Народ, хелп. Не понимаю, что значит "случайная величина распределена по нормальному закону"? Правильно ли понимать так- если взять много выборок из генеральной совокупности и вычислить для каждой выборки среднее значение и СКО, а потом построить по полученным значениям график, то получится функция, похожая на функцию Гаусса?

Это значит, что непрерывная случайная величина имеет плотность распределения вероятностей вида

f(x)=[1/(sqrt(2*pi)*sigma)]*exp[-(x-a)^2/(2*sigma^2)].
Смысл параметров:
а - среднее значение (т.е. мат. ожидание) с.в.
sigma - СКО

Да, получится, но только если генеральная совокупность имеет мат. ожидание и дисперсию.

если взять много выборок из генеральной совокупности и вычислить для каждой выборки среднее значение и СКО, то получится 2 колонки чисел. Как и какой график Вы теперь собираетесь строить?
Поясните, иначе трудно ответить на поставленный вопрос.

Все я понял как построить график. Чтобы построить кривую Гаусса, нужно знать 2 величины - мат. ожидание и СКО.Это константы(?). X- переменная. Это проще, чем я думал. Так? Но я все равно не понимаю физический смысл этого распределения. Зачем это нужно?

Нужно для оценки вероятностей различных событий, связанных с этой с.в.
Зачем брать много выборок? Лучше взять одну (большую) и по известным формулам найти (точнее, оценить) эти 2 параметра. Затем строить кривую Гаусса с полученными параметрами.

Стало понятнее. Благодарю вас.

Такое распределение имеют многие случайные величины, с которыми сталкиваются исследователи на практике - у такой случайной величины большинство значений сконцентрировано вокруг мат.ожидания, а чем дальше от него, тем меньше значений СВ попадает в соответствующие интервалы. Плотность такого распределения и отражает функция плотности вероятностей - функция Гаусса, напоминающая колокольчик. Его пик - это и есть мат.ожидание. А почти все возможные значения СВ (99,73%) не далее чем на 3 сигма (СКО) вокруг мат.ожидания.

Зная эти 2 характеристик, как вам уже объяснили, можно находить вероятности попадания в любые интервалы.

Например, Вы - бизнесмен и шьете мужские костюмы. Вы провели маркетинговые исследования и имеете хорошую выборку по росту мужчин вашей покупательской группы. Проверяете её на нормальный закон (а так оно и будет, скорее всего), находите МО и СКО и все - вы можете найти, какие % какого роста вам необходимо пошить - правильные расчеты позволят вам максимально точно обеспечить поставки костюмов всех ростов...


нужно взять не много выборок, а одну. Разбить всю область значений на интервалы, посчитать, сколько наблюдений попадает в каждый интервал, построить гистограмму - график, отражающий частоты попадания в интервалы. Так вот, если случ. величина имеет нормальный закон распределения, эта гистограмма будет похожа на кривую Гаусса.
Ну что-то типа этого:

Naruto Boruto Naruto-Botuto Naruto Uzumaki Sasuke Uchiha Kakashi Hatake Jiraiya Gaara Might Guy Killer Bee Tsunade Nagato Shikamaru Nara Minato Namikaze Hashirama Senju Tobirama Senju Hiruzen Sarutobi Hagoromo Ōtsutsuki Orochimaru Madara Uchiha Hinata Itachi Uchiha Obito Uchiha Sakura Yamato Neji Hyūga Rock Lee Kiba Inuzuka Shino Aburame Chōji Akimichi Sai Yamanaka Tenten Ino Yamanaka OnePiece DragonBall DragonBallZ Yamacha Chiaotzu Yajirobe No17 Majinbuu No18 Santa Videl Tianshihan Pan Songoku Songohan Piccolo Vegeta Bulma Krillin Songoten Chichi Mutenroshi Trunks One Pice OnePice Chap1 OnePice Chap2 OnePice Chap3 OnePice Chap4 OnePice Chap5 OnePice Chap6 OnePice Chap7 OnePice Chap8 OnePice Chap9 OnePice Chap10 OnePice Chap11 OnePice Chap12 OnePice Chap13 OnePice Chap14 OnePice Chap15 OnePice Chap16 OnePice Chap17 OnePice Chap18 OnePice Chap19 OnePice Chap20 OnePice Chap21 OnePice Chap22 OnePice Chap23 OnePice Chap24 OnePice Chap25 OnePice Chap26 OnePice Chap27 OnePice Chap28 OnePice Chap29 OnePice Chap30 OnePice Chap31 OnePice Chap32