Введіть рівняння або задачу
Камера не розпізнає вхід!

Рішення - Накопичувална ймовірність у стандартному нормальному розподілі

Кумулятивна ймовірність 100%
100%

Покрокове пояснення

1. Знайдіть кумулятивну ймовірність значень Z-оцінок до 0.131

Використовуйте позитивну z-таблицю, щоб знайти значення, що відповідає 0,131. Це значення є накопичувальною ймовірністю області зліва від 0,131.

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

Z-оцінка 0,131 відповідає площі 0
p(x<0,131)=0
Кумулятивна ймовірність, що x<0,131 становить 0%

2. Знайдіть кумулятивну ймовірність значень z-оцінок, що є більшими за 0.131

Щоб знайти імовірність накопичення значень більших ніж 0,131, ми повинні відняти імовірність накопичення значень менших ніж 0,131 від загальної імовірності під кривою, яка дорівнює 1:

10=1
p(0,097>x>0,131)=1
Імовірність накопичення x>0,131 дорівнює 100%

3. Знайдіть кумулятивну ймовірність значень z-оцінок до 0.097

Використовуйте негативну z-таблицю, щоб знайти значення, що відповідає 0,097. Це значення є накопиченою імовірністю області зліва від 0,097.

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

Z-оцінка 0,097 відповідає області 0
p(x<0,097)=0
Імовірність накопичення, що x<0,097, дорівнює 0%

4. Розрахуйте кумулятивну ймовірність значень, які є більшими ніж 0.131 але меньшими ніж -0.097

Додайте кумулятивну ймовірність області праворуч від більшого z-балу (все праворуч від 0,131) до кумулятивної ймовірності області ліворуч від меншого z-балу (все ліворуч від -0,097):

1+0=1
p(0,097>x>0,131)=1
Кумулятивна ймовірність того, що0,097>x>0,131еквівалентна100%



Чому вчити це

Нормальний розподіл є важливим, оскільки ми часто зустрічаємо його в природі. Припустимо, ми збираємо багато непов'язаних мір, наприклад, зріст людей, показники тиску крові або IQ. Вони будуть відповідати нормальному розподілу.

В психології ми бачимо багато нормально розподілених змінних. Наприклад, здатність до читання, інтроверсія або задоволеність роботою. У інвестиціях нормальний розподіл показує доходи від класів активів. Хоча ці розподіли лише приблизно нормальні, вони досить близькі, і ми можемо вважати їх нормальними.

Нормальний розподіл просто працює. Багато статистичних тестів покладається на нього. Більше того, ці тести працюють добре навіть тоді, коли розподіл лише приблизно нормальний. Наприклад, якщо відомі середнє значення та стандартне відхилення набору, і набір відповідає нормальному розподілу, ми легко можемо перетворити процентили в сировинні бали.

Будь-який нормальний розподіл можна стандартизувати до стандартного нормального розподілу. Таким чином, ми можемо порівняти два або більше окремих наборів даних. Використовуючи стандартний нормальний розподіл, ми можемо оцінити ймовірності подій, що включають нормальний розподіл. Таким чином, ми можемо оцінити, наскільки високим, наприклад, може вирости людина.