# Fọ́múlá Pínpín Déédéé nínú Àwọn Àkójọ Ìṣirò
Pínpín tí ó wọ́pọ̀, tí a tún mọ̀ sí ìpínkiri Gaussian tàbí ìpele agogo, jẹ́ ọ̀kan lára àwọn èrò pàtàkì jùlọ nínú statistiki. Wíwà rẹ̀ ni a sábà máa ń kà sí ìpìlẹ̀ fún onírúurú àtúpalẹ̀ statistiki àti ìṣeeṣe. Pínpín yìí kìí ṣe pé a sábà máa ń lò ó nínú ìmọ̀-ẹ̀rọ nìkan ṣùgbọ́n a tún ń lò ó nínú onírúurú ìlò ìṣe, bíi ìṣàkóso ewu ìnáwó, ìmọ̀-ẹ̀rọ àwùjọ, ìṣègùn, àti bẹ́ẹ̀ bẹ́ẹ̀ lọ.
## Ìtumọ̀ Pínpín Déédéé
Pínpín déédé jẹ́ ìpínkiri ìṣeeṣe tí ó ń bá a lọ tí ó sì jẹ́ mẹ́rìndínlọ́gbọ̀n nípa ìwọ̀n rẹ̀. Ní ọ̀rọ̀ mìíràn, àwòrán àwòrán ti ìpínkiri yìí yóò ṣe ìlà agogo kan tí ó ń fẹ̀ sí ní ìwọ̀n àti pé ó ń dín ní ìwọ̀n. Pínpínkiri yìí ní àwọn pàrámítà pàtàkì méjì: ìwọ̀n (μ) àti ìyàtọ̀ standard (σ).
Àròpọ̀ náà ló ń pinnu ibi tí àárín ìpínkiri náà wà, nígbà tí ìyàtọ̀ standard ṣe ń wọn bí dátà náà ṣe tàn káàkiri àròpọ̀ náà. Bí ìyàtọ̀ standard ṣe tóbi tó, bẹ́ẹ̀ ni ìlà ìpínkiri náà ṣe gbòòrò tó, tí ó sì kúrú sí i; ìyàtọ̀ standard ṣe kéré sí i, bẹ́ẹ̀ ni ìlà náà ṣe gùn sí i, ìlà náà sì gùn sí i.
## Iṣẹ́ Ìwúwo Ìṣẹ̀lẹ̀
Iṣẹ́ ìwọ̀n ìṣeéṣe (pdf) fún ìpínkiri déédé ní ìrísí mathematiki wọ̀nyí:
\[ f(x | \mu, \sigma) = \frac{1}{\sigma \sqrt{2 \pi}} e^{ -\frac{(x-\mu)^2}{2\sigma^2} } \]
Nibi:
– \( x \) jẹ́ oníyípadà àìròtẹ́lẹ̀.
– \( \mu \) ni apapọ pinpin naa.
– \( \sigma \) ni ìyípadà boṣewa ti pinpin.
– \( e \) ni ipilẹ logarithm adayeba, ni iwọn 2.71828.
Iṣẹ́ tí a kọ lókè yìí ṣẹ̀dá ìlà agogo tí ó dọ́gba. Àpapọ̀ iṣẹ́ yìí láàárín àwọn ojú méjì ló fúnni ní àǹfààní pé oníyípadà àìròtẹ́lẹ̀ wà láàrín àwọn iye méjì náà.
## Pínpín Déédéé Déédéé
Pínpín déédé boṣewa jẹ́ ìpínkiri déédé pẹ̀lú àròpín \( \mu = 0 \) àti ìyàtọ̀ déédé \( \sigma = 1 \). Iṣẹ́ ìwọ̀n ìṣeéṣe fún ìpínkiri déédé boṣewa ni:
\[ f(z) = \frac{1}{\sqrt{2 \pi}} e^{ -\frac{z^2}{2} } \]
Nibi:
– \( z \) jẹ́ oníyípadà àìròtẹ́lẹ̀ tí ó tẹ̀lé ìpínkiri déédé déédéé.
A sábà máa ń lo ìpínkiri deedee boṣewa nitori pe o gba wa laaye lati ṣe iwọn awọn pinpin deedee miiran nipasẹ ilana ti a pe ni "iwọntunwọnsi." Iwọntunwọnsi jẹ iyipada awọn iye \( x \) ti pinpin deede \( N(\mu, \sigma) \) si awọn iye \( z \) ti pinpin deedee boṣewa \( N(0, 1) \), nipa lilo agbekalẹ atẹle yii:
\[ z = \ frac{x – \mu}{\sigma} \]
Ilana yii jẹ ki o rọrun lati fi awọn iye we ara wọn lati awọn pinpin deede oriṣiriṣi nipa fifi wọn si iwọn kan.
## Ohun elo ati Ibamu
### 1. Ìlànà Àárín Gbùngbùn
Pínpín déédé ṣe pàtàkì ní pàtàkì ní ìbámu pẹ̀lú Àkójọpọ̀ Ààlà Àárín (CLT). CLT sọ pé iye àwọn oníyípadà aláìdádúró tí ó pọ̀ tó ni a ó pín ní ìwọ̀n déédéé, láìka ìrísí ìpínkiri àkọ́kọ́ sí. Èyí túmọ̀ sí wípé a lè lo ìpínkiri déédé láti ṣe àfihàn ìpínkiri àròpọ̀ àpẹẹrẹ náà, níwọ̀n ìgbà tí àpẹẹrẹ náà bá tóbi tó.
### 2. Ìròyìn Àkójọpọ̀
Pínpín déédé gba ààyè láti lo àwọn ìdánwò àbá, bíi ìdánwò z àti ìdánwò t. Àwọn ọ̀nà méjèèjì lo ìpínkiri déédé déédé láti pinnu ìjẹ́pàtàkì ìṣirò àwọn àbájáde tí a rí. A sábà máa ń lo ìdánwò z nígbà tí ìwọ̀n àyẹ̀wò bá tóbi tàbí tí a bá mọ ìyàtọ̀ déédé déédé déédé, nígbà tí ìdánwò t bá wà nígbà tí ìwọ̀n àyẹ̀wò bá kéré tàbí tí a kò mọ ìyàtọ̀ déédé déédé déédé déédé.
### 3. Ìṣàyẹ̀wò ìfàsẹ́yìn
Nínú ìṣàyẹ̀wò ìfàsẹ́yìn ìlà, èrò pé a sábà máa ń pín dátà àṣìṣe náà ṣe pàtàkì. Ìrònú yìí gba ààyè fún ṣíṣírò àwọn àkókò ìgbẹ́kẹ̀lé àti ìdánwò pàtàkì ti àwọn pàrámítà àwòṣe ìfàsẹ́yìn. Bákan náà, wíwá àwọn àṣìṣe dátà tàbí àwọn tí kò sí ní ìta ni a sábà máa ń ṣe nípa ṣíṣàyẹ̀wò ìpínkiri tó kù fún àwọn ìyàtọ̀ pàtàkì láti inú ìṣẹ̀dá.
### 4. Ìṣègùn àti Ìmọ̀ Ẹ̀dá
Nínú iṣẹ́ ìṣègùn, a máa ń lo ìpínkiri déédéé láti ṣàpèjúwe ìpínkiri onírúurú ìṣẹ̀lẹ̀ ẹ̀dá alààyè. Fún àpẹẹrẹ, gíga, ìfúnpá ẹ̀jẹ̀, àti àwọn àbájáde ìdánwò yàrá kan sábà máa ń tẹ̀lé ìpínkiri déédé. Èyí máa ń mú kí ó rọrùn láti pinnu àwọn iye ìparẹ́ fún àwọn àyẹ̀wò ìṣègùn.
### 5. Isuna ati Eto-ọrọ-aje
Nínú ìnáwó, a máa ń lo ìpínkiri déédéé láti fi ṣe àpẹẹrẹ ọ̀pọ̀lọpọ̀ ìṣẹ̀lẹ̀, bí èrè ìpínkiri, ìwọ̀n èlé, àti bẹ́ẹ̀ bẹ́ẹ̀ lọ. Bó tilẹ̀ jẹ́ pé ní ìṣe, àwọn ìpínkiri sábà máa ń ní ìfàsẹ́yìn àti kurtosis gíga, èrò pé ìpínkiri déédéé ṣì ń pèsè ìpìlẹ̀ onímọ̀ nípa ìwádìí.
## Ìmúṣe àti Ìṣirò
### Lilo Python
Python, pẹlu awọn ile-ikawe bii NumPy ati SciPy, pese ọpọlọpọ awọn ọna fun ṣiṣẹ pẹlu pinpin deede. Eyi ni apẹẹrẹ ti bi a ṣe le ṣe akopọ ati ṣe apẹrẹ pinpin deede nipa lilo awọn ile-ikawe wọnyi:
"'Python
gbe numpy wọle bi np
gbe wọle matplotlib.pyplot bi plt
lati scipy.stats agbewọle iwuwasi
# Awọn ipilẹ pinpin deede
mu = 0 # apapọ
sigma = 1 # ìyípadà boṣewa
# Dátà fún ìpínkiri déédé
x = np.linspace (-5, 5, 1000)
y = normal.pdf(x, mu, sigma)
# Àwòrán ìpínkiri déédé
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('Iwọn')
plt.title('Pínpín Déédé N(0, 1)')
plt.fihan ()
““
Nínú àpẹẹrẹ tó wà lókè yìí, a ṣe àgbékalẹ̀ ìpínkiri déédé pẹ̀lú àròpọ̀ 0 àti ìyípadà standard 1, lẹ́yìn náà a ṣe àgbékalẹ̀ iṣẹ́ ìṣeéṣe rẹ̀.
## Ìparí
Pínpín déédé kó ipa pàtàkì nínú àwọn statistiki àti ìṣeeṣe. Lílò rẹ̀ kárí ayé, láti Àárín Gbùngbùn Ìlànà sí onírúurú àwọn ohun èlò ìṣeeṣe bíi ìṣàyẹ̀wò ìfàsẹ́yìn àti ìdánwò àbájáde, mú kí ó jẹ́ ọ̀kan lára àwọn ìpínkiri ìṣeeṣe tó gbajúmọ̀ jùlọ àti pàtàkì jùlọ. Lílóye ìlànà ìpínkiri déédé àti bí a ṣe lè lò ó dáadáa jẹ́ ọgbọ́n pàtàkì fún ẹnikẹ́ni tó ń ṣiṣẹ́ nínú ìmọ̀ ìjìnlẹ̀ dátà, ìwádìí, ètò ọrọ̀ ajé, àti ọ̀pọ̀lọpọ̀ àwọn ẹ̀ka mìíràn.
Pẹ̀lú ìmọ̀ yìí, a lè yanjú onírúurú ìṣòro onímọ̀ nípa ìwádìí dáadáa, èyí tó máa jẹ́ kí a lè ṣe àwọn ìpinnu tó dára jù nípa lílo àwọn ìwádìí àti ìṣeeṣe tó wà.
