Primer vprašanja za razpravo o normalni porazdelitvi
Normalna porazdelitev, znana tudi kot Gaussova porazdelitev, je najpogosteje uporabljena porazdelitev verjetnosti v statistiki. Ta porazdelitev ima simetrično obliko zvona, kar pomeni, da so podatki razporejeni okoli povprečja in da je verjetnost ekstremov (vrednosti daleč od povprečja) nizka.
V tem članku bomo obravnavali različne primere problemov, ki vključujejo normalno porazdelitev, in kako jih rešiti. Najprej bomo predstavili nekaj osnovnih konceptov in nato prešli na bolj zapletene primere.
Osnove normalne porazdelitve
Normalna porazdelitev je zvezna porazdelitev z dvema parametroma: povprečjem in standardnim odklonom (SD). Povprečje določa središče porazdelitve, standardni odklon pa širino porazdelitve.
Pomembne značilnosti normalne porazdelitve:
1. Simetrija: Normalna porazdelitev je simetrična glede na povprečje.
2. Empirično pravilo (empirično pravilo):
– Približno 68 % podatkov leži znotraj enega standardnega odklona od povprečja.
– Približno 95 % podatkov leži znotraj dveh standardnih odklonov od povprečja.
– Približno 99.7 % podatkov leži znotraj treh standardnih odklonov od povprečja.
Vzorčna vprašanja in razprava
Primer vprašanja 1: Izračun Z-vrednosti
Vprašanje: Izpit ima povprečno oceno 70 s standardnim odklonom 10. Študent dobi oceno 80. Kakšen je študentov Z-rezultat?
Rešitev:
Z-vrednost je merilo, ki kaže, za koliko standardnih odklonov se vrednost razlikuje od povprečja.
Formula za Z-vrednost:
\[ Z = \frac{X – \mu}{\sigma} \]
Dimana:
– \( X \) je opazovana vrednost.
– \( \mu \) je povprečje.
– \( \sigma \) je standardni odklon.
Znano je:
– \(X = 80 \)
– \( \mu = 70 \)
– \( \sigma = 10 \)
Uporaba formule:
\[ Z = \frac{80 – 70}{10} = 1 \]
Torej je Z-vrednost študenta 1, kar pomeni, da je vrednost 80 en standardni odklon nad povprečjem.
Primer vprašanja 2: Verjetnost določene vrednosti
Vprašanje: Pri normalni porazdelitvi s povprečjem 100 in standardnim odklonom 15, kakšna je verjetnost, da bo vrednost pod 85?
Rešitev:
Koraki:
1. Izračunajte Z-vrednost za vrednost (X = 85):
\[ Z = \frac{85 – 100}{15} = \frac{-15}{15} = -1 \]
2. Z Z-tabelo ali statističnim kalkulatorjem poiščite verjetnost, ki ustreza Z-vrednosti -1. V Z-tabeli je verjetnost Z-vrednosti -1 približno 0.1587.
Torej je verjetnost, da bomo našli vrednost pod 85, 0.1587 ali 15.87 %.
Primer vprašanja 3: Uporaba empiričnih pravil
Vprašanje: Znano je, da porazdelitev rezultatov matematičnih izpitov v šolah sledi normalni porazdelitvi s povprečjem 75 in standardnim odklonom 8. Kolikšen delež učencev je dosegel med 67 in 83 točkami?
Rešitev:
Langkah-langkah:
1. Izračunajte Z-vrednost za vrednosti 67 in 83:
\[ Z_{67} = \frac{67 – 75}{8} = \frac{-8}{8} = -1 \]
\[ Z_{83} = \frac{83 – 75}{8} = \frac{8}{8} = 1 \]
2. V skladu z empiričnimi pravili vrednosti med -1 SD in +1 SD od povprečja pokrivajo približno 68 % populacije.
Torej je bil delež študentov, ki so dosegli med 67 in 83 točkami, približno 68 %.
Primer vprašanja 4: Izračun vrednosti iz percentilov
Vprašanje: Če je povprečna višina odraslih moških v državi 175 cm s standardnim odklonom 7 cm, kakšna je višina na 90. percentilu?
Rešitev:
Langkah-langkah:
1. Poiščite Z-vrednost, ki ustreza 90. percentilu. Na podlagi Z-tabele je Z-vrednost, ki je najbližja 0.9000, približno 1.28.
2. Za izračun vrednosti \( X \ uporabite formulo:
\[X = \mu + Z \krat \sigma \]
\[X = 175 + 1.28 \krat 7 \]
\[X = 175 + 8.96 \]
\[X = 183.96 \]
Torej je višina v 90. percentilu približno 183.96 cm.
Primer vprašanja 5: Verjetnost določenega intervala
Vprašanje: Glede na to, da porazdelitev teže novorojenčkov sledi normalni porazdelitvi s povprečjem 3.5 kg in standardnim odklonom 0.5 kg, kakšna je verjetnost, da dojenček tehta med 3 kg in 4 kg?
Rešitev:
Langkah-langkah:
1. Izračunajte Z-vrednost za vrednosti 3 kg in 4 kg:
\[ Z_{3} = \frac{3 – 3.5}{0.5} = \frac{-0.5}{0.5} = -1 \]
\[ Z_{4} = \frac{4 – 3.5}{0.5} = \frac{0.5}{0.5} = 1 \]
2. Verjetnost za Z-vrednost med -1 in 1 na podlagi tabele Z je približno 0.6826 ali 68.26 %.
Torej je verjetnost, da bo otrok tehtal med 3 kg in 4 kg, približno 68.26 %.
Zaključek
Normalna porazdelitev je temeljni koncept v statistiki, ki je ključnega pomena in ima številne aplikacije v resničnem svetu. V tem članku smo razložili osnovne koncepte normalne porazdelitve in rešili več primerov, da bi poglobili naše razumevanje.
Razumevanje normalne porazdelitve ni pomembno le za statistiko, temveč tudi za različna praktična področja, kot so psihologija, ekonomija in druge družboslovne vede. Z dovolj vaje lahko reševanje problemov normalne porazdelitve postane bolj intuitivno in pomaga pri odločanju na podlagi podatkov.
