Статистикийн # Хэвийн тархалтын томъёо
Гауссын тархалт буюу хонхны муруй гэгддэг хэвийн тархалт нь статистикийн хамгийн үндсэн ойлголтуудын нэг юм. Үүний оршин тогтнолыг ихэвчлэн янз бүрийн статистик болон магадлалын шинжилгээний үндэс суурь гэж үздэг. Энэхүү тархалтыг зөвхөн онолд төдийгүй санхүүгийн эрсдэлийн удирдлага, нийгмийн ухаан, анагаах ухаан гэх мэт янз бүрийн практик хэрэглээнд байнга ашигладаг.
## Хэвийн тархалтын тодорхойлолт
Хэвийн тархалт гэдэг нь дундаж утгаараа тэгш хэмтэй тасралтгүй магадлалын тархалт юм. Өөрөөр хэлбэл, энэ тархалтын график график нь дундаж утгаараа тэлж, сүүл утгаараа нарийсдаг хонхны муруйг үүсгэнэ. Энэ тархалт нь хоёр үндсэн параметртэй: дундаж (μ) ба стандарт хазайлт (σ).
Дундаж нь тархалтын төвийн байршлыг тодорхойлдог бол стандарт хазайлт нь өгөгдөл дунджийн эргэн тойронд хэр тархсан байгааг хэмждэг. Стандарт хазайлт их байх тусам тархалтын муруй өргөн, богино байх; стандарт хазайлт бага байх тусам муруй нарийхан, эгц байх болно.
## Магадлалын нягтралын функц
Хэвийн тархалтын магадлалын нягтралын функц (pdf) нь дараах математик хэлбэртэй байна:
\[ f(x | \mu, \sigma) = \frac{1}{\sigma \sqrt{2 \pi}} e^{ -\frac{(x-\mu)^2}{2\sigma^2} } \]
Энд:
– \( x \) нь санамсаргүй хувьсагч юм.
– \( \mu \) нь тархалтын дундаж юм.
– \( \sigma \) нь тархалтын стандарт хазайлт юм.
– \( e \) нь натурал логарифмын суурь бөгөөд ойролцоогоор 2.71828 байна.
Дээрх функц нь тэгш хэмтэй хонхны муруй үүсгэдэг. Энэ функцийн хоёр цэгийн хоорондох интеграл нь санамсаргүй хувьсагч нь эдгээр хоёр утгын хооронд байх магадлалыг өгдөг.
## Стандарт Хэвийн Тархалт
Стандарт хэвийн тархалт нь дундаж \(\mu = 0 \) ба стандарт хазайлт \(\sigma = 1 \) бүхий хэвийн тархалт юм. Стандарт хэвийн тархалтын магадлалын нягтралын функц нь:
\[ f(z) = \frac{1}{\sqrt{2 \pi}} e^{ -\frac{z^2}{2} } \]
Энд:
– \( z \) нь стандарт хэвийн тархалтын дараах санамсаргүй хувьсагч юм.
Стандарт хэвийн тархалтыг ихэвчлэн ашигладаг, учир нь энэ нь бидэнд "стандартчилал" гэж нэрлэгддэг процессоор дамжуулан бусад хэвийн тархалтыг стандартчлах боломжийг олгодог. Стандартчилал нь дараах томъёог ашиглан хэвийн тархалтын (N(\mu, \sigma)) утгыг (x) стандарт хэвийн тархалтын (N(0, 1)) утгууд болгон хувиргах явдал юм:
\[ z = \frac{x – \mu}{\sigma} \]
Энэ процесс нь өөр өөр хэвийн тархалтын утгуудыг нэг масштабтай харьцуулах замаар тэдгээрийг харьцуулахыг хялбар болгодог.
## Хэрэглээ ба хамаарал
### 1. Төвийн хязгаарын теорем
Хэвийн тархалт нь Төвийн Хязгаарын Теорем (CLT)-ийн хүрээнд онцгой хамааралтай. CLT нь анхны тархалтын хэлбэрээс үл хамааран хангалттай олон тооны бие даасан санамсаргүй хувьсагчид ойролцоогоор хэвийн тархалттай байх болно гэж заасан байдаг. Энэ нь түүвэр хангалттай том байгаа тохиолдолд хэвийн тархалтыг түүврийн дундажийн тархалтыг ойролцоолоход ашиглаж болно гэсэн үг юм.
### 2. Статистикийн дүгнэлт
Хэвийн тархалт нь z-тест болон t-тест зэрэг таамаглалын тестийг хэрэглэх боломжийг олгодог. Хоёр арга хоёулаа ажиглагдсан үр дүнгийн статистик ач холбогдлыг тодорхойлохын тулд стандарт хэвийн тархалтыг ашигладаг. z-тестийг ихэвчлэн түүврийн хэмжээ том эсвэл популяцийн стандарт хазайлт мэдэгдэж байгаа үед ашигладаг бол t-тестийг түүврийн хэмжээ бага эсвэл популяцийн стандарт хазайлт тодорхойгүй үед ашигладаг.
### 3. Регрессийн шинжилгээ
Шугаман регрессийн шинжилгээнд алдааны өгөгдөл хэвийн тархалттай гэсэн таамаглал маш чухал юм. Энэхүү таамаглал нь итгэлцлийн интервалыг тооцоолох, регрессийн загварын параметрүүдийн ач холбогдлын тестийг хийх боломжийг олгодог. Үүнтэй адил өгөгдлийн алдаа эсвэл гажуудлыг илрүүлэх нь ихэвчлэн үлдэгдэл тархалтыг хэвийн хэмжээнээс мэдэгдэхүйц хазайлтыг шалгах замаар хийгддэг.
### 4. Анагаах ухаан ба биологи
Анагаах ухаанд хэвийн тархалтыг янз бүрийн биологийн үзэгдлийн тархалтыг тодорхойлоход ашигладаг. Жишээлбэл, өндөр, цусны даралт, лабораторийн тодорхой шинжилгээний үр дүн нь ихэвчлэн хэвийн тархалтыг дагадаг. Энэ нь эмнэлгийн оношлогооны босго утгыг тодорхойлоход хялбар болгодог.
### 5. Санхүү ба эдийн засаг
Санхүүгийн хувьд хэвийн тархалтыг хувьцааны өгөөж, хүүгийн хэмжээ гэх мэт олон үзэгдлийг загварчлахад ашигладаг. Хэдийгээр практик дээр хувьцаанууд ихэвчлэн илүү өндөр гажуудал болон куртозтой байдаг ч хэвийн тархалтын таамаглал нь бат бөх аналитик үндэс суурийг бүрдүүлдэг.
## Хэрэгжилт ба тооцоолол
### Python ашиглаж байна
Python нь NumPy болон SciPy зэрэг сангуудтай бөгөөд хэвийн тархалттай ажиллах хэд хэдэн аргыг санал болгодог. Эдгээр сангуудыг ашиглан хэвийн тархалтыг хэрхэн ерөнхийлж, графикаар гаргах жишээг энд оруулав.
"` питон
np гэж numpy импортлох
matplotlib.pyplot-г plt хэлбэрээр импортлох
scipy.stats импортын нормоос
# Хэвийн тархалтын параметрүүд
mu = 0 # дундаж
сигма = 1 # стандарт хазайлт
# Хэвийн тархалтын өгөгдөл
x = np.linspace(-5, 5, 1000)
y = norm.pdf(x, mu, sigma)
# Хэвийн тархалтын график
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('Нягтрал')
plt.title('Хэвийн тархалт N(0, 1)')
plt.show()
""
Дээрх жишээнд бид дундаж утга 0 ба стандарт хазайлт 1 бүхий хэвийн тархалтын өгөгдлийг үүсгэж, дараа нь түүний магадлалын нягтралын функцийг графикаар харуулсан.
## Дүгнэлт
Хэвийн тархалт нь статистик болон магадлалын онолд чухал үүрэг гүйцэтгэдэг. Төв хязгаарын теоремоос эхлээд регрессийн шинжилгээ, таамаглалын тест зэрэг янз бүрийн практик хэрэглээ хүртэл түүний түгээмэл хэрэглээ нь үүнийг хамгийн алдартай бөгөөд чухал магадлалын тархалтын нэг болгодог. Хэвийн тархалтын томъёог ойлгох, түүнийг хэрхэн үр дүнтэй ашиглахыг ойлгох нь өгөгдлийн шинжлэх ухаан, судалгаа, эдийн засаг болон бусад олон салбарт ажилладаг хүн бүрийн хувьд зайлшгүй шаардлагатай ур чадвар юм.
Энэхүү мэдлэгээр бид янз бүрийн төрлийн аналитик асуудлуудад илүү үр дүнтэй хандаж, шийдвэрлэж, боломжтой өгөгдөл болон магадлал дээр үндэслэн илүү сайн шийдвэр гаргах боломжтой болно.
