Версия для печати темы

Автор: andreas 25.7.2007, 5:06

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?

Автор: venja 25.7.2007, 5:29

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

Автор: Ботаник 25.7.2007, 12:16

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

Автор: venja 25.7.2007, 13:33

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.

Автор: andreas 26.7.2007, 5:03

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?

Автор: venja 26.7.2007, 6:18

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.

Автор: andreas 26.7.2007, 11:28

Стало понятнее. Благодарю вас.

Автор: Juliya 15.9.2009, 20:23

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:
http://www.radikal.ru

Автор: chocolet1 29.10.2022, 21:22

https://gilport.com/ https://gilport.com/content/page2.phpl https://gilport.com/content/page3.php https://gilport.com/in/1.html https://gilport.com/in/2.html https://gilport.com/in/3.html https://gilport.com/in/4.html https://gilport.com/in/5.html https://gilport.com/in/6.html https://gilport.com/in/7.html https://gilport.com/in/8.html https://gilport.com/in/9.html https://gilport.com/in/10.html https://gilport.com/in/11.html https://gilport.com/in/12.html https://gilport.com/in/13.html https://gilport.com/in/14.html https://gilport.com/in/15.html https://gilport.com/in/16.html https://gilport.com/in/17.html https://gilport.com/in/18.html https://gilport.com/in/19.html https://gilport.com/in/20.html https://gilport.com/in/21.html https://gilport.com/in/22.html https://gilport.com/in/23.html https://gilport.com/in/24.html https://gilport.com/in/25.html https://gilport.com/in/26.html https://gilport.com/in/27.html https://gilport.com/in/28.html https://gilport.com/in/29.html https://gilport.com/in/30.html https://gz-zjrq.com/ https://www.ilanda.info https://www.ilanda.info/content/page2.php https://www.ilanda.info/in/yamcha.html https://www.ilanda.info/in/chiaotzu.html https://www.ilanda.info/in/yajirobe.html https://www.ilanda.info/in/so17.html https://www.ilanda.info/in/majinbuu.html https://www.ilanda.info/in/so18.html https://www.ilanda.info/in/santa.html https://www.ilanda.info/in/videl.html https://www.ilanda.info/in/tienshinhan.html https://www.ilanda.info/in/pan.html https://www.ilanda.info/in/songoku.html https://www.ilanda.info/in/songohan.html https://www.ilanda.info/in/piccolo.html https://www.ilanda.info/in/vegeta.html https://www.ilanda.info/in/bulma.html https://www.ilanda.info/in/krilin.html https://www.ilanda.info/in/songoten.html https://www.ilanda.info/in/chichi.html https://www.ilanda.info/in/vuthienlaosu.html https://www.ilanda.info/in/trunks.html https://gz-zjrq.com/ https://gz-zjrq.com/content/page2.php https://gz-zjrq.com/content/page3.php https://gz-zjrq.com/in/1.html https://gz-zjrq.com/in/2.html https://gz-zjrq.com/in/3.html https://gz-zjrq.com/in/4.html https://gz-zjrq.com/in/5.html https://gz-zjrq.com/in/6.html https://gz-zjrq.com/in/7.html https://gz-zjrq.com/in/8.html https://gz-zjrq.com/in/9.html https://gz-zjrq.com/in/10.html https://gz-zjrq.com/in/11.html https://gz-zjrq.com/in/12.html https://gz-zjrq.com/in/13.html https://gz-zjrq.com/in/14.html https://gz-zjrq.com/in/15.html https://gz-zjrq.com/in/16.html https://gz-zjrq.com/in/17.html https://gz-zjrq.com/in/18.html https://gz-zjrq.com/in/19.html https://gz-zjrq.com/in/20.html https://gz-zjrq.com/in/21.html https://gz-zjrq.com/in/22.html https://gz-zjrq.com/in/23.html https://gz-zjrq.com/in/24.html https://gz-zjrq.com/in/25.html https://gz-zjrq.com/in/26.html https://gz-zjrq.com/in/27.html https://gz-zjrq.com/in/28.html https://gz-zjrq.com/in/29.html https://gz-zjrq.com/in/30.html