דוגמה לשאלת דיון בנושא הערך הצפוי של התפלגות נורמלית
ההתפלגות הנורמלית, המכונה גם התפלגות גאוסית, היא אחת מהתפלגויות ההסתברות הרציפות הנפוצות ביותר בסטטיסטיקה ובהסתברות. התפלגות זו משמשת לעתים קרובות כהנחה בסיסית בהסקות סטטיסטיות שונות בשל תכונותיה המתמטיות החיוביות, כגון סימטריה וייחודיותה בפרמטריזציה עם ממוצע (µ) וסטיית תקן (σ). מאמר זה ידון בדוגמאות וידון בערך הצפוי של ההתפלגות הנורמלית כדי לספק הבנה מעמיקה יותר של מושג זה.
הבנת ההתפלגות הנורמלית
ההתפלגות הנורמלית מתוארת על ידי עקומת פעמון סימטרית, כאשר רוב הערכים מרוכזים סביב הערך האמצעי, או הממוצע. בתוך התפלגות זו, הממוצע (µ) וסטיית התקן (σ) הם שני פרמטרים חשובים הקובעים את מיקום וכמות ההתפלגות בנתונים.
פונקציית צפיפות ההסתברות (PDF) של ההתפלגות הנורמלית היא:
[f(x) = \frac{1}{\sqrt{2π\sigma^2}} e^{-\frac{(x – μ)^2}{2\sigma^2}}]
אֵיפֹה:
– \( \mu \) הוא הממוצע או הממוצע
– \( \sigma \) היא סטיית התקן
– \(x \) הוא משתנה אקראי
ערך צפוי בהתפלגות נורמלית
הערך הצפוי של משתנה אקראי עם התפלגות נורמלית שווה לממוצע ההתפלגות. אם \( X \sim N(\mu, \sigma^2) \), אז הערך הצפוי \( E(X) \) הוא:
[E(X) = μ]
בואו נמשיך עם כמה דוגמאות לבעיות הנוגעות לערכים צפויים בהתפלגויות נורמליות כדי לחזק את הבנתנו.
שאלות לדוגמה ודיון
שאלה לדוגמה 1:
נניח ש-\(X) הוא משתנה אקראי מתפלג נורמלית עם \(μ = 50 \) ו-\(sigma = 10 \). חשב את הערך הצפוי של \(X \).
דִיוּן:
כפי שצוין קודם לכן, בהתפלגות נורמלית, הערך הצפוי \(E(X) \) שווה ל- \(\mu \). לכן,
[E(X) = μ = 50]
שאלה לדוגמה 2:
בהינתן משתנה אקראי Y מתפלג נורמלית עם μ = 120 ו-Sigma = 15. מצא את הערך הצפוי של Y.
דִיוּן:
בדומה לדוגמה הראשונה, הערך הצפוי של \(Y \) הוא הערך האמצעי או הממוצע של ההתפלגות הנורמלית, כלומר:
\[ E(Y) = μ = 120 \]
שאלה לדוגמה 3:
אם המשתנה האקראי Z עוקב אחר התפלגות נורמלית עם μ = 0 ו-sigma = 1 (התפלגות נורמלית סטנדרטית), מהו הערך הצפוי של Z?
דִיוּן:
להתפלגות הנורמלית הסטנדרטית יש ממוצע של μ = 0, כך שהערך הצפוי E(Z) הוא:
\[ E(Z) = \mu = 0 \]
שאלה לדוגמה 4:
נניח ש-W הוא משתנה אקראי מתפלג נורמלית עם ממוצע של 75 וסטיית תקן של 20. אם נגדיר משתנה אקראי חדש (V = 2W + 3), מהו הערך הצפוי של V?
דִיוּן:
כדי למצוא את הערך הצפוי של \(V \), עלינו להשתמש בתכונת הלינאריות של הערך הצפוי. בהינתן \(V = 2W + 3 \), אז:
\[ E(V) = E(2W + 3) \]
בהתבסס על תכונת הלינאריות של הערך הצפוי, נוכל להפריד את הקבוע מהמשתנה האקראי:
\[ E(V) = 2E(W) + E(3) \]
בידיעה שהערך הצפוי של קבוע הוא הקבוע עצמו:
\[ E(3) = 3 \]
והערך הצפוי של \( W \) הוא ממוצע ההתפלגות הנורמלית \( W \):
\[ E(W) = μ = 75 \]
כָּך,
\[ E(V) = 2 \× 75 + 3 \]
\[ E(V) = 150 + 3 \]
\[ E(V) = 153 \]
שאלה לדוגמה 5:
המשתנה האקראי Q מתפלג לפי התפלגות נורמלית עם ממוצע של 40 וסטיית תקן של 5. מהו הערך הצפוי של Q אם U = Q/2?
דִיוּן:
אנו משתמשים באותו עיקרון כמו בדוגמה 4, כלומר תכונת הלינאריות של הערך הצפוי. בהינתן ש- U = Q/2, אז:
[ E(U) = E(\frac{Q}{2}\right) \]
בהתבסס על מאפיין הלינאריות של הערך הצפוי:
[E(U) = (1}{2} E(Q)]
אנו יודעים שהערך הצפוי של \(Q \) הוא ממוצע ההתפלגות הנורמלית \(Q \):
\[ E(Q) = μ = 40 \]
כָּך,
[E(U) = (1/2) כפול 40]
\[ E(U) = 20 \]
מסקנה
בהתפלגות נורמלית, הערך הצפוי של משתנה אקראי תמיד שווה לממוצע (µ) של ההתפלגות. בעיות הדוגמה לעיל מדגימות תנאים שונים לחישוב הערך הצפוי באמצעות תכונת הלינאריות. הבנת מושג בסיסי זה מקלה על הטיפול בבעיות התפלגות נורמלית בסטטיסטיקה ובהסתברות.
ההתפלגות הנורמלית היא קריטית בסטטיסטיקה משום שהיא משמשת במגוון רחב של יישומים מעשיים, כולל בדיקת השערות, הערכת פרמטרים והסקות סטטיסטיות שונות אחרות. הבנה טובה של הערך הצפוי של התפלגות זו היא צעד ראשון חשוב בניתוח נתונים.
יש לקוות שמאמר זה מספק הסבר ברור ושימושי על הערך הצפוי בהתפלגות הנורמלית יחד עם שאלות דוגמה ודיונים רלוונטיים.
