Նորմալ բաշխում

Նորմալ բաշխում. հայեցակարգ և իրական աշխարհում կիրառություններ

Նորմալ բաշխումը, որը հաճախ հայտնի է որպես Գաուսյան բաշխում, վիճակագրության և մաթեմատիկայի ամենահիմնարար հասկացություններից մեկն է: Այն ունի բազմաթիվ գործնական կիրառություններ տարբեր առարկաներում, ինչպիսիք են տնտեսագիտությունը, հոգեբանությունը, ճարտարագիտությունը և բնական գիտությունները: Այս հոդվածում կքննարկվեն նորմալ բաշխումը, դրա հատկությունները, դրա մաթեմատիկական բանաձևը և դրա կիրառման տարբեր օրինակներ առօրյա կյանքում:

Ի՞նչ է նորմալ բաշխումը։

Նորմալ բաշխումը սիմետրիկ, զանգակի ձև ունեցող հավանականության բաշխում է (հայտնի է որպես «զանգակի ձև»): Այս բաշխումը նկարագրում է, թե ինչպես են տարբեր տվյալների արժեքները բաշխվում միջինի (միջինի) շուրջ: Նորմալ բաշխման դեպքում միջինին մոտ գտնվող տվյալները ավելի հաճախ են հանդիպում, քան միջինից հեռու գտնվողները:

Նորմալ բաշխման մի քանի հիմնական բնութագրեր կան.

1. Սիմետրիկ. Նորմալ բաշխման գրաֆիկը սիմետրիկ է՝ կենտրոնում միջին արժեքով։ Սա նշանակում է, որ տվյալների արժեքների կեսը միջին արժեքից ցածր է, իսկ կեսը՝ միջին արժեքից բարձր։
2. Միջինը, միջնարժեքը և մոդը նույնն են. Նորմալ բաշխման դեպքում միջինը, միջնարժեքը և մոդը նույն կետում են։
3. Զանգի ձև. Նորմալ բաշխման գրաֆիկը զանգի ձև ունի և միջինի երկու կողմերում էլ էքսպոնենցիալ կերպով նվազում է x առանցքի ուղղությամբ։
4. Նվազող ծայրահեղություններ. Միջին արժեքից հեռու գտնվող արժեքները (ծայրահեղությունները) շատ հազվադեպ են հանդիպում միջինին մոտ գտնվող արժեքների համեմատ:

Նորմալ բաշխման բանաձև

Մաթեմատիկորեն, նորմալ բաշխումը արտահայտվում է հետևյալ հավանականության խտության ֆունկցիայով՝

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

Որտեղ՝
– \( f(x) \)-ն հավանականության խտության ֆունկցիան է։
– \( \mu \)-ն տվյալների միջին կամ միջին արժեքն է։
– \( \sigma \)-ն ստանդարտ շեղումն է, որը չափում է տվյալների տարածվածությունը։
– \( e \)-ն բնական լոգարիթմի հիմքն է, մոտավորապես 2.718։
– \( \pi \)-ն π հաստատունն է, մոտավորապես 3.14159։

Նորմալ բաշխումը կարող է նաև արտահայտվել ստանդարտ կամ «ստանդարտ նորմալի» տեսքով՝ միջին 0-ով և ստանդարտ շեղում 1-ով։ Սա նշանակվում է \(N(0, 1) \) նշանակմամբ։

Նորմալ բաշխման հատկությունները

1. Էմպիրիկ կանոն
Էմպիրիկ կանոնը մեթոդ է, որը հաճախ օգտագործվում է նորմալ բաշխումը հասկանալու համար: Այս կանոնը բացատրում է, թե ինչպես են նորմալ բաշխման տվյալները բաշխվում միջինի շուրջը.

– Տվյալների մոտ 68%-ը գտնվում է միջին արժեքի մեկ ստանդարտ շեղման սահմաններում (\( μ \pm \sigma \)):
– Տվյալների մոտ 95%-ը միջին արժեքից (\( μ ± 2 սիգմա)) երկու ստանդարտ շեղման սահմաններում է։
– Տվյալների մոտ 99.7%-ը միջին արժեքից (\( μ ± 3 սիգմա)) երեք ստանդարտ շեղման սահմաններում է։

2. Z-միավոր
Z-միավորը չափանիշ է, որը ցույց է տալիս, թե տվյալների բազմությունը միջինից քանի ստանդարտ շեղում ունի։ Այն հաշվարկվում է տվյալների և միջինի միջև եղած տարբերությունը ստանդարտ շեղման վրա բաժանելով։ Z-միավորը օգնում է որոշել տվյալների դիրքը նորմալ բաշխման մեջ։

\[ Z = \frac{(X – \mu)}{\sigma} \]

Որտեղ X-ը չափված տվյալների արժեքն է, mu-ն՝ միջինը, իսկ sigma-ն՝ ստանդարտ շեղումը։

3. Զանգի կոր
Զանգաձև կորը նորմալ բաշխման տեսողական ներկայացում է: Կորի գագաթնակետը կամ ամենաբարձր կետը գտնվում է միջին արժեքի վրա, և կորը սիմետրիկորեն իջնում ​​է միջին արժեքից երկու ուղղություններով՝ ձևավորելով զանգի ձև:

Նորմալ բաշխման կիրառությունները իրական աշխարհում

1. Վիճակագրություն և տվյալների վերլուծություն
Նորմալ բաշխումը լայնորեն օգտագործվում է վիճակագրության մեջ տվյալների վերլուծության համար: Շատ վիճակագրական մեթոդներ հիմնված են այն ենթադրության վրա, որ տվյալները հետևում են կամ մոտավորապես են մոտենում նորմալ բաշխմանը: Դրանք ներառում են վարկածների ստուգում, վստահության միջակայքեր և ռեգրեսիոն վերլուծություն:

2. Հոգեբանություն և սոցիալական գիտություններ
Հոգեբանության մեջ նորմալ բաշխումը հաճախ օգտագործվում է մարդկային տարբեր բնութագրերի, ինչպիսիք են IQ միավորները, հասակը և այլն, բաշխումը նկարագրելու համար: Շատ հոգեչափական թեստեր մշակվում են այն ենթադրության հիման վրա, որ թեստերի արդյունքները կհետևեն նորմալ բաշխմանը:

3. Տնտեսագիտություն և բիզնես
Տնտեսագետներն ու բիզնես վերլուծաբանները նորմալ բաշխումն օգտագործում են տարբեր տնտեսական երևույթներ, ինչպիսիք են բաժնետոմսերի եկամտաբերությունը, եկամուտը և ծախսերը, մոդելավորելու համար: Այս բաշխումը նպաստում է ռիսկերի գնահատմանը և որոշումների կայացմանը:

4. Ճարտարագիտություն և բնական գիտություններ
Ճարտարագիտության և բնական գիտությունների մեջ նորմալ բաշխումն օգտագործվում է տարբեր բնական և մարդածին գործընթացների արդյունքները վերլուծելու և կանխատեսելու համար: Օրինակ՝ որակի վերահսկման մեջ նորմալ բաշխումն օգնում է որոշել, թե արդյոք արտադրանքը համապատասխանում է որակի չափանիշներին:

5. Հավանականություն և որոշումների կայացում
Նորմալ բաշխումը օգտակար է հավանականության տեսության և որոշումների կայացման մեջ: Մոնտե Կառլոյի վերլուծության նման մեթոդները օգտագործում են նորմալ բաշխումը՝ կանխատեսմանը և պլանավորմանը նպաստող սիմուլյացիաներ իրականացնելու համար:

Եզրակացություն

Նորմալ բաշխումը վիճակագրության և շատ այլ ոլորտներում ամենահիմնարար և օգտակար հասկացություններից մեկն է: Այս բաշխման հասկացողությունը թույլ է տալիս մեզ ավելի արդյունավետորեն մշակել և վերլուծել տվյալները, ինչպես նաև կիրառել այս գիտելիքները տարբեր գործնական կիրառություններում: Անկախ նրանից, թե դա հոգեբանական չափման, բիզնեսի վերլուծության, թե արդյունաբերական որակի վերահսկողության մեջ է, նորմալ բաշխումը ամուր հիմք է ապահովում իրական աշխարհի երևույթները հասկանալու և կանխատեսելու համար: