# Statistikada normal taqsimot formulasi
Normal taqsimot, shuningdek, Gauss taqsimoti yoki qo'ng'iroq egri chizig'i sifatida ham tanilgan, statistikadagi eng asosiy tushunchalardan biridir. Uning mavjudligi ko'pincha turli statistik va ehtimollik tahlillarining asosi hisoblanadi. Bu taqsimot nafaqat nazariyada, balki moliyaviy risklarni boshqarish, ijtimoiy fanlar , tibbiyot va boshqa turli amaliy qo'llanmalarda ham tez-tez qo'llaniladi.
## Normal taqsimot ta'rifi
Normal taqsimot - bu o'rtacha qiymatiga nisbatan simmetrik bo'lgan uzluksiz ehtimollik taqsimoti . Boshqacha qilib aytganda, bu taqsimotning grafik diagrammasi o'rtacha qiymatda kengayib, dumlarda torayadigan qo'ng'iroq egri chizig'ini hosil qiladi. Bu taqsimot ikkita asosiy parametrga ega: o'rtacha (μ) va standart og'ish (σ).
O'rtacha qiymat taqsimot markazining joylashishini belgilaydi, standart og'ish esa ma'lumotlarning o'rtacha qiymat atrofida qanchalik tarqalishini o'lchaydi. Standart og'ish qanchalik katta bo'lsa, taqsimot egri chizig'i shunchalik keng va qisqaroq bo'ladi; standart og'ish qanchalik kichik bo'lsa, egri chiziq shunchalik tor va tik bo'ladi.
## Ehtimollik zichligi funksiyasi
Normal taqsimot uchun ehtimollik zichligi funksiyasi (pdf) quyidagi matematik shaklga ega:
\[ f(x | \mu, \sigma) = \frac{1}{\sigma \sqrt{2 \pi}} e^{ -\frac{(x-\mu)^2}{2\sigma^2} } \]
Bu yerga:
– (x) hisoblanadi tasodifiy o'zgaruvchilar.
– \( \mu \) taqsimotning o'rtacha qiymatidir.
– \( \sigma \) taqsimotning standart og'ishidir.
– \( e \) natural logarifmaning asosi bo'lib, taxminan 2.71828 ga teng.
Yuqoridagi funksiya simmetrik qo'ng'iroq egri chizig'ini hosil qiladi. Bu funksiyaning ikki nuqta orasidagi integrali tasodifiy o'zgaruvchining shu ikki qiymat orasida joylashganligi ehtimolini beradi.
## Standart normal taqsimot
Standart normal taqsimot o'rtacha \(\mu = 0 \) va standart og'ish \(\sigma = 1 \) bo'lgan normal taqsimotdir. Standart normal taqsimot uchun ehtimollik zichligi funktsiyasi quyidagicha:
\[ f(z) = \frac{1}{\sqrt{2 \pi}} e^{ -\frac{z^2}{2} } \]
Bu yerga:
– \(z \) standart normal taqsimotga amal qiluvchi tasodifiy o'zgaruvchidir.
Standart normal taqsimot ko'pincha ishlatiladi, chunki u bizga "standartlashtirish" deb nomlangan jarayon orqali boshqa normal taqsimotlarni standartlashtirish imkonini beradi. Standartlashtirish quyidagi formuladan foydalanib, normal taqsimotning (N(\mu, \sigma)) qiymatlarini (z) standart normal taqsimotning (N(0, 1)) qiymatlariga o'zgartirishni o'z ichiga oladi:
\[ z = \frac{x – \mu}{\sigma} \]
Bu jarayon turli normal taqsimotlardan qiymatlarni bitta shkala bo'yicha taqqoslashni osonlashtiradi.
## Qo'llanilishi va dolzarbligi
### 1. Markaziy limit teoremasi
Normal taqsimot, ayniqsa, Markaziy Limit Teoremasi (CLT) kontekstida muhimdir. CLT asl taqsimot shaklidan qat'i nazar, yetarlicha ko'p sonli mustaqil tasodifiy o'zgaruvchilar taxminan normal taqsimlangan bo'lishini ta'kidlaydi. Bu shuni anglatadiki, namunaviy o'rtacha qiymatning taqsimotini taxminiy aniqlash uchun normal taqsimotdan foydalanish mumkin , agar namunaviy qiymat yetarlicha katta bo'lsa.
### 2. Statistik xulosa
Normal taqsimot z-test va t-test kabi gipoteza testlarini qo'llash imkonini beradi . Ikkala usul ham kuzatilgan natijalarning statistik ahamiyatini aniqlash uchun standart normal taqsimotdan foydalanadi . z-test odatda namuna hajmi katta bo'lganda yoki populyatsiya standart og'ishi ma'lum bo'lganda qo'llaniladi, t-test esa namuna hajmi kichik bo'lganda yoki populyatsiya standart og'ishi noma'lum bo'lganda qo'llaniladi.
### 3. Regressiya tahlili
Chiziqli regressiya tahlilida xato ma'lumotlari normal taqsimlangan degan taxmin juda muhimdir. Bu taxmin ishonch oraliqlarini hisoblash va regressiya modeli parametrlarining ahamiyatini tekshirish imkonini beradi. Xuddi shunday, ma'lumotlar xatolarini yoki chetga chiqishlarni aniqlash ko'pincha qoldiq taqsimotni normallikdan sezilarli og'ishlarni tekshirish orqali amalga oshiriladi.
### 4. Tibbiyot va biologiya
Tibbiyotda normal taqsimot turli biologik hodisalarning tarqalishini tavsiflash uchun ishlatiladi. Masalan, bo'y, qon bosimi va ma'lum laboratoriya test natijalari ko'pincha normal taqsimotga amal qiladi. Bu tibbiy tashxislar uchun chegaraviy qiymatlarni aniqlashni osonlashtiradi.
### 5. Moliya va iqtisodiyot
Moliya sohasida normal taqsimot aksiyalarning daromadliligi, foiz stavkalari va boshqalar kabi ko'plab hodisalarni modellashtirish uchun ishlatiladi. Amalda aksiyalar ko'pincha yuqori qiyshiqlik va kurtozni namoyon etsa-da, normal taqsimot haqidagi taxmin hali ham mustahkam analitik asosni ta'minlaydi.
## Amalga oshirish va hisoblash
### Pythondan foydalanish
Python, NumPy va SciPy kabi kutubxonalarga ega bo'lib, normal taqsimot bilan ishlashning bir nechta usullarini taqdim etadi. Ushbu kutubxonalar yordamida normal taqsimotni qanday umumlashtirish va grafik tuzish mumkinligiga misol:
"`piton
numpy ni np sifatida import qilish
matplotlib.pyplotni plt sifatida import qilish
scipy.stats import normasidan
# Normal taqsimot parametrlari
mu = 0 # o'rtacha
sigma = 1 # standart og'ish
# Normal taqsimot uchun ma'lumotlar
x = np.linspace(-5, 5, 1000)
y = norm.pdf(x, mu, sigma)
# Normal taqsimot grafigi
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('Zichlik')
plt.title('Normal taqsimot N(0, 1)')
plt.show()
""
Yuqoridagi misolda biz o'rtacha 0 va standart og'ish 1 bilan normal taqsimot ma'lumotlarini yaratdik va keyin uning ehtimollik zichligi funksiyasini chizdik.
## Xulosa
Normal taqsimot statistika va ehtimollikda hal qiluvchi rol o'ynaydi. Uning Markaziy limit teoremasidan tortib, regressiya tahlili va gipotezalarni sinash kabi turli amaliy qo'llanmalargacha bo'lgan universal qo'llanilishi uni eng mashhur va muhim ehtimollik taqsimotlaridan biriga aylantiradi. Normal taqsimot formulasini va undan samarali foydalanishni tushunish ma'lumotlar ilmi , tadqiqot, iqtisodiyot va boshqa ko'plab sohalarda ishlaydigan har bir kishi uchun muhim ko'nikma hisoblanadi.
Ushbu bilim bilan biz turli xil analitik muammolarga yanada samarali yondashishimiz va ularni hal qilishimiz mumkin, bu bizga mavjud ma'lumotlar va ehtimolliklar asosida yaxshiroq qarorlar qabul qilish imkonini beradi.
