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 1.56

Використовуйте позитивну z-таблицю, щоб знайти значення, що відповідає 1,56. Це значення є накопичувальною ймовірністю області зліва від 1,56.

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 1,56 відповідає площі 0
p(z<1,56)=0
Кумулятивна ймовірність, що z<1,56 становить 0%

2. Знайдіть кумулятивну ймовірність значень Z-оцінок, вищих за 1.56

Щоб знайти кумулятивну ймовірність значень, які більше ніж 1,56, нам потрібно відняти кумулятивну ймовірність значень, що менші за 1,56, від загальної ймовірності під кривою, яка дорівнює 1:

10=1
p(z>1,56)=1
Кумулятивна ймовірність z>1,56 становить 100%

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.