}\oikea) \]
Odotusarvon lineaarisuusominaisuuden perusteella:
\[ E(U) = \frac{1}{2} E(Q) \]
Tiedämme, että \(Q \) :n odotusarvo on normaalijakauman \(Q \) keskiarvo:
\[ E(Q) = \mu = 40 \]
Niin,
\[E(U) = \frac{1}{2} \times 40 \]
\[ E(U) = 20 \]
Johtopäätös
Normaalijakaumassa satunnaismuuttujan odotusarvo on aina yhtä suuri kuin jakauman keskiarvo (µ). Yllä olevat esimerkkiongelmat havainnollistavat erilaisia ehtoja odotusarvon laskemiseksi lineaarisuusominaisuuden avulla. Tämän peruskäsitteen ymmärtäminen helpottaa normaalijakaumaongelmien käsittelyä tilastotieteessä ja todennäköisyyslaskennassa.
Normaalijakauma on tilastotieteessä ratkaisevan tärkeä, koska sitä käytetään monissa käytännön sovelluksissa, kuten hypoteesien testauksessa, parametrien estimoinnissa ja monissa muissa tilastollisissa päätelmissä. Tämän jakauman odotusarvon hyvä ymmärtäminen on tärkeä ensimmäinen askel data-analyysissä.
Toivottavasti tämä artikkeli tarjoaa selkeän ja hyödyllisen selityksen normaalijakauman odotusarvosta sekä asiaankuuluvia esimerkkikysymyksiä ja keskusteluja.
