표준정규분포 예제

일부 의사들은 사람이 5 파운드를 잃을 수 있다고 생각, 평균, 한 달에 자신의 지방 섭취량을 감소시켜 지속적으로 운동하여. 체중 감량에 정규 분포가 있다고 가정해 보입니다. X = 한 달에 사람이 잃어버린 체중 (파운드)의 양을 보자. 2 파운드의 표준 편차를 사용합니다. X ~ N (5, 2). 빈칸을 채웁니다. 표준 노멀 모델입니다. 이미지 제공: 버지니아 대학교. “Z”라는 제목의 첫 번째 열에는 표준 정규 분포값이 포함되어 있습니다. 두 번째 열에는 Z 아래의 영역이 포함되어 있습니다.

분포의 평균은 0이고 표준 편차는 1이므로 Z 열은 평균 이하의 표준 편차 수와 같습니다. 예를 들어 -2.5의 Z는 평균 이하의 값 2.5 표준 편차를 나타냅니다. Z 아래 영역은 0.0062입니다. 값을 z 점수(“표준 점수”)로 변환합니다. 표준 편차를 계산할 때 일반적으로 샘플 문제: 특정 대학의 학생 평균 5피트 8인치(68인치) 높이를 확인할 수 있습니다. 높이는 일반적으로 2.5 인치의 표준 편차로 분산됩니다. 상위 1%의 높이의 나머지 집단을 구분하는 값은 무엇입니까? TI-89는 정규 분포에 대한 z 점수와 반환 값을 계산할 수 없을 뿐만 아니라 정규 분포 곡선도 그래프로 그래프화할 수 있습니다. 정규 분포그래프를 만들면 원하는 것을 확인할 수 있으며 정규 분포 문제를 해결하는 데 한 가지 도구가 더 추가됩니다. TI-89는 모든 값에 대해 영역이 그늘진 정규 분포 곡선을 그래프로 그래프로 만들 수 있습니다. 예를 들어 특정 숫자 보다 작거나 특정 숫자보다 크거나 특정 숫자 집합 사이에 있는 그래프를 만들 수 있습니다. 정규 분포영역은 종종 표준 정규 분포의 테이블로 표시됩니다. 표준 정규 분포의 테이블의 일부가 표 1에 나와 있습니다.

평균 이상의 표준 편차가 있는 점수를 얻는 경우에만 특정 과목에서 더 낫다고 말할 수 있습니다. 표준 편차는 데이터를 평균 을 중심으로 얼마나 긴밀하게 클러스터되는지 알려줍니다. 다양한 수단을 포함하여 서로 다른 유형의 데이터가 있는 다양한 분포를 비교할 수 있습니다. 종종 실제 세계의 현상은 정상 (또는 거의 정상에 가까운) 분포를 따릅니다. 이를 통해 연구원은 정규 분포를 실제 현상과 관련된 확률을 평가하기 위한 모델로 사용할 수 있습니다. 일반적으로 분석에는 두 단계가 포함됩니다. 소개 섹션에서 설명한 것처럼 정규 분포에 반드시 동일한 수단과 표준 편차가 있는 것은 아닙니다. 평균이 0이고 표준 편차가 1인 정규 분포를 표준 정규 분포라고 합니다. 이 데이터가 일반적으로 분포되어 있다고 가정하면 평균 및 표준 편차를 계산할 수 있습니까? 표준 정규 분포의 평균은 0이고 표준 편차는 1입니다. 변환 [라텍스]디스플레이 스타일{z}=frac{{x – mu}}{{sigma}}[/라텍스]는 분포 Z~ N(0, 1)을 생성합니다.

값 x는 평균 μ 및 표준 편차 σ가 있는 정규 분포에서 비롯됩니다. 이 비디오에서는 정규 배포 단어 문제의 한 가지 예를 보여 주십습니다. 더 많은 예는 아래를 참조하십시오: 3단계:z-scores를 알아내세요. 첫 번째 X 값 (위의 그래프에서 75)을 z 값 수식에 연결하고 해결하십시오. μ(평균)는 샘플 그래프로부터 100이다. 1단계의 답변에서 이러한 수치(σ, 표준 편차 포함)를 얻을 수 있습니다: z 점수는 값 x가 평균,μ(오른쪽) 위 또는 아래(왼쪽)에 있는 표준 편차 수를 알려줍니다.

This entry was posted by in Uncategorized.