Adjon meg egy egyenletet vagy feladatot
A kamera bemenete nem felismerhető!

Megoldás - Kumulatív valószínűség a standard normális eloszlásban

Kumulatív valószínűség 100%
100%

Lépésről lépésre magyarázat

1. Keresse meg a(z) 1.03 -ig terjedő z-értékek kumulatív valószínűségét

A pozitív z-táblázat segítségével keresse meg a(z) 1,03 értékhez tartozó értéket. Ez a 1,03 bal oldalán lévő terület kumulatív valószínűsége.

Z0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0,00000000000
0,10000000000
0,20000000000
0,30000000000
0,40000000000
0,50000000000
0,60000000000
0,70000000000
0,80000000000
0,90000000000
1,00000000000
1,10000000000
1,20000000000
1,30000000000
1,40000000000
1,50000000000
1,60000000000
1,70000000000
1,80000000000
1,90000000000
2,00000000000
2,10000000000
2,20000000000
2,30000000000
2,40000000000
2,50000000000
2,60000000000
2,70000000000
2,80000000000
2,90000000000
3,00000000000
3,10000000000
3,20000000000
3,30000000000
3,40000000000
3,50000000000
3,60000000000
3,70000000000
3,80000000000
3,90000000000

A(z) 1,03 z-értékhez 0 terület tartozik.
p(z<1,03)=0
Annak kumulatív valószínűsége, hogy z<1,03, 0%.

2. Keresse meg a(z) 1.03 -nél nagyobb z-értékek kumulatív valószínűségét

A(z) 1,03 -nél nagyobb értékek kumulatív valószínűségének meghatározásához ki kell vonnunk a(z) 1,03 -nél kisebb értékek kumulatív valószínűségét a görbe alatti teljes valószínűségből, amely 1:

10=1
p(1,03>z>1,03)=1
A(z) z>1,03 kumulatív valószínűsége 100%.

3. Keresse meg a(z) 1.03 -ig terjedő z-értékek kumulatív valószínűségét

A negatív z-táblázat segítségével keresse meg a(z) 1,03 értékhez tartozó értéket. Ez a 1,03 bal oldalán lévő terület kumulatív valószínűsége.

Z0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
-3,90000000000
-3,80000000000
-3,70000000000
-3,60000000000
-3,50000000000
-3,40000000000
-3,30000000000
-3,20000000000
-3,10000000000
-3,00000000000
-2,90000000000
-2,80000000000
-2,70000000000
-2,60000000000
-2,50000000000
-2,40000000000
-2,30000000000
-2,20000000000
-2,10000000000
-2,00000000000
-1,90000000000
-1,80000000000
-1,70000000000
-1,60000000000
-1,50000000000
-1,40000000000
-1,30000000000
-1,20000000000
-1,10000000000
-1,00000000000
-0,90000000000
-0,80000000000
-0,70000000000
-0,60000000000
-0,50000000000
-0,40000000000
-0,30000000000
-0,20000000000
-0,10000000000
0,00000000000

A(z) 1,03 z-értékhez 0 terület tartozik.
p(z<1,03)=0
Annak kumulatív valószínűsége, hogy z<1,03, 0%.

4. Számítsa ki a(z) 1.03-nél nagyobb és -1.03-nél kisebb értékek kumulatív valószínűségét

Adja hozzá a nagyobb z-érték jobb oldalán lévő terület kumulatív valószínűségét (mindent, ami 1,03 jobb oldalán van) az alacsonyabb z-érték bal oldalán lévő terület kumulatív valószínűségéhez (mindent, ami 1,03 bal oldalán van):

1+0=1
p(1,03>z>1,03)=1
Annak kumulatív valószínűsége, hogy 1,03>z>1,03, 100%.

Miért érdemes ezt megtanulni

Tudj meg többet a Tigerrel

A normális eloszlás azért fontos, mert a természetben gyakran találkozunk vele. Ha sok, egymástól független mérést gyűjtünk össze, például emberi testmagasságokat, vérnyomásértékeket vagy IQ-pontszámokat, ezek normális eloszlást követnek.

A pszichológiában is sok normális eloszlású változóval találkozunk. Ilyen például az olvasási képesség, az introvertáltság vagy a munkával való elégedettség. A befektetések világában az eszközosztályok hozamait is gyakran normális eloszlással közelítjük. Bár ezek az eloszlások csak nagyjából normálisak, elég közel állnak hozzá, ezért kezelhetjük őket normálisként.

A normális eloszlással könnyű dolgozni. Számos statisztikai próba erre épül. Ráadásul ezek a próbák akkor is jól működnek, ha az eloszlás csak megközelítőleg normális. Például ha egy adathalmaz átlaga és szórása ismert, és az adathalmaz normális eloszlást követ, akkor könnyen átválthatunk a percentilisek és a nyers pontszámok között.

Bármely normális eloszlás standardizálható standard normális eloszlássá. Így két vagy több különálló adathalmaz összehasonlíthatóvá válik. A standard normális eloszlás segítségével megbecsülhetjük a normális eloszlással kapcsolatos események valószínűségeit. Így például megbecsülhetjük, hogy egy ember várhatóan milyen magasra nő meg.