Пример за прашање за дискусија за нормална распределба
Нормалната распределба, позната и како Гаусова распределба, е најчесто користената распределба на веројатноста во статистиката. Оваа распределба има симетрична форма на ѕвонче, што укажува дека податоците се распоредени околу средната вредност и веројатноста за екстреми (вредности далеку од средната вредност) е мала.
Во оваа статија, ќе разгледаме различни примери на проблеми поврзани со нормалната распределба и како да ги решиме. Ќе започнеме со воведување на некои основни концепти, а потоа ќе преминеме на посложени примери.
Основи на нормална распределба
Нормалната распределба е континуирана распределба со два параметри: средна вредност и стандардна девијација (SD). Средната вредност го одредува центарот на распределбата, додека стандардната девијација ја одредува ширината на распределбата.
Важни карактеристики на нормалната распределба:
1. Симетрија: Нормалната распределба е симетрична околу средната вредност.
2. Емпириско правило (Емпириско правило):
– Околу 68% од податоците се во рамките на една стандардна девијација од средната вредност.
– Приближно 95% од податоците се наоѓаат во рамките на две стандардни отстапувања од средната вредност.
– Приближно 99.7% од податоците се наоѓаат во рамките на три стандардни отстапувања од средната вредност.
Пример прашања и дискусија
Пример за прашање 1: Пресметување на Z-оценката
Прашање: Испитот има просечен резултат од 70 со стандардна девијација од 10. Студентот добива резултат од 80. Кој е Z-резултатот на студентот?
Решение:
Z-резултатот е мерка за тоа колку стандардни отстапувања има една вредност од средната вредност.
Формула за Z-оценка:
\[ Z = \frac{X - \mu}{\sigma} \]
Димана:
– \( X \) е набљудуваната вредност.
– \( \mu \) е просекот.
– \( \sigma \) е стандардната девијација.
Познато е:
– \( X = 80 \)
– \( \mu = 70 \)
– \( \sigma = 10 \)
Примена на формулата:
\[ Z = \frac{80 - 70}{10} = 1 \]
Значи, Z-резултатот на студентот е 1, што значи дека резултат од 80 е една стандардна девијација над средната вредност.
Пример за прашање 2: Веројатност за одредена вредност
Прашање: Во нормална распределба со средна вредност од 100 и стандардна девијација од 15, која е веројатноста да се најде вредност под 85?
Решение:
Чекорите:
1. Пресметајте го Z-резултатот за вредноста \(X = 85 \):
\[ Z = \frac{85 - 100}{15} = \frac{-15}{15} = -1 \]
2. Користете Z-табела или статистички калкулатор за да ја пронајдете веројатноста што одговара на Z-резултат од -1. Во Z-табела, веројатноста за Z-резултат од -1 е приближно 0.1587.
Значи, веројатноста да се најде вредност под 85 е 0.1587 или 15.87%.
Пример за прашање 3: Користење на емпириски правила
Прашање: Познато е дека распределбата на резултатите од испитите по математика во училиштата следи нормална распределба со средна вредност од 75 и стандардна девијација од 8. Колкав дел од учениците постигнале резултат помеѓу 67 и 83?
Решение:
Лангка-лангка:
1. Пресметајте го Z-резултатот за вредностите 67 и 83:
\[ Z_{67} = \frac{67 - 75}{8} = \frac{-8}{8} = -1 \]
\[ Z_{83} = \frac{83 - 75}{8} = \frac{8}{8} = 1 \]
2. Според емпириските правила, вредностите помеѓу -1 SD и +1 SD од средната вредност опфаќаат околу 68% од популацијата.
Значи, процентот на ученици кои постигнале резултат помеѓу 67 и 83 бил околу 68%.
Пример за прашање 4: Пресметување на вредности од перцентили
Прашање: Ако просечната висина на возрасните мажи во една земја е 175 см со стандардна девијација од 7 см, која е висината на 90-тиот перцентил?
Решение:
Лангка-лангка:
1. Пронајдете го Z-резултатот што одговара на 90-тиот перцентил. Врз основа на Z-табелата, Z-резултатот што е најблиску до 0.9000 е приближно 1.28.
2. Користете ја формулата за да ја пресметате вредноста на \(X \):
\[ X = \mu + Z \times \sigma \]
\[ X = 175 + 1.28 \times 7 \]
\[ X = 175 + 8.96 \]
\[ X = 183.96 \]
Значи, висината во 90-тиот перцентил е околу 183.96 см.
Пример за прашање 5: Веројатност на одреден интервал
Прашање: Со оглед на тоа што распределбата на тежините на новороденчињата следи нормална распределба со средна вредност од 3.5 кг и стандардна девијација од 0.5 кг, која е веројатноста бебето да тежи помеѓу 3 кг и 4 кг?
Решение:
Лангка-лангка:
1. Пресметајте го Z-резултатот за вредностите 3 кг и 4 кг:
\[ Z_{3} = \frac{3 - 3.5}{0.5} = \frac{-0.5}{0.5} = -1 \]
\[ Z_{4} = \frac{4 - 3.5}{0.5} = \frac{0.5}{0.5} = 1 \]
2. Веројатноста за Z-резултат помеѓу -1 и 1 врз основа на Z табелата е приближно 0.6826 или 68.26%.
Значи, веројатноста за бебе со тежина помеѓу 3 кг и 4 кг е околу 68.26%.
Заклучок
Нормалната распределба е фундаментален концепт во статистиката кој е клучен и има многу примени во реалниот свет. Во оваа статија, ги објаснивме основните концепти на нормалната распределба и решивме неколку примери за да го продлабочиме нашето разбирање.
Разбирањето на нормалната распределба е важно не само за статистиката, туку и за разни практични области како што се психологијата, економијата и другите општествени науки. Со доволно пракса, решавањето на проблемите со нормална распределба може да стане поинтуитивно и да помогне во донесувањето одлуки базирани на податоци.
