Primjeri pitanja o očekivanoj vrijednosti normalne distribucije
Normalna distribucija, poznata i kao Gaussova distribucija, jedna je od najčešće korištenih kontinuiranih distribucija vjerojatnosti u statistici i vjerojatnosti. Ova distribucija se često koristi kao osnovna pretpostavka u raznim statističkim zaključcima zbog svojih povoljnih matematičkih svojstava, poput simetrije i jedinstvenosti u parametrizaciji sa srednjom vrijednošću (µ) i standardnom devijacijom (σ). Ovaj članak će raspravljati o primjerima i očekivanoj vrijednosti normalne distribucije kako bi se pružilo dublje razumijevanje ovog koncepta.
Razumijevanje normalne distribucije
Normalna distribucija prikazana je simetričnom krivuljom u obliku zvona, s većinom vrijednosti koncentriranih oko srednje vrijednosti ili prosjeka. Unutar ove distribucije, prosjek (µ) i standardna devijacija (σ) dva su važna parametra koja određuju lokaciju i količinu raspršenja u podacima.
Funkcija gustoće vjerojatnosti (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 \( X \sim N(\mu, \sigma^2) \), tada je očekivana vrijednost \( E(X) \):
\[ E(X) = \mu \]
Nastavimo s nekim primjerima problema vezanih uz očekivane vrijednosti u normalnim distribucijama kako bismo ojačali naše razumijevanje.
Primjeri pitanja i rasprava
Primjer pitanja 1:
Pretpostavimo da je X normalno raspodijeljena slučajna varijabla s \mu = 50 \i \sigma = 10 \. Izračunajte očekivanu vrijednost \(X \).
Rasprava:
Kao što je ranije spomenuto, u normalnoj distribuciji, očekivana vrijednost \( E(X) \) jednaka je \( \mu \). Dakle,
\[ E(X) = \mu = 50 \]
Primjer pitanja 2:
Za slučajnu varijablu \( Y \) koja je normalno raspodijeljena s \( \mu = 120 \) i \( \sigma = 15 \). Pronađite očekivanu vrijednost \( Y \).
Rasprava:
Slično kao u prvom primjeru, očekivana vrijednost od \( Y \) je srednja vrijednost ili prosjek normalne distribucije, naime:
\[ E(Y) = \mu = 120 \]
Primjer pitanja 3:
Ako slučajna varijabla \( Z \) slijedi normalnu distribuciju s \( \mu = 0 \) i \( \sigma = 1 \) (standardna normalna distribucija), koja je očekivana vrijednost \( Z \)?
Rasprava:
Standardna normalna distribucija ima srednju vrijednost \( \mu = 0 \), pa je očekivana vrijednost \( E(Z) \):
\[ E(Z) = \mu = 0 \]
Primjer pitanja 4:
Pretpostavimo da je W normalno raspodijeljena slučajna varijabla sa srednjom vrijednošću (mu = 75) i standardnom devijacijom (sigma = 20). Ako definiramo novu slučajnu varijablu (V = 2W + 3), koja je očekivana vrijednost V?
Rasprava:
Da bismo pronašli očekivanu vrijednost od \( V \), moramo upotrijebiti svojstvo linearnosti očekivane vrijednosti. Uzimajući u obzir \( V = 2W + 3 \), tada:
\[ E(V) = E(2W + 3) \]
Na temelju 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 \( W \):
\[ E(W) = \mu = 75 \]
Tako,
\[ E(V) = 2 \puta 75 + 3 \]
\[ E(V) = 150 + 3 \]
\[ E(V) = 153 \]
Primjer pitanja 5:
Slučajna varijabla \( Q \) slijedi normalnu distribuciju sa srednjom vrijednošću \mu = 40 \) i standardnom devijacijom \sigma = 5 \). Kolika je očekivana vrijednost \( Q \) ako je \[ U = Q/2 \]?
Rasprava:
Koristimo isti princip kao u primjeru 4, naime svojstvo linearnosti očekivane vrijednosti. S obzirom na to da je \( U = Q/2 \), tada:
\[ E(U) = E\lijevo(\frac{Q}{2}\desno) \]
Na temelju svojstva linearnosti očekivane vrijednosti:
\[ E(U) = \frac{1}{2} E(Q) \]
Znamo da je očekivana vrijednost \( Q \) srednja vrijednost normalne distribucije \( Q \):
\[ E(Q) = \mu = 40 \]
Tako,
\[ E(U) = \frac{1}{2} \puta 40 \]
\[ E(U) = 20 \]
Zaključak
U normalnoj distribuciji, očekivana vrijednost slučajne varijable uvijek je jednaka srednjoj vrijednosti (µ) distribucije. Gornji primjeri problema pokazuju različite uvjete za izračunavanje očekivane vrijednosti pomoću svojstva linearnosti. Razumijevanje ovog osnovnog koncepta olakšava rješavanje problema normalne distribucije u statistici i vjerojatnosti.
Normalna distribucija ključna je u statistici jer se koristi u širokom rasponu praktičnih primjena, uključujući testiranje hipoteza, procjenu parametara i razne druge statističke zaključke. Dobro razumijevanje očekivane vrijednosti ove distribucije važan je prvi korak u analizi podataka.
Nadam se da ovaj članak pruža jasno i korisno objašnjenje očekivane vrijednosti u normalnoj distribuciji, uz relevantna primjerna pitanja i rasprave.
