Halimbawa ng Tanong sa Talakayan Tungkol sa Inaasahang Halaga ng isang Normal na Distribusyon
Ang normal na distribusyon, na kilala rin bilang Gaussian distribution, ay isa sa mga pinakamadalas gamiting continuous probability distributions sa estadistika at probabilidad. Ang distribusyon na ito ay kadalasang ginagamit bilang pangunahing palagay sa iba't ibang statistical inferences dahil sa mga kanais-nais nitong katangiang matematikal, tulad ng symmetry at ang pagiging natatangi nito sa parameterization na may mean (µ) at standard deviation (σ). Tatalakayin ng artikulong ito ang mga halimbawa at ang inaasahang halaga ng normal distribution upang makapagbigay ng mas malalim na pag-unawa sa konseptong ito.
Pag-unawa sa Normal na Distribusyon
Ang normal na distribusyon ay inilalarawan ng isang simetrikong bell curve, kung saan ang karamihan sa mga halaga ay nakapokus sa gitnang halaga, o mean. Sa loob ng distribusyong ito, ang mean (µ) at standard deviation (σ) ay dalawang mahahalagang parametro na tumutukoy sa lokasyon at dami ng pagkalat sa datos.
Ang probability density function (PDF) ng normal distribution ay:
\[f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x – \mu)^2}{2\sigma^2}}\]
Saan:
– Ang \( \mu \) ay ang mean o average
– Ang \( \sigma \) ay ang karaniwang paglihis
– Ang \( x \) ay isang random variable
Inaasahang Halaga sa Normal na Distribusyon
Ang inaasahang halaga ng isang random variable na may normal na distribusyon ay katumbas ng mean ng distribusyon. Kung \( X \sim N(\mu, \sigma^2) \), kung gayon ang inaasahang halaga \( E(X) \) ay:
\[ E(X) = \mu \]
Ipagpatuloy natin ang ilang halimbawa ng mga problema patungkol sa inaasahang mga halaga sa mga normal na distribusyon upang mapalakas ang ating pag-unawa.
Mga Halimbawang Tanong at Talakayan
Halimbawang Tanong 1:
Ipagpalagay na ang \( X \) ay isang normally distributed random variable na may \( \mu = 50 \) at \( \sigma = 10 \). Kalkulahin ang inaasahang halaga ng \( X \).
Talakayan:
Gaya ng nabanggit kanina, sa isang normal na distribusyon, ang inaasahang halaga \( E(X) \) ay katumbas ng \( \mu \). Kaya,
\[ E(X) = \mu = 50 \]
Halimbawang Tanong 2:
Kung bibigyan ng isang random variable na \(Y\) ay normal na ipinamamahagi kasama ang \(\mu = 120\) at \(\sigma = 15\). Hanapin ang inaasahang halaga ng \(Y\).
Talakayan:
Katulad ng unang halimbawa, ang inaasahang halaga ng \( Y \) ay ang gitnang halaga o mean ng normal na distribusyon, katulad ng:
\[ E(Y) = \mu = 120 \]
Halimbawang Tanong 3:
Kung ang random variable na \( Z \) ay sumusunod sa normal na distribusyon na may \( \mu = 0 \) at \( \sigma = 1 \) (standard normal distribution), ano ang inaasahang halaga ng \( Z \)?
Talakayan:
Ang karaniwang normal na distribusyon ay may mean \( \mu = 0 \), kaya ang inaasahang halaga \( E(Z) \) ay:
\[ E(Z) = \mu = 0 \]
Halimbawang Tanong 4:
Ipagpalagay na ang \( W \) ay isang normally distributed random variable na may mean \( \mu = 75 \) at standard deviation \( \sigma = 20 \). Kung magdedefine tayo ng isang bagong random variable \( V = 2W + 3 \), ano ang inaasahang halaga ng \( V \)?
Talakayan:
Para mahanap ang inaasahang halaga ng \( V \), kailangan nating gamitin ang linearity property ng inaasahang halaga. Kung ibibigay ang \( V = 2W + 3 \), kung gayon:
\[ E(V) = E(2W + 3) \]
Batay sa linearity property ng inaasahang halaga, maaari nating paghiwalayin ang constant mula sa random variable:
\[ E(V) = 2E(W) + E(3) \]
Ang pag-alam na ang inaasahang halaga ng isang constant ay ang constant mismo:
\[ E(3) = 3 \]
At ang inaasahang halaga ng \( W \) ay ang mean ng normal na distribusyon \( W \):
\[ E(W) = \mu = 75 \]
Kaya,
\[ E(V) = 2 \times 75 + 3 \]
\[ E(V) = 150 + 3 \]
\[ E(V) = 153 \]
Halimbawang Tanong 5:
Ang random variable \( Q \) ay sumusunod sa normal na distribusyon na may mean \( \mu = 40 \) at standard deviation \( \sigma = 5 \). Ano ang inaasahang halaga ng \( Q \) kung \[ U = Q/2 \]?
Talakayan:
Ginagamit natin ang parehong prinsipyo gaya ng sa halimbawa 4, ang linearity property ng inaasahang halaga. Dahil ang \( U = Q/2 \), kung gayon:
\[ E(U) = E\left(\frac{Q}{2}\right) \]
Batay sa katangiang linearidad ng inaasahang halaga:
\[ E(U) = \frac{1}{2} E(Q) \]
Alam natin na ang inaasahang halaga ng \( Q \) ay ang mean ng normal na distribusyon \( Q \):
\[ E(Q) = \mu = 40 \]
Kaya,
\[ E(U) = \frac{1}{2} \times 40 \]
\[ E(U) = 20 \]
Konklusyon
Sa isang normal na distribusyon, ang inaasahang halaga ng isang random variable ay palaging katumbas ng mean (µ) ng distribusyon. Ang mga halimbawang problema sa itaas ay nagpapakita ng iba't ibang mga kondisyon para sa pagkalkula ng inaasahang halaga gamit ang linearity property. Ang pag-unawa sa pangunahing konseptong ito ay ginagawang mas madali ang paghawak ng mga problema sa normal na distribusyon sa istatistika at probabilidad.
Ang normal na distribusyon ay mahalaga sa estadistika dahil ginagamit ito sa malawak na hanay ng mga praktikal na aplikasyon, kabilang ang pagsubok ng hipotesis, pagtatantya ng parameter, at iba't ibang mga hinuha sa istatistika. Ang mahusay na pag-unawa sa inaasahang halaga ng distribusyon na ito ay isang mahalagang unang hakbang sa pagsusuri ng datos.
Sana ay makapagbigay ang artikulong ito ng malinaw at kapaki-pakinabang na paliwanag tungkol sa inaasahang halaga sa normal na distribusyon kasama ang mga kaugnay na halimbawa ng mga tanong at talakayan.
