ตัวอย่างคำถามสำหรับการอภิปรายเกี่ยวกับเรื่องการแจกแจงแบบปกติ
การแจกแจงแบบปกติ หรือที่รู้จักกันในชื่อการแจกแจงแบบเกาส์เซียน เป็นการแจกแจงความน่าจะเป็นที่ใช้กันมากที่สุดในทางสถิติ การแจกแจงนี้มีรูปร่างคล้ายระฆังสมมาตร ซึ่งบ่งชี้ว่าข้อมูลกระจายตัวอยู่รอบค่าเฉลี่ย และความน่าจะเป็นของค่าสุดขั้ว (ค่าที่อยู่ห่างจากค่าเฉลี่ย) นั้นต่ำ
ในบทความนี้ เราจะกล่าวถึงตัวอย่างปัญหาต่างๆ ที่เกี่ยวข้องกับการแจกแจงปกติและวิธีการแก้ปัญหาเหล่านั้น เราจะเริ่มต้นด้วยการแนะนำแนวคิดพื้นฐานบางประการ แล้วจึงค่อยไปยังตัวอย่างที่ซับซ้อนมากขึ้น
หลักการพื้นฐานของการแจกแจงแบบปกติ
การแจกแจงปกติเป็นการแจกแจงแบบต่อเนื่องที่มีพารามิเตอร์สองตัว ได้แก่ ค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐาน (SD) ค่าเฉลี่ยกำหนดจุดศูนย์กลางของการแจกแจง ในขณะที่ค่าเบี่ยงเบนมาตรฐานกำหนดความกว้างของการแจกแจง
ลักษณะสำคัญของการแจกแจงแบบปกติ:
1. ความสมมาตร: การแจกแจงแบบปกติมีความสมมาตรเกี่ยวกับค่าเฉลี่ย
2. กฎเชิงประจักษ์ (Empirical Rule):
– ประมาณ 68% ของข้อมูลอยู่ภายในค่าเบี่ยงเบนมาตรฐานหนึ่งค่าจากค่าเฉลี่ย
– ข้อมูลประมาณ 95% อยู่ภายในช่วงสองส่วนเบี่ยงเบนมาตรฐานจากค่าเฉลี่ย
– ข้อมูลประมาณ 99.7% อยู่ภายในช่วงสามส่วนเบี่ยงเบนมาตรฐานจากค่าเฉลี่ย
Contoh Soal dan Pembahasan
ตัวอย่างคำถามที่ 1: การคำนวณค่า Z-score
คำถาม: ข้อสอบมีคะแนนเฉลี่ย 70 คะแนน และส่วนเบี่ยงเบนมาตรฐาน 10 คะแนน นักเรียนคนหนึ่งได้คะแนน 80 คะแนน ค่า Z-score ของนักเรียนคนนี้คือเท่าไร?
สารละลาย:
ค่า Z-score คือค่าที่ใช้วัดว่าค่าหนึ่งๆ อยู่ห่างจากค่าเฉลี่ยกี่ส่วนเบี่ยงเบนมาตรฐาน
สูตรคำนวณค่า Z-score:
\[ Z = \frac{X – \mu}{\sigma} \]
ดิมานา:
– \( X \) คือค่าที่สังเกตได้
– μ คือค่าเฉลี่ย
– σ คือค่าเบี่ยงเบนมาตรฐาน
เป็นที่ทราบกันดีว่า:
– \( X = 80 \)
– ( μ = 70 )
– \( \sigma = 10 \)
การประยุกต์ใช้สูตร:
\[ Z = \frac{80 – 70}{10} = 1 \]
ดังนั้น ค่า Z-score ของนักเรียนคนนี้คือ 1 ซึ่งหมายความว่าคะแนน 80 อยู่เหนือค่าเฉลี่ยหนึ่งส่วนเบี่ยงเบนมาตรฐาน
ตัวอย่างคำถามที่ 2: ความน่าจะเป็นของค่าใดค่าหนึ่ง
คำถาม: ในการแจกแจงแบบปกติที่มีค่าเฉลี่ย 100 และส่วนเบี่ยงเบนมาตรฐาน 15 ความน่าจะเป็นที่จะพบค่าที่ต่ำกว่า 85 คือเท่าใด?
สารละลาย:
ขั้นตอนต่างๆ:
1. คำนวณค่า Z-score สำหรับค่า \( X = 85 \):
\[ Z = \frac{85 – 100}{15} = \frac{-15}{15} = -1 \]
2. ใช้ตาราง Z หรือเครื่องคำนวณทางสถิติเพื่อหาความน่าจะเป็นที่สอดคล้องกับค่า Z เท่ากับ -1 ในตาราง Z ความน่าจะเป็นของค่า Z เท่ากับ -1 จะอยู่ที่ประมาณ 0.1587
ดังนั้น ความน่าจะเป็นที่จะพบค่าที่ต่ำกว่า 85 คือ 0.1587 หรือ 15.87%
ตัวอย่างคำถามที่ 3: การใช้กฎเชิงประจักษ์
คำถาม: เป็นที่ทราบกันว่าการกระจายของคะแนนสอบวิชาคณิตศาสตร์ในโรงเรียนเป็นไปตามการกระจายแบบปกติ โดยมีค่าเฉลี่ย 75 และส่วนเบี่ยงเบนมาตรฐาน 8 สัดส่วนของนักเรียนที่ได้คะแนนระหว่าง 67 ถึง 83 คือเท่าใด
สารละลาย:
ลังกาห์-ลังกาห์:
1. คำนวณค่า Z-score สำหรับค่า 67 และ 83:
\[ Z_{67} = \frac{67 – 75}{8} = \frac{-8}{8} = -1 \]
\[ Z_{83} = \frac{83 – 75}{8} = \frac{8}{8} = 1 \]
2. จากหลักเกณฑ์เชิงประจักษ์ ค่าระหว่าง -1 ส่วนเบี่ยงเบนมาตรฐาน และ +1 ส่วนเบี่ยงเบนมาตรฐานจากค่าเฉลี่ย ครอบคลุมประชากรประมาณ 68%
ดังนั้น สัดส่วนของนักเรียนที่ได้คะแนนระหว่าง 67 ถึง 83 จึงอยู่ที่ประมาณ 68%
ตัวอย่างคำถามที่ 4: การคำนวณค่าจากเปอร์เซ็นไทล์
คำถาม: ถ้าความสูงเฉลี่ยของชายวัยผู้ใหญ่ในประเทศหนึ่งคือ 175 เซนติเมตร โดยมีส่วนเบี่ยงเบนมาตรฐาน 7 เซนติเมตร ความสูงที่เปอร์เซ็นไทล์ที่ 90 คือเท่าใด?
สารละลาย:
ลังกาห์-ลังกาห์:
1. หาค่า Z-score ที่สอดคล้องกับเปอร์เซ็นไทล์ที่ 90 จากตาราง Z-score ค่า Z-score ที่ใกล้เคียงกับ 0.9000 มากที่สุดคือประมาณ 1.28
2. ใช้สูตรเพื่อคำนวณค่าของ \( X \):
[ X = μ + Z × σ ]
[ X = 175 + 1.28 × 7 ]
[ X = 175 + 8.96 ]
[ X = 183.96 \]
ดังนั้น ความสูงในเปอร์เซ็นไทล์ที่ 90 จึงอยู่ที่ประมาณ 183.96 เซนติเมตร
ตัวอย่างคำถามข้อที่ 5: ความน่าจะเป็นของช่วงเวลาหนึ่งๆ
คำถาม: กำหนดให้การกระจายของน้ำหนักแรกเกิดเป็นไปตามการกระจายแบบปกติ โดยมีค่าเฉลี่ย 3.5 กิโลกรัม และส่วนเบี่ยงเบนมาตรฐาน 0.5 กิโลกรัม ความน่าจะเป็นที่ทารกจะมีน้ำหนักระหว่าง 3 กิโลกรัม ถึง 4 กิโลกรัม คือเท่าใด?
สารละลาย:
ลังกาห์-ลังกาห์:
1. คำนวณค่า Z-score สำหรับค่า 3 กก. และ 4 กก.:
\[ Z_{3} = \frac{3 – 3.5}{0.5} = \frac{-0.5}{0.5} = -1 \]
\[ Z_{4} = \frac{4 – 3.5}{0.5} = \frac{0.5}{0.5} = 1 \]
2. ความน่าจะเป็นที่ค่า Z-score จะอยู่ระหว่าง -1 และ 1 โดยอิงจากตาราง Z คือประมาณ 0.6826 หรือ 68.26%
ดังนั้น โอกาสที่ทารกจะมีน้ำหนักระหว่าง 3 กิโลกรัมถึง 4 กิโลกรัมจึงอยู่ที่ประมาณ 68.26%
บทสรุป
การแจกแจงปกติเป็นแนวคิดพื้นฐานทางสถิติที่สำคัญและมีการประยุกต์ใช้ในโลกแห่งความเป็นจริงมากมาย ในบทความนี้ เราได้อธิบายแนวคิดพื้นฐานของการแจกแจงปกติและยกตัวอย่างประกอบหลายข้อเพื่อเพิ่มพูนความเข้าใจของเรา
การเข้าใจการแจกแจงแบบปกติมีความสำคัญไม่เพียงแต่ในด้านสถิติเท่านั้น แต่ยังรวมถึงสาขาประยุกต์ต่างๆ เช่น จิตวิทยา เศรษฐศาสตร์ และสังคมศาสตร์อื่นๆ ด้วย การฝึกฝนอย่างเพียงพอจะช่วยให้การแก้ปัญหาเกี่ยวกับการแจกแจงแบบปกติเป็นไปอย่างเป็นธรรมชาติมากขึ้น และช่วยในการตัดสินใจโดยใช้ข้อมูลเป็นพื้นฐานได้
