الإحصاء

مستمر البيانات المنفصلة بشكل عام هي إجابات عدد صحيح. مثل كم من الأشجار أو المكاتب أو الناس. أيضا أشياء مثل أحجام الأحذية منفصلة. لكن الوزن والطول والوقت هي أمثلة على البيانات المستمرة. طريقة واحدة لتحديد ما إذا كنت تأخذ مرتين مثل 9 ثوان و 10 ثوان ، هل يمكن أن يكون لديك وقت بين هذين؟ نعم يوسين بولت الوقت القياسي العالمي 9.58 ثانية إذا كنت تأخذ 9 مكاتب و 10 مكاتب ، هل يمكن أن يكون لديك عدد من المكاتب بين؟ لا 9 مكاتب 1/2 هو 9 مكاتب وكسر واحد! اقرأ أكثر »

1/435 = 0.0023 "أفترض أنك تعني أن هناك 22 بطاقة معروضة ، بحيث" "هناك فقط 52-22 = 30 بطاقة غير معروفة." "هناك 4 بدلات وكل بطاقة لها رتبة ، وأفترض أن" "هذا هو ما تعنيه بالرقم ، حيث أن جميع البطاقات ليس لها رقم" "، وبعضها عبارة عن بطاقات وجه". "لذلك يتم اختيار بطاقتين ويجب على شخص تخمين الدعوى و" "من هذه الصفات. احتمالات ذلك هي" 2 * (1/30) * (1/29) = 1/435 = 0.0023 = 0.23٪ "الشرح: نحن نعلم أنها ليست واحدة من البطاقات المقلوبة ، لذلك "" لا يوجد سوى 30 فرصة للبطاقة الأولى و 29 للبطاقة الثانية ". نضاعف الفرص ونتضاعف في 2" "بسبب تر اقرأ أكثر »

"النتائج المحتملة لرمي القالب 4 هي:" "1 ، 2 ، 3 ، أو 4. لذا فإن الوسط هو (1 + 2 + 3 + 4) / 4 = 2.5." "التباين يساوي E [x²] - (E [x]) ² = (1² + 2² + 3² + 4²) / 4 -2.5²" "= 30/4 - 2.5² = 7.5 - 6.25 = 1.25" " النتائج المحتملة لرمي القالب 8 الجانب هي: "" 1 ، 2 ، 3 ، 4 ، 5 ، 6 ، 7 ، أو 8. وبالتالي فإن المتوسط هو 4.5. " "التباين يساوي (1² + 2² + ... + 8²) / 8 - 4.5² = 5.25." "متوسط مجموع النردتين هو مجموع الوسط ،" "لذلك لدينا 2.5 + 4.5 = 7." "الفرق هو أيض ا مجموع الفروق اثني اقرأ أكثر »

A = 1.7 الرسم التوضيحي أدناه يوضح التوزيع الموحد للنطاق المحدد الذي يحتوي المستطيل على المنطقة = 1 لذلك (6-1) k = 1 => k = 1/5 نريد P (X <= a) = 0.14 يشار إلى ذلك كمنطقة مظللة باللون الرمادي على الرسم التخطيطي لذلك: (a-1) k = 0.14 (a-1) xx1 / 5 = 0.14 a-1 = 0.14xx5 = 0.7: .a = 1.7 اقرأ أكثر »

K = 3/4 P (x> 1) = 1/2 E (X) = 1 V (X) = 1/5 لإيجاد k ، نستخدم int_0 ^ 2f (x) dx = int_0 ^ 2k (2x-x ^ 2) dx = 1:. k [2x ^ 2/2-x ^ 3/3] _0 ^ 2 = 1 k (4-8 / 3) = 1 => 4 / 3k = 1 => k = 3/4 لحساب P (x> 1 ) ، نستخدم P (X> 1) = 1-P (0 <x <1) = 1-int_0 ^ 1 (3/4) (2x-x ^ 2) = 1-3 / 4 [2x ^ 2 / 2-x ^ 3/3] _0 ^ 1 = 1-3 / 4 (1-1 / 3) = 1-1 / 2 = 1/2 لحساب E (X) E (X) = int_0 ^ 2xf (x ) dx = int_0 ^ 2 (3/4) (2x ^ 2-x ^ 3) dx = 3/4 [2x ^ 3/3-x ^ 4/4] _0 ^ 2 = 3/4 (16 / 3- 16/4) = 3/4 * 16/12 = 1 لحساب V (X) V (X) = E (X ^ 2) - (E (X)) ^ 2 = E (X ^ 2) -1 E (X ^ 2) = int_0 ^ 2x ^ 2f (x) dx = int_0 ^ 2 (3/4) (2x ^ 3- اقرأ أكثر »

1 - 0.2 قدم مربع (10) = 0.367544 "الاسم" P [R] = "احتمال أن تتحول عصا R إلى اللون الأزرق في نهاية المطاف" P [Y] = "Prob. أن عصا Y واحدة تتحول إلى اللون الأزرق في نهاية المطاف." P ["RY"] = "Prob. أن كلا من R & Y يتحولان إلى حدث أزرق." P ["RR"] = "احتمال أن يتحول طرفان R إلى حدث أزرق." P ["YY"] = "احتمال أن يتحول جناحي Y إلى حدث أزرق." "ثم لدينا" P ["RY"] = P [R] * P [Y] P ["RR"] = (P [R]) ^ 2 P ["YY"] = (P [Y]) ^ 2 "لذلك نحصل على معادلتين في متغيرين P [R] و P [Y]:" P [Y] = 1/4 + (1/ اقرأ أكثر »

44 لحساب متوسط مجموعة من البيانات ، قم بإضافة جميع البيانات وتقسيمها على عدد عناصر البيانات. دع عمر السابع يعلم x. مع ذلك ، يتم حساب متوسط أعمار المعلمين بواسطة: {52 + 30 + 23 + 28 + 44 + 45 + x} / {7} = 38 ثم يمكننا الضرب في 7 للحصول على: {52 + 30 + 23 + 28 + 44 + 45 + x} / {7} xx7 = 38xx7 => 52 + 30 +23 +28 +44 +45 + x = 266 نطرح جميع الأعمار الأخرى للحصول على: x = 266-52- 30-23-28-44-45 = 44. اقرأ أكثر »

المتوسط = 7.4 الانحراف المعياري ~~ 1.715 التباين = 2.94 المتوسط هو مجموع كل نقاط البيانات مقسوم ا على عدد نقاط البيانات. في هذه الحالة ، لدينا (5 + 5 + 5 + 5 + 6 + 6 + 6 + 6 + 7 + 8 + 8 + 8 + 8 + 9 + 9 + 9 + 9 + 9 + 9 + 10 + 10) / 20 = 148/20 = 7.4 الفرق هو "متوسط المسافات المربعة من الوسط." http://www.mathsisfun.com/data/standard-deviation.html ما يعنيه هذا هو أنك تقوم بطرح كل نقطة بيانات من الوسط وتنسيق الإجابات ثم إضافتها مع ا وتقسيمها على عدد نقاط البيانات. في هذا السؤال ، يبدو الأمر كما يلي: 4 (5-7.4) = 4 (-2.4) ^ 2 = 4 (5.76) = 23.04 نضيف 4 أمام الأقواس لأن هناك أربعة 5 في مجموعة البيانات هذه. ثم نقوم بذ اقرأ أكثر »

17160/6497400 هناك 52 بطاقة بالكامل ، و 13 منها عبارة عن مجارف. احتمال سحب المجرف الأول هو: 13/52 احتمال رسم المجرف الثاني هو: 12/51 وهذا لأنه ، عندما اخترنا المجرف ، لم يتبق سوى 12 رأس ا متبقي ا وبالتالي 51 ورقة فقط تمام ا. احتمال سحب المجرف الثالث: 11/50 احتمال رسم المجرف الرابع: 10/49 نحن بحاجة إلى مضاعفة كل ذلك مع ا ، للحصول على احتمال رسم المجرف واحد ا تلو الآخر: 13/52 * 12/51 * 11 / 50 * 10/49 = 17160/6497400 وبالتالي فإن احتمال رسم أربعة البستوني في وقت واحد دون استبدال هو: 17160/6497400 اقرأ أكثر »

Y = -1.226666 + 0.1016666 * X Bar X = (12 + 13 + 14 + ... + 20) / 9 = 9 * (12 + 20) / (2 * 9) = 16 bar Y = (0 + 0.1 + 0.2 + 0.2 + 0.5 + 0.5 + 0.6 + 0.7 + 0.8) / 9 = 0.4 hat beta_2 = (sum_ {i = 1} ^ ^ {i = 9} x_i * y_i) / (sum_ {i = 1} ^ {i = 9} x_i ^ 2) "مع" x_i = X_i - bar X "، و" y_i = Y_i - bar Y => hat beta_2 = (4 * 0.4 + 3 * 0.3 + 2 * 0.2 + 0.2 + 0.1 + 2 * 0.2 + 3 * 0.3 + 4 * 0.4) / ((4 ^ 2 + 3 ^ 2 + 2 ^ 2 + 1 ^ 2) * 2) = (1.6 + 0.9 + 0.4 + 0.2 + 0.1 + 0.4 + 0.9 + 1.6) / 60 = 6.1 / 60 = 0.10166666 => hat beta_1 = bar Y - hat beta_2 * bar X = 0.4 - (6.1 / 60) * 16 = -1.226666 "وبالتالي فإ اقرأ أكثر »

30.2 يتم حساب الوسط عن طريق أخذ مجموع القيم وتقسيمه على العدد. على سبيل المثال ، بالنسبة إلى 6 نساء ، بمتوسط 31 ، يمكننا أن نرى أن الأعمار قد لخصت 186: 186/6 = 31 ، ويمكننا أن نفعل الشيء نفسه بالنسبة للرجال: 116/4 = 29 والآن يمكننا الجمع بين مجموع وعد الرجال والنساء لإيجاد المتوسط للمكتب: (186 + 116) /10=302/10=30.2 اقرأ أكثر »

عندما يكون هناك عدد قليل من القيم القصوى في مجموعة البيانات الخاصة بك. مثال: لديك مجموعة من 1000 حالة بقيم غير متباعدة. متوسطهم هو 100 ، وكذلك متوسطهم. الآن يمكنك استبدال حالة واحدة فقط بقضية لها قيمة 100000 (فقط لتكون متطرفة). سوف يرتفع المتوسط بشكل كبير (إلى ما يقرب من 200) ، في حين لن يتأثر الوسيط. الحساب: 1000 حالة ، يعني = 100 ، مجموع القيم = 100000 تفقد 100 ، أضف 100000 ، مجموع القيم = 199900 ، يعني = 199.9 المتوسط (= الحالة 500 + 501) / 2 يبقى كما هو. اقرأ أكثر »

طول قضيب 6 ساعات هو = 265.2-230 = 35.2. متوسط طول 6 قضبان = 44.2 سم. متوسط طول 5 قضبان = 46 سم. يبلغ الطول الإجمالي 6 قضبان = 44.2xx 6 = 265.2 سم. من 5 قضبان = 46xx5 = 230 سم طول قضيب 6H هو = [الطول الكلي من 6 قضبان] - [الطول الكلي من 5 قضبان] طول قضيب 6H هو = 265.2-230 = 35.2 اقرأ أكثر »

X = 5 3،4،5،8 ، x mean = mode = median sumx_i = (20 + x) / 5 = 4 + x / 5 لأننا طلبنا أن يكون هناك وضع: .x> 0 لأن x = 0 = > barx = 4 ، "median" = 4 "ولكن لا يوجد وضع" x = 5 => barx = 4 + 5/5 = 5 لدينا 4 ، 4 ، 5 ، 5 ، 8 متوسط = 5 وضع = 5:. س = 5 اقرأ أكثر »

يعني أن الأرقام الستة هي "" 270/6 = 45 هناك 3 مجموعات مختلفة من الأرقام المعنية هنا. مجموعة من ستة ، مجموعة من اثنين ومجموعة من ثمانية. كل مجموعة لها وسيلة خاصة بها. "mean" = "الإجمالي" / "عدد الأرقام" "" OR M = T / N لاحظ أنه إذا كنت تعرف المتوسط وعدد الأعداد الموجودة ، فيمكنك العثور على الإجمالي. T = M xxN يمكنك إضافة أرقام ، ويمكنك إضافة مجاميع ، لكن لا يمكنك إضافة وسائل مع ا. لذلك ، لجميع الأرقام الثمانية: المجموع هو 8 × 41 41 = 328 بالنسبة لإثنين من الأرقام: المجموع هو 2xx29 = 58 وبالتالي فإن مجموع الأرقام الستة الأخرى هو 328-58 = 270 متوسط الأرقام الستة = 270 / اقرأ أكثر »

8 متوسط مجموعة من الأرقام هو مجموع الأرقام على عدد المجموعة (عدد القيم). لدينا مجموعة من أربعة أرقام والمتوسط هو 5. يمكننا أن نرى أن مجموع القيم هو 20: 20/4 = 5 لدينا مجموعة أخرى من ثلاثة أرقام بمتوسطها 12. يمكننا كتابة ذلك على النحو التالي: 36 / 3 = 12 لإيجاد متوسط الأرقام السبعة مع ا ، يمكننا إضافة القيم مع ا والقسمة على 7: (20 + 36) / 7 = 56/7 = 8 اقرأ أكثر »

مقاومة في هذه الحالة يعني أنه يمكن أن تصمد أمام القيم المتطرفة. مثال: تخيل مجموعة من 101 شخص لديهم متوسط (= متوسط) 1000 دولار في البنك. يحدث أيض ا أن الرجل الوسيط (بعد الفرز حسب الرصيد المصرفي) لديه أيض ا 1000 دولار في البنك. يعني هذا الوسيط ، أن 50 (٪) لديهم أقل و 50 لديهم أكثر. الآن واحد منهم يفوز بجائزة يانصيب قدرها 100000 دولار ، ويقرر أن يضعها في البنك. سوف يرتفع المتوسط على الفور من 1000 دولار إلى 2000 دولار تقريب ا ، حيث يتم حسابه بقسمة المبلغ الإجمالي على 101. وسيظل الوسيط ("منتصف الصف") بلا عائق ، حيث سيكون هناك 50 مع أقل ، و 50 مع المزيد نقود في البنك. اقرأ أكثر »

259459200 إذا كنت أقرأ هذا بشكل صحيح ، فعندئذ إذا كان الفاحص يمكنه تعيين علامات فقط في مضاعفات 2. فهذا يعني أن هناك 15 خيار ا فقط من بين 30 علامة. 30/2 = 15 ثم لدينا 15 اختيار موزعة على الأسئلة الثمانية. باستخدام صيغة التباديل: (n!) / ((n - r)!) حيث n هو عدد الكائنات (في هذه الحالة تكون العلامات في مجموعات من 2). و r هو عدد الأشخاص الذين يتم تناولهم في وقت واحد (في هذه الحالة الأسئلة الثمانية) إذن لدينا: (15!) / ((15 - 8)!) = (15!) / (7!) = 259459200 اقرأ أكثر »

انهم يعتمدون. الحدث "ينام متأخرا" يؤثر على احتمال الحدث الآخر "في وقت متأخر إلى المدرسة". مثال على الأحداث المستقلة تقلب عملة معدنية مرارا وتكرارا. نظر ا لأن العملة لا تحتوي على ذاكرة ، فإن الاحتمالات في الرميات الثانية (أو الأحدث) لا تزال 50/50 - شريطة أن تكون عملة عادلة! إضافي: قد ترغب في التفكير في هذا الأمر: تقابل صديق ا لم تتحدث إليه منذ سنوات. كل ما تعرفه هو أنه لديه طفلان. عندما تقابله ، لديه ابنه معه. ما هي فرص أن يكون الطفل الآخر أيض ا ابن ا؟ (لا ، إنه ليس 50/50) إذا حصلت على هذا ، فلن تقلق أبد ا بشأن الاعتماد / الاستقلال مرة أخرى. اقرأ أكثر »

7! = 7 * 6 * 5 * 4 * 3 * 2 * 1 = 5040. هذه المشكلة بالذات هي التقليب. أذكر أن الفرق بين التباديل والتركيبات هو أنه مع التباديل ، يهم الأمر. بالنظر إلى أن السؤال يسأل عن عدد الطرق التي يمكن للطلاب بها للراحة (أي عدد الطلبات المختلفة) ، فهذا يعد تقلب ا. تخيل في اللحظة التي كنا نملأ فيها وظيفتين فقط ، الموضع 1 والموقف 2. من أجل التفريق بين طلابنا ، نظر ا لأن الأمر مهم ، سنقوم بتعيين كل رسالة من A إلى G. الآن ، إذا كنا نملأ هذه المناصب واحد ا في وقت واحد ، لدينا سبعة خيارات لملء الموضع الأول: A ، B ، C ، D ، E ، F ، و G. ومع ذلك ، بمجرد ملء هذا الموضع ، لدينا فقط ستة خيارات للثاني ، لأن أحد الخيارات تم بالفعل وضع الطلاب. على س اقرأ أكثر »

في 84 طرق يمكن اختيار هذه المجموعة. يتم تحديد عدد تحديدات الكائنات "r" من الكائنات "n" المحددة بواسطة nC_r ، ويتم تقديمها بواسطة nC_r = (n!) / (r! (n-r)!) n = 9 ، r = 3:. 9C_3 = (9!) / (3! (9-3)!) = (9 * 8 * 7) / (3 * 2) = 84 في 84 طريقة يمكن اختيار هذه المجموعة. [الجواب] اقرأ أكثر »

انظر أدناه للحصول على فكرة حول كيفية التعامل مع هذه الإجابة: أعتقد أن الإجابة على سؤال المنهجية في القيام بهذه المشكلة هي أن المجموعات ذات العناصر المتطابقة ضمن السكان (مثل امتلاك 4 بطاقات مع عدد n من الأنواع A و B و C ، و D) يقع خارج قدرة صيغة الجمع لحساب. بدلا من ذلك ، وفق ا للدكتور Math في mathforum.org ، ستحتاج في النهاية إلى عدة تقنيات: توزيع الكائنات على خلايا مميزة ، ومبدأ التضمين - الاستبعاد. لقد قرأت هذا المنشور (http://mathforum.org/library/drmath/view/56197.html) الذي يتعامل مباشرة مع مسألة كيفية حساب هذا النوع من المشاكل مرار ا وتكرار ا والنتيجة النهائية هي أنه بينما الجواب يكمن في مكان ما ، لن أحاول تقديم إجاب اقرأ أكثر »

وع زيت هذه العبارة في السيرة الذاتية لمارك توين إلى بنجامين ديسرييلي ، رئيس الوزراء البريطاني في القرن التاسع عشر. كان توين أيض ا مسؤول ا عن استخدام هذه العبارة على نطاق واسع ، على الرغم من أن السير تشارلز ديلك وآخرين قد استخدموها في وقت أبكر بكثير. في جوهرها ، تعبر العبارة الساخرة عن شكوك حول الأدلة الإحصائية من خلال مقارنتها بالأكاذيب ، مما يوحي بأنها غالب ا ما يتم تغييرها أو استخدامها خارج السياق. لأغراض هذه العبارة ، يتم استخدام "الإحصائيات" لتعني "البيانات". اقرأ أكثر »

50٪ من البيانات موجودة داخل المربع. يتم تشكيل المربع الموجود في المربع ومخطط الشارب باستخدام قيم Q1 و Q3 كنقاط نهاية. هذا يعني أنه تم تضمين Q1-> Q2 و Q2-> Q3. نظر ا لأن كل نطاق من بيانات Q يحتوي على 25٪ من البيانات الموجودة في المربع ومخطط القطعة ، يحتوي المربع على 50٪ دقيقة -> Q1 = 25٪ Q1 -> Q2 = 25٪ Q2 -> Q3 = 25٪ Q3 -> max = 25٪ اقرأ أكثر »

75٪ إذا كنت تعمل مع رباعيات ، فأنت تقوم أولا بطلب قضيتك حسب القيمة. ثم تقسم حالاتك إلى أربع مجموعات متساوية. تسمى قيمة الحالة على الحد الفاصل بين الربع الأول والثاني الربع الأول أو Q1 بين الثاني والثالث هو Q2 = الوسيط وبين الثالث والرابع هو Q3 وهكذا عند النقطة Q3 ، تكون قد تجاوزت ثلاثة أرباع القيم الخاصة بك. هذا هو 75 ٪. إضافي: يتم استخدام النسب المئوية الكبيرة مع مجموعات البيانات الكبيرة أيض ا (يتم تقسيم الحالات إلى 100 مجموعة). إذا قيل أن قيمة ما هي في المئة 75 ، وهذا يعني أن 75 ٪ من الحالات لديها قيمة أقل. اقرأ أكثر »

N = 3 p (n) = "ضرب للمرة الأولى في تجربة n-th" => p (n) = 0.8 ^ (n-1) * 0.2 "حدود عدم المساواة" 625 p ^ 2 - 175 p + 12 = 0 "" هو حل المعادلة التربيعية في "p": "" القرص: "175 ^ 2 - 4 * 12 * 625 = 625 = 25 ^ 2 => p = (175 م 25) / 1250 = 3/25 "أو" 4/25 "" So "p (n)" سالبة بين هاتين القيمتين. " p (n) = 3/25 = 0.8 ^ (n-1) * 0.2 => 3/5 = 0.8 ^ (n-1) => log (3/5) = (n-1) log (0.8) = > n = 1 + log (3/5) / log (0.8) = 3.289 .... p (n) = 4/25 = ... => n = 1 + log (4/5) / log (0.8 ) = 2 "So" 2 <n <3.289 ... => اقرأ أكثر »

22 يتم قياس الوسط عن طريق أخذ مجموع القيم وتقسيمه على عدد القيم: "mean" = "sum" / "count" لقد حصلت Katie على أربعة اختبارات بالفعل ومن المقرر أن تحصل على المركز الخامس ، لذلك لدينا 76 ، 74 و 90 و 88 و x. إنها تريد أن يكون متوسطها الإجمالي 70 عام ا على الأقل. نريد أن نعرف أن الحد الأدنى من الدرجات x يجب أن يكون لتحقيق ما لا يقل عن 70: 70 = (76 + 74 + 90 + 88 + x) / 5 والآن نحل x: 328 + × = 350 × = 22 اقرأ أكثر »

122 Mean = مجموع الاختبارات مقسوم ا على إجمالي عدد الاختبارات Let x = درجة الاختبار الخامسة Mean = (76 + 74 + 90 + 88 + x) / 5 = 90 حل عن طريق ضرب أول طرفي المعادلة ب 5: = (5 (76 + 74 + 90 + 88 + x)) / 5 = 90 * 5 = 76 + 74 + 90 + 88 + x = 450 حل من أجل x: x = 450 - 76-74-90-88 = 122 اقرأ أكثر »

"I) P = 0.3085" "II) P = 0.4495" "variance = 25" => "الانحراف المعياري" = sqrt (25) = 5 "نذهب من N (10 ، 5) إلى التوزيع الطبيعي الطبيعي:" I) z = (7.5 - 10) / 5 = -0.5 => P = 0.3085 "(جدول القيم z)" II) z = (13.5 - 10) / 5 = 0.7 => P = 0.7580 "(جدول z- القيم) "=> P (" بين 8 و 13 ") = 0.7580 - 0.3085 = 0.4495" 7.5 و 13.5 بدلا من 8 و 13 بسبب تصحيح الاستمرارية "" للقيم المنفصلة. " اقرأ أكثر »

لكل 20 رابط ، هناك 7 خيارات ، في كل مرة يكون الخيار مستقلا عن الخيارات السابقة ، حتى نتمكن من أخذ المنتج. إجمالي عدد الخيارات = 7 * 7 * 7 ... * 7 = = 7 ^ (20) ولكن بما أن السلسلة يمكن عكسها ، نحتاج إلى حساب تسلسلات متميزة. أولا ، نحسب عدد التسلسلات المتماثلة: أي أن آخر 10 روابط تأخذ صورة معكوسة من أول 10 روابط. عدد التتابعات المتماثلة = عدد الطرق ، لذا حدد أول 10 روابط = 7 ^ (10) باستثناء هذه التتابعات المتماثلة ، يمكن عكس التتابعات غير المتماثلة لإنتاج سلسلة جديدة. هذا يعني أن نصف التسلسلات غير المتماثلة فقط هي فريدة من نوعها. عدد التسلسلات الفريدة = (عدد غير المتماثل) / 2 + عدد التسلسلات المتماثلة = (7 ^ 20 - 7 ^ 10) / 2 اقرأ أكثر »

N = 13 "اسم عدد الكرات في الكيس" ، n. "ثم لدينا" (x / n) ((x-1) / (n-1)) = 5/26 x = n - 7 => ((n-7) / n) ((n-8) / (n-1)) = 5/26 => 26 (n-7) (n-8) = 5 n (n-1) => 21 n ^ 2 - 385 n + 1456 = 0 "disc:" 385 ^ 2 - 4 * 21 * 1456 = 25921 = 161 ^ 2 => n = (385 مساء 161) / 42 = 16/3 "أو" 13 "نظر ا لأن n عدد صحيح ، يتعين علينا أخذ الحل الثاني (13):" => ن = 13 اقرأ أكثر »

0،0،12،19،19 هو أحد الاحتمالات لدينا 5 مباريات كرة سلة حيث سجل Tyler متوسط 10 نقاط ووسط 12 نقطة. الوسيط هي القيمة المتوسطة ، وهكذا نعرف أن النقاط التي سجلها لها قيمتان أقل من 12 وقيمتين أعلاه. يتم حساب الوسط عن طريق جمع القيم وتقسيمها على العدد. للحصول على متوسط 10 نقاط على 5 ألعاب ، نعرف: "mean" = "مجموع النقاط المسجلة" / "عدد الألعاب" => 10 = 50/5 وهكذا يكون عدد النقاط المسجلة على 5 ألعاب هو 50 نقاط. نعلم أن 12 تم تسجيلها في لعبة واحدة ، وبالتالي فإن النقاط المتبقية ستعادل: 50-12 = 38 ، مرة أخرى ، بقيمتين فوق 12 واثنتان دون 12. دعنا نجعل الأمور سهلة ونقول ذلك في المباراتين حيث سجل أقل م اقرأ أكثر »

تعني P (z <1.96) استخدام التوزيع الطبيعي القياسي ، والعثور على المنطقة الواقعة أسفل المنحنى إلى يسار 1.96 ، حيث يمنحنا جدولنا المنطقة على يسار علامة z ، وكل ما نحتاج إليه هو أن ننظر إلى القيمة من على الطاولة ، والتي سوف تعطينا. P (z <1.96) = 0.975 والتي يمكن أن تكتب كـ 97.5٪ اقرأ أكثر »

راجع قسم الشرح الخطوات الموضحة في حساب القيم z كالتالي: احسب متوسط السلسلة. حساب الانحراف المعياري للسلسلة. أخير ا احسب القيم z لكل قيم x باستخدام الصيغة z = sum (x-barx) / sigma وفق ا للحساب ، فإن قيمة z تبلغ 209 أكبر من 2 ، راجع الجدول الموضح أدناه - التوزيع الطبيعي الجزء 2 اقرأ أكثر »

مؤامرة المربع والقص هي نوع من الرسم البياني يحتوي على إحصائيات من ملخص مكون من خمسة أرقام. فيما يلي مثال: يتكون الملخص المكون من خمسة أرقام من: Minumum: أدنى قيمة / مراقبة الربع الأدنى أو Q1: "الوسيط" للنصف السفلي من البيانات ؛ تكمن في 25 ٪ من البيانات الوسيط: القيمة المتوسطة / الملاحظة الربع الأعلى أو Q3: "الوسيط" في النصف العلوي من البيانات ؛ تقع في 75 ٪ من البيانات الحد الأقصى: أعلى قيمة / الملاحظة. المدى الرباعي (IQR) هو نطاق الربع السفلي (Q1) والرباعية العليا (Q2). في بعض الأحيان ، هناك أيضا القيم المتطرفة. تحدث القيم المتطرفة عندما تكون خارج نطاق Q1-1.5 (IQR) أو Q3 + 1.5 (IQR). في حالة حدوث عتامة اقرأ أكثر »

عندما تقوم بتجميع القيم في الفصول ، يجب عليك إعداد الحدود. مثال ، قل أنك تقيس ارتفاع 10000 شخص بالغ. يتم قياس هذه الارتفاعات بدقة إلى ملم (0.001 م). للعمل مع هذه القيم وإجراء إحصاءات عليها ، أو عمل مدرج تكراري ، لن يعمل هذا التقسيم الجيد. لذلك يمكنك تجميع القيم الخاصة بك في الفصول الدراسية. قل في حالتنا أننا نستخدم فواصل زمنية تبلغ 50 مم (0.05 م). ثم سيكون لدينا فئة من 1.50 - <1.55 م ، 1.55- <1.60 م وما إلى ذلك. في الواقع ، سيكون عدد الطلاب من 1.50 إلى 1.55 متر ا من 1.495 (سيتم تقريبه) إلى 1.544 (سيتم تقريبه لأسفل. هناك حدود أخرى ، حيث يتم تعيين حدود الفصل الدراسي بشكل مختلف ، مثال واحد فقط: العمر ، 49 عام ا قد تعني اقرأ أكثر »

الفائدة الأساسية لاستخدام عينة بدلا من التعداد هي الكفاءة. لنفترض أن شخص ا ما يريد أن يعرف متوسط رأي الكونجرس بين الأفراد الذين تتراوح أعمارهم بين 18 و 24 عام ا (أي أنهم يريدون أن يعرفوا ما هو معدل موافقة الكونغرس من بين هذه الديموغرافية). في عام 2010 ، كان هناك أكثر من 30 مليون فرد في هذه الفئة العمرية الواقعة داخل الولايات المتحدة ، وفقا لتعداد الولايات المتحدة. إن الذهاب إلى كل من هؤلاء الأشخاص البالغ عددهم 30 مليون ا وسؤالهم عن آرائهم ، بينما سيؤدي بالتأكيد إلى نتائج دقيقة جد ا (على افتراض عدم كذب أحد) ، سيكون مكلف ا للغاية من حيث الوقت والموارد. علاوة على ذلك ، نظر ا لأن استجابة الفرد الفردية سيكون لها تأثير ضئيل جد اقرأ أكثر »

اقرأ أكثر »

في إعداد BInomial ، هناك نتيجتان محتملتان لكل حدث. الشروط المهمة لاستخدام إعداد ذي الحدين في المقام الأول هي: لا يوجد سوى احتمالين ، والذي سوف نسميه جيد ا أو فشل ا. لا يتغير احتمال النسبة بين الخير والفشل أثناء المحاولات وبعبارة أخرى: نتيجة تجربة واحدة لا تؤثر على المثال التالي: أنت تدحرج النرد (مرة واحدة في كل مرة) وتريد أن تعرف ما هي الفرص التي تدور فيها على الأقل حتى 1 6 من كل 3 محاولات. هذا مثال نموذجي على ذات الحدين: لا يوجد سوى احتمالين: 6 (فرصة = 1/6) أو لا - 6 (فرصة = 5/6) لا تحتوي الذاكرة على ذاكرة ، لذلك: كل لفة تالية لا تزال لديها نفس الاحتمالات. يمكنك إعداد شجرة فرصة ، ولكن يمكنك أيض ا حساب فرصة حدوث ثلاث حالات اقرأ أكثر »

الخصائص المهمة لـ "مخطط دائري" قبل إنشاء "مخطط دائري" ، نحتاج إلى بعض الأشياء المهمة. نحن بحاجة إلى أن: أعلى 5 عناصر مهمة اثنين أو أكثر من البيانات. اختيار الألوان المثالية لرؤية بسهولة بياناتنا. ضع عنوان ا رئيسي ا أمام مخططنا. ضع وسيلة إيضاح في المخطط (يسار أو يمين) أضف جملة تصف المخطط في أسفل مخططنا. (قصيرة واحدة) انظر الصورة أيضا: اقرأ أكثر »

لا ينبغي استخدام المربعة R للتحقق من صحة النموذج. هذه هي القيمة التي تنظر إليها عند التحقق من صحة النموذج الخاص بك. يتم التحقق من صحة النموذج الخطي إذا كانت البيانات متجانسة ، اتبع توزيع ا طبيعي ا ، والمتغيرات التوضيحية مستقلة ، وإذا كنت تعرف تمام ا قيمة المتغيرات التوضيحية الخاصة بك (خطأ ضيق في X) ، يمكن استخدام R-squared لمقارنة نموذجين لقد قمت بالتصديق بالفعل. واحد مع أعلى قيمة هو الذي يناسب البيانات. ومع ذلك ، قد توجد مؤشرات أفضل ، مثل AIC (معيار Akaike) اقرأ أكثر »

المتوسط الحسابي ~~ 424.4 الانحراف المعياري ~~ 642.44 مجموعة بيانات الإدخال: {115 ، 89 ، 230 ، -12 ، 1700} Arithmetic Mean = (1 / n) * Sigma (x_i) ، حيث يشير Sigma x_i إلى مجموع الكل العناصر في مجموعة بيانات الإدخال. n هو العدد الإجمالي للعناصر. الانحراف المعياري sigma = sqrt [1 / n * Sigma (x_i - bar x) ^ 2) يشير Sigma (x_i - bar x) ^ 2 إلى متوسط الاختلافات التربيعية من Mean Make جدول القيم كما هو موضح: وبالتالي ، الحسابي يعني ~ 424.4 الانحراف المعياري ~~ 642.44 آمل أن يساعد. اقرأ أكثر »

المتوسط هو 3.5 والانحراف المعياري هو 1.83 مجموع المصطلحات هو 35 ، وبالتالي متوسط {2،3،3،5،1،5،4،4،2،6} هو 35/10 = 3.5 لأنه متوسط بسيط لـ الشروط. بالنسبة إلى الانحراف المعياري ، يتعين على المرء أن يجد متوسط المربعات انحرافات المصطلحات من المتوسط ثم أخذ الجذر التربيعي لها. الانحرافات هي {-3.5 ، -0.5 ، -0.5 ، 1.5 ، -2.5 ، 1.5 ، 0.5 ، 0.5 ، -1.5 ، 2.5} ومجموع مربعاتها (12.25 + 0.25 + 0.25 + 2.25 + 6.25 + 2.25 + 2.25 + 0.25 + 0.25 + 2.25 + 6.25) / 10 أو 33.50 / 10 أي 3.35. وبالتالي الانحراف المعياري هو sqrt3.35 أي 1.83 اقرأ أكثر »

يعني = 5.25color (أبيض) ("XXX") الوسيط = 4.5color (أبيض) ("XXX") الوضع = 4 السكان: التباين = 3.44color (أبيض) ("XXX") الانحراف المعياري = 1.85 نموذج: color (أبيض ) ("X") التباين = 43.93 لون (أبيض) ("XXX") الانحراف المعياري = 1.98 المتوسط هو المتوسط الحسابي لقيم البيانات. الوسيط هو القيمة المتوسطة عندما يتم فرز قيم البيانات (أو متوسط 2) القيم المتوسطة إذا كان هناك عدد زوجي من قيم البيانات). الوضع هو قيمة (قيم) البيانات التي تحدث بأكبر تردد. يعتمد التباين والانحراف المعياري على ما إذا كان من المفترض أن تكون البيانات هي كامل السكان أو فقط عينة من جميع السكان. التباين السكان اقرأ أكثر »

المتوسط (المتوسط) والوسط (نقطة المنتصف). بعض سيضيف الوضع. على سبيل المثال ، مع مجموعة القيم: 68.4 ، 65.7 ، 63.9 ، 79.5 ، 52.5 المتوسط هو المتوسط الحسابي: (68.4 + 65.7 + 63.9 + 79.5 + 52.5) / 5 = 66 المتوسط هو القيمة متساوية (عددي ا) من مجموعة النقيضين. 79.5 - 52.5 = 27 27/2 = 13.5 ؛ 13.5 + 52.5 = 66 ملاحظة: في هذه المجموعة من البيانات ، تكون هي نفس القيمة الموجودة في الوسط ، ولكن هذا ليس هو الحال عادة. الوضع هو أكثر القيم (القيم) شيوع ا في المجموعة. لا يوجد شيء في هذه المجموعة (لا توجد تكرارات). يتم تضمينه عادة كمقياس إحصائي للاتجاه المركزي. تجربتي الشخصية مع الإحصاءات هي أنه على الرغم من أنه يمكن بالتأكيد أن يشير إلى اقرأ أكثر »

يمكن الحصول على المتوسط (المتوسط) والانحرافات المعيارية مباشرة من آلة حاسبة في وضع القانون الأساسي. ينتج عن ذلك barx = 1 / nsum_ (i = 1) ^ nx_i = 219،77 بالمعنى الدقيق للكلمة ، نظر ا لأن جميع نقاط البيانات في مساحة العينة عبارة عن أعداد صحيحة ، يجب أن نعبر عن الوسط أيض ا عدد ا صحيح ا لعدد صحيح من الأرقام المهمة ، أي باركس = 220. الانحرافان المعياريان ، استناد ا إلى ما إذا كنت تريد أن يكون الانحراف المعياري للعينة أو السكان ، مقرب ا أيض ا من أقرب قيمة عدد صحيح ، s_x = 291 و sigma_x = 280 النطاق هو x_ (بحد أقصى) -x_ (min) = 1100- ( -90) = 1190. للعثور على الوسيط ، نحتاج إلى ترتيب مساحة عينة من النقاط بترتيب رقمي تصاعدي للعث اقرأ أكثر »

نعم ، هذا المثال يناسب "العلاقة مقابل السببية". على الرغم من أن بيانات المالك دليل واضح على الارتباط ، لا يمكن للمالك استنتاج العلاقة السببية لأن هذه ليست تجربة عشوائية. بدلا من ذلك ، ما حدث هنا على الأرجح هو أن أولئك الذين أرادوا امتلاك حيوان أليف وكانوا قادرين على توفيره ، هم الأشخاص الذين انتهى بهم الأمر مع حيوان أليف. تبرر الرغبة في امتلاك حيوان أليف سعادته بعد ذلك ، وقدرة على تحمل حيوان أليف يشير إلى حقيقة أنهما ربما كانا مستقلين ماليا ، فربما لم يكن لديهما ديون كبيرة وأمراض طرفية وما إلى ذلك. على الرغم من أنه من المعقول أن يكون لديك قط أليف يمكن علاج الاكتئاب ، وهذه البيانات المقدمة من المالك لا يثبت ذلك. ب اقرأ أكثر »

إذا كانت البيانات المقدمة هي المجموعة بأكملها ، فعندئذ: color (white) ("XXX") sigma_ "pop" ^ 2 = 1.62؛ sigma_ "pop" = 1.27 إذا كانت البيانات المقدمة عبارة عن عينة من السكان ، فقم بتلوين اللون (أبيض) ("XXX") sigma_ "sample" ^ 2 = 1.80 ؛ sigma_ "sample" = 1.34 للعثور على التباين (sigma_ "pop" ^ 2) والانحراف المعياري (sigma_ "pop") لمجتمع ما ، ابحث عن مجموع قيم السكان قس م على عدد القيم في المجتمع للحصول على المتوسط لحساب كل قيمة جماعية ، احسب الفرق بين تلك القيمة والوسيط ثم الفارق. احسب مجموع الفروق التربيعية احسب التباين السكاني (sigma_ "po اقرأ أكثر »

التباين = 3،050،000 (3s.f.) سيغما = 1750 (3s.f.) أوجد أولا المتوسط: متوسط = (1 + 1 + 1 + 1 + 1 + 7000 + 1 + 1 + 1 + 1 + 1 + 1 + 1) 1 + 1 + 1) / 15 = 7014/15 = 467.6 أوجد انحرافات لكل رقم - ويتم ذلك عن طريق طرح المتوسط: 1 - 467.6 = -466.6 7000 - 467.6 = 6532.4 ثم مربعة لكل انحراف: (-466.6) ^ 2 = 217،715.56 6532.4 ^ 2 = 42،672،249.76 الفرق هو متوسط هذه القيم: التباين = ((14 * 217715.56) + 42672249.76) / 15 = 3،050،000 (3s.f.) الانحراف المعياري هو الجذر التربيعي للتباين: Sigma = قدم مربع (3050000) = 1750 (3 قدم ا) اقرأ أكثر »

التباين السكاني هو: sigma ^ 2 ~ = 476.7 والانحراف المعياري للسكان هو الجذر التربيعي لهذه القيمة: sigma ~ = 21.83 أولا ، دعنا نفترض أن هذا هو مجموعة القيم بأكملها. لذلك نحن نبحث عن التباين السكاني. إذا كانت هذه الأرقام عبارة عن مجموعة من العينات من عدد أكبر من السكان ، فسنبحث عن تباين العينة الذي يختلف عن تباين السكان بمعامل n // (n-1). صيغة التباين السكاني هي sigma ^ 2 = 1 / N sum_ (i = 1) ^ N (x_i-mu) ^ 2 حيث mu هو متوسط عدد السكان ، والذي يمكن حسابه من mu = 1 / N sum_ (i = 1) ^ N x_i في مجتمعنا mu = (1 + 1 + 1 + 1 + 1 + 80 + 1 + 1 + 1 + 1 + 1 + 1) /12=91/12=7.58bar3 الآن يمكننا المضي قدم ا في حساب التباين: sigma ^ 2 = ( اقرأ أكثر »

على افتراض أننا نتعامل مع جميع السكان وليس فقط عينة: Variance sigma ^ 2 = 44،383.45 الانحراف المعياري sigma = 210.6738 ستسمح لك معظم الآلات الحاسبة أو جداول البيانات العلمية بتحديد هذه القيم مباشرة . إذا كنت بحاجة إلى القيام بذلك بطريقة أكثر منهجية: حدد مجموع قيم البيانات المقدمة. احسب المتوسط بقسمة المجموع على عدد إدخالات البيانات. لكل قيمة بيانات تحسب انحرافها عن الوسط بطرح قيمة البيانات من الوسط. لكل انحراف لكل قيمة بيانات من الوسط ، قم بحساب الانحراف التربيعي عن المتوسط بتربيع الانحراف.تحديد مجموع الانحرافات التربيعية قس م مجموع الانحرافات التربيعية على عدد قيم البيانات الأصلية للحصول على التباين السكاني تحديد الجذر اقرأ أكثر »

S = sigma ^ 2 = 815.41-> variance sigma = 28.56-> 1 الانحراف المعياري يمثل التباين نوع ا من القياس المتوسط لتباين البيانات حول السطر الأنسب. مشتق من: sigma ^ 2 = (sum (x-barx)) / n حيث يشير sum إلى إضافته بالكامل barx هي القيمة المتوسطة (أحيان ا يستخدمون mu) n هو عدد البيانات المستخدمة sigma ^ 2 هو التباين (أحيان ا يستخدمون s) sigma هو انحراف معياري واحد تنتهي هذه المعادلة ، مع قليل من المعالجة ، كـ: sigma ^ 2 = (sum (x ^ 2)) / n - barx ^ 2 "" for variance sigma = sqrt (( sum (x ^ 2)) / n - barx ^ 2) "" ل 1 الانحراف المعياري '~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ~~~~~~~~~~~~~~~ بدلا من بناء جدول ا اقرأ أكثر »

التباين (السكان): sigma_ "pop" ^ 2 = 12.57 الانحراف المعياري (السكان): sigma_ "pop" = 3.55 مجموع قيم البيانات هو 42 المتوسط (mu) لقيم البيانات هو 42/7 = 6 لكل بالنسبة لقيم البيانات ، يمكننا حساب الفرق بين قيمة البيانات والوسط ومن ثم تربيع هذا الاختلاف. يعطي مجموع الفروق التربيعية مقسوم ا على عدد قيم البيانات التباين السكاني (sigma_ "pop" ^ 2). يعطي الجذر التربيعي للفرق السكاني الانحراف المعياري للسكان (sigma_ "pop") ملاحظة: لقد افترض أن قيم البيانات تمثل كامل السكان. إذا كانت قيم البيانات مجرد عينة من مجموعة أكبر من السكان ، فعليك حساب تباين العينة ، s ^ 2 ، وعينة الانحراف المعياري اقرأ أكثر »

يفترض اختبار F أن البيانات موزعة بشكل طبيعي وأن العينات مستقلة عن بعضها البعض. يفترض اختبار F أن البيانات موزعة بشكل طبيعي وأن العينات مستقلة عن بعضها البعض. قد تكون البيانات التي تختلف عن التوزيع الطبيعي ناتجة عن عدة أسباب. يمكن أن تكون البيانات منحرفة أو يكون حجم العينة أصغر من أن يصل إلى التوزيع الطبيعي. بغض النظر عن السبب ، تفترض اختبارات F توزيع ا طبيعي ا وستؤدي إلى نتائج غير دقيقة إذا كانت البيانات تختلف اختلاف ا كبير ا عن هذا التوزيع. تفترض اختبارات F أيض ا أن نقاط البيانات مستقلة عن بعضها البعض. على سبيل المثال ، أنت تدرس مجموعة من الزرافات وترغب في معرفة مدى ارتباط حجم الجسم والجنس. تجد أن الإناث أكبر من الذكور ، اقرأ أكثر »

نظر ا لعدم وجود معادلة رياضية يمكنها حساب المساحة الواقعة تحت المنحنى العادي بين نقطتين ، لا توجد صيغة لإيجاد الاحتمال في جدول z لحلها يدوي ا. هذا هو السبب في توفير جداول z ، عادة بدقة 4 خانات عشرية. ولكن هناك صيغ لحساب هذه الاحتمالات بدقة عالية جد ا باستخدام برامج مثل excel و R و equipment مثل TI calculator. في excel ، توجد على يسار z بواسطة: NORM.DIST (z ، 0،1 ، صواب) في TI-calculator ، يمكننا استخدام normalcdf (-1E99 ، z) للحصول على مساحة على يسار تلك القيمة z . اقرأ أكثر »

يمكن استخدام توزيعات Chi Squared لوصف الكميات الإحصائية التي هي دالة لمجموع المربعات. توزيع Chi Squared هو توزيع القيمة وهو مجموع مربعات k المتغيرات العشوائية الموزعة عادة . Q = sum_ (i = 1) ^ k Z_i ^ 2 يتم تقديم PDF لتوزيع Chi Squared بواسطة: f (x؛ k) = 1 / (2 ^ (k / 2) Gamma (k / 2)) x ^ (k / 2-1) e ^ (- x / 2) حيث k هو عدد درجات الحرية ، و x هي قيمة Q التي نسعى من أجلها إلى الاحتمال. تتمثل فائدة توزيع Chi Squared في وضع نماذج للأشياء التي تتضمن مبالغ القيم التربيعية. يوجد مثالان محددان هما: تحليل اختبارات التباين (التباين هو مجموع القيم المربعة) مدى ملاءمة (لأقل المربعات التي يكون فيها الخطأ عبارة عن مجموع من القيم المر اقرأ أكثر »

استخدام واحد من التباين المشترك هو دراسة العلاقة. عندما يكون لدينا بيانات نموذجية تتعلق بمتغيرين تابعين ، يصبح التباين المشترك ذا صلة. التباين المشترك هو مقياس لتأثير التباين بين المتغيرين. عندما يكون لدينا اثنين من المتغيرات التابعة يقولان X و Y ، يمكننا دراسة التباين داخل قيم X - هذا هو sigma_x ^ 2 ، التباين داخل قيم Y هو تباين y sigma_y ^ 2. تسمى دراسة التباين المتزامن بين X و Y باسم COV (X ، Y) أو sigma_ (xy). اقرأ أكثر »

يكشف شكل العلاقة بين المتغيرات. يرجى الرجوع إلى إجابتي على ما هو تحليل الانحدار؟ يكشف شكل العلاقة بين المتغيرات. على سبيل المثال ، ما إذا كانت العلاقة مرتبطة ارتباط ا قوي ا أو مرتبطة سلب ا أو لا توجد علاقة. على سبيل المثال ، من المفترض أن ترتبط الأمطار والإنتاجية الزراعية ارتباط ا قوي ا ولكن العلاقة غير معروفة. إذا حددنا غلة المحصول للدلالة على الإنتاجية الزراعية ، والنظر في متغيرين غلة المحصول y وهطول الأمطار x. سيكون بناء خط الانحدار y على x منطقي ا وسيكون قادر ا على إثبات اعتماد إنتاجية المحاصيل على هطول الأمطار. عندها سنكون قادرين على تقدير غلة المحصول بسبب هطول الأمطار في خطأ محدود. لهذا نستخدم القيم المرصودة لهطول ال اقرأ أكثر »

تخبرك Z-Score بموضع الملاحظة فيما يتعلق بباقي توزيعها ، المقاس بالانحرافات المعيارية ، عندما يكون للبيانات توزيع طبيعي. عادة ما ترى الموقف كقيمة X ، والتي تعطي القيمة الفعلية للمراقبة. هذا أمر بديهي ، لكنه لا يسمح لك بمقارنة الملاحظات من توزيعات مختلفة. تحتاج أيض ا إلى تحويل X-Scores إلى Z-Scores حتى تتمكن من استخدام جداول التوزيع العادية العادية للبحث عن القيم المتعلقة بنتيجة Z. على سبيل المثال ، تريد معرفة ما إذا كانت سرعة عرض اللاعب البالغ من العمر ثماني سنوات جيدة بشكل غير معتاد مقارنة بدوريته. إذا كان متوسط سرعة الملعب في الدوري 30 ميلا في الساعة مع انحراف معياري قدره 4 ميل في الساعة ، فهل درجة ميل 38 ميل في الساعة غ اقرأ أكثر »

الارتباط: يميل متغيرين إلى التغيير مع ا. للحصول على ارتباط إيجابي ، إذا زاد أحد المتغيرات ، يزداد الآخر أيض ا في البيانات المحددة. السبب: متغير واحد يتسبب في التغييرات في متغير آخر. فرق كبير: يمكن أن يكون الارتباط مجرد صدفة. أو ربما بعض المتغير الثالث هو تغيير الاثنين. على سبيل المثال: هناك علاقة بين "الذهاب إلى النوم وارتداء الأحذية" و "الاستيقاظ من الصداع". لكن هذه العلاقة ليست سببية ، لأن السبب الحقيقي لهذه المصادفة هو الكحول (الكثير). اقرأ أكثر »

انظر أدناه. المعطى: not p -> [(p ^^ q) vv ~ p] عوامل المنطق: "not p:" not p، ~ p؛ "و:" ^^؛ أو: vv Logic Tables ، negation: ul (| "" p | "" q | "" ~ p | "" ~ q |) "" T | "" T | "" F | "" F | "" T | "" F | "" F | "" T | "" F | "" T | "" T | "" F | "" F | "" F | "" T | "" T | الجداول المنطقية ، و & أو: ul (| "" p | "" q | "" p ^^ q "" | "" qvvq "&qu اقرأ أكثر »

~ = 0.9391 قبل أن ندخل في السؤال نفسه ، دعونا نتحدث عن طريقة لحلها. دعنا نقول ، على سبيل المثال ، أنني أريد حساب جميع النتائج المحتملة من تقليب عملة عادلة ثلاث مرات. يمكنني الحصول على HHH ، TTT ، TTH ، و HHT. احتمال H هو 1/2 واحتمال T هو أيضا 1/2. بالنسبة إلى HHH و TTT ، يكون 1 / 2xx1 / 2xx1 / 2 = 1/8 لكل منهما. بالنسبة إلى TTH و HHT ، إنه أيض ا 1 / 2xx1 / 2xx1 / 2 = 1/8 لكل منهما ، ولكن نظر ا لوجود 3 طرق يمكنني الحصول عليها من كل نتيجة ، ينتهي الأمر إلى 3xx1 / 8 = 3/8 لكل منهما. عندما ألخص هذه النتائج ، أحصل على 1/8 + 3/8 + 3/8 + 1/8 = 1 - وهذا يعني أن لدي الآن جميع النتائج الممكنة للوجه المعدني. لاحظ أنه إذا قمت بتعيين H اقرأ أكثر »

تعريفات سريعة البيانات الكمية هي أرقام: الارتفاع؛ الأوزان. بسرعة. عدد الحيوانات الأليفة المملوكة ؛ سنوات؛ إلخ. البيانات النوعية ليست أرقام ا. قد تشمل الأطعمة المفضلة. الأديان. الأعراق. الخ. البيانات المنفصلة هي أرقام قد تأخذ قيم ا منفصلة ومنفصلة. على سبيل المثال ، عندما تقوم بتمرير ملف واحد ، تحصل على 1 أو 2 أو 3 أو 4 أو 5 أو 6. لا يمكنك الحصول على قيمة 3.75. البيانات المستمرة هي أرقام قد تأخذ في كل أنواع القيم العشرية أو الكسرية. على سبيل المثال ، يمكن قياس وزنك بدقة 92.234 كيلوغرام. لا تقفز سرعتك من 10 ميلا في الساعة إلى 11 ميلا في الساعة ؛ يتحرك خلال كل رقم عشري بين - مثل 10.5 ميل في الساعة. اقرأ أكثر »

يمكن للمرء أن ينظر في كثير من الأحيان إلى IQR (Interquartile Range) للحصول على نظرة "واقعية" أكثر على البيانات ، لأنها ستقضي على القيم الخارجية في بياناتنا. وبالتالي إذا كان لديك مجموعة بيانات مثل 4،6،5،7،2،6،4،8،2956 ، فإذا كان علينا أن نتحمل معنى معدل الذكاء لدينا فقط ، فسيكون ذلك "أكثر واقعية" لمجموعة البيانات الخاصة بنا ، كما لو أخذنا الوسط العادي للتو ، فإن قيمة واحدة من 2956 ستخبط البيانات قليلا . يمكن أن تأتي أداة غريبة من شيء بسيط مثل خطأ مطبعي ، بحيث يوضح كيف يمكن أن يكون من المفيد التحقق من معدل الذكاء اقرأ أكثر »

كما يشير اسم الموضوع إلى أن التباين هو "مقياس التباين" ، فإن التباين هو مقياس للتغير. هذا يعني أنه بالنسبة لمجموعة من البيانات ، يمكنك قول: "كلما زاد التباين ، زادت البيانات المختلفة". أمثلة مجموعة من البيانات مع اختلافات صغيرة. A = {1،3،3،3،3،4} bar (x) = (1 + 3 + 3 + 3 + 3 + 4) / 6 = 18/6 = 3 sigma ^ 2 = 1/6 * ( (2-3) ^ 2 + 4 * (3-3) ^ 2 + (4-3) ^ 2) sigma ^ 2 = 1/6 * (1 + 1) sigma ^ 2 = 1/3 مجموعة من البيانات مع اختلافات أكبر. B = {2،4،2،4،2،4} bar (x) = (2 + 4 + 2 + 4 + 2 + 4) / 6 = 18/6 = 3 سيجما ^ 2 = 1/6 * ( 3 * (2-3) ^ 2 + 3 * (4-3) ^ 2) سيغما ^ 2 = 1/6 * (3 * 1 + 3 * 1) سيغما ^ 2 = 1/6 * (6) سي اقرأ أكثر »

القيمة المركزية التي تمثل بيانات كاملة. > إذا نظرنا إلى توزيعات التردد التي صادفناها في الممارسة ، سنجد أن هناك ميل ا لقيم التباين للتجمع حول قيمة مركزية ؛ بمعنى آخر ، تكمن معظم القيم في فاصل صغير حول قيمة مركزية. وتسمى هذه الخاصية الاتجاه المركزي لتوزيع التردد. تسمى القيمة المركزية ، والتي يتم تمثيلها على أنها تمثيل لبيانات كاملة ، مقياس الاتجاه المركزي أو المتوسط. فيما يتعلق بتوزيع التردد ، ي سمى المتوسط أيض ا كمقياس للموقع ، لأنه يساعد في تحديد موضع التوزيع على محور المتغير. تجدر الإشارة إلى أن المتوسط ليس بالضرورة أحد قيم البيانات المحددة. اقرأ أكثر »

المستوى الاسمي - فقط تسميات البيانات في فئات مختلفة ، على سبيل المثال تصنيفها على النحو التالي: ذكر أو أنثى Ordinal Level - يمكن ترتيب البيانات وترتيبها ولكن الاختلاف لا معنى له ، على سبيل المثال: الترتيب في الأول والثاني والثالث. المستوى الفاصل - يمكن طلب البيانات وكذلك يمكن أخذ الاختلافات ، لكن الضرب / القسمة غير ممكن. على سبيل المثال: تصنيف سنوات مختلفة مثل 2011 ، 2012 إلخ. نسبة المستوى - الترتيب والفرق والضرب / القسمة - كل العمليات ممكنة. على سبيل المثال: العمر بالسنوات ، ودرجة الحرارة في درجات وما إلى ذلك. متغير متقطع - يمكن للمتغير أن يأخذ قيم نقطة فقط ولا توجد قيم بينهما. على سبيل المثال: عدد الأشخاص في الحافلة. الم اقرأ أكثر »

(32/52) في مجموعة من البطاقات ، نصف البطاقات حمراء (26) و (مع افتراض عدم وجود جوكرز) لدينا 4 مقابس و 4 ملكات و 4 ملوك (12). ومع ذلك ، من بطاقات الصور ، 2 مقابس ، 2 ملكات ، وملوك 2 حمراء. ما نريد العثور عليه هو "احتمال رسم بطاقة حمراء أو بطاقة صور". الاحتمالات ذات الصلة لدينا هي احتمال رسم بطاقة حمراء أو بطاقة صور. P (أحمر) = (26/52) P (picture) = (12/52) للأحداث المدمجة ، نستخدم الصيغة: P (A uu B) = P (A) + P (B) -P (A nn B) الذي يترجم إلى: P (صورة أو أحمر) = P (أحمر) + P (صورة) -P (أحمر وصورة) P (صورة أو أحمر) = (26/52) + (12/52) - (6 / 52) P (صورة أو أحمر) = (32/52) اقرأ أكثر »

فواصل التنبؤ والثقة أضيق بالقرب من الوسط ، ويمكن رؤية ذلك بسهولة في صيغة هامش الأخطاء المقابل. فيما يلي هامش خطأ فاصل الثقة. E = t _ { alpha / 2 ، df = n-2} الأوقات s_e sqrt {( frac {1} {n} + frac {(x_0 - bar {x}) ^ 2} {S_ {xx }})} فيما يلي هامش الخطأ في الفاصل الزمني للتنبؤ E = t _ { alpha / 2 ، df = n-2} times s_e sqrt {(1 + frac {1} {n} + frac {( x_0 - bar {x}) ^ 2} {S_ {xx}})} في كل من هذين ، نرى المصطلح (x_0 - bar {x}) ^ 2 ، والذي يتم تحجيمه كمربع لمسافة المسافة نقطة التنبؤ من المتوسط. هذا هو السبب في أن CI و PI أضيق في الوسط. اقرأ أكثر »

حوالي 61.5٪ احتمال وجود خلل في جهاز الكمبيوتر المحمول هو (6/22) احتمال عدم خلل جهاز الكمبيوتر المحمول هو (16/22) يتم إعطاء احتمال أن يكون جهاز كمبيوتر محمول واحد على الأقل به عيب بواسطة: P (خطأ واحد) + P (2 معيب) + P (3 معيب) ، لأن هذا الاحتمال تراكمي. اجعل X هو عدد أجهزة الكمبيوتر المحمولة التي وجدت أنها معيبة. P (X = 1) = (3 اختر 1) (6/22) ^ 1 مرة (16/22) ^ 2 = 0.43275 P (X = 2) = (3 اختر 2) (6/22) ^ 2 مرات ( 16/22) ^ 1 = 0.16228 P (X = 3) = (3 اختر 3) (6/22) ^ 3 = 0.02028 (لخص كل الاحتمالات) = 0.61531 حوالي 0.615 اقرأ أكثر »

الحروف "ثنائية" تعني اثنين. لذلك ، فإن التوزيع النسبي له وضعان. على سبيل المثال ، {1،2،3،3،3،5،8،12،12،12،12،12،18} هو ثنائي النسق مع كل من 3 و 12 كأوضاع منفصلة منفصلة. لاحظ أن الأوضاع لا يجب أن يكون لها نفس التردد. نأمل أن ساعدت المصدر: http://www.fao.org/wairdocs/ilri/x5469e/x5469e0e.htm اقرأ أكثر »

يوضح الرسم البياني ذو النسق المزدوج توزيع النسق ، والذي يتم تعريفه في حد ذاته على أنه توزيع احتمالي مستمر مع وضعين. بشكل عام ، سوف يشبه الرسم البياني لدالة كثافة احتمال هذا التوزيع التوزيع "ذي الحدين" ؛ بمعنى أنه بدلا من الذروة المفردة الموجودة في منحنى التوزيع الطبيعي أو الجرس ، سيكون للرسم البياني ذروتين. التوزيعات ثنائية النسق ، على الرغم من أنها قد تكون أقل شيوع ا من التوزيعات العادية ، لا تزال تحدث في الطبيعة. على سبيل المثال ، سرطان الغدد الليمفاوية في هودجكين هو مرض يحدث في غالب الأحيان ضمن فئتين عمريتين محددتين أكثر من غيرهم من الأعمار الأخرى ؛ على وجه التحديد ، عند البالغين من سن 15 إلى 35 عام ا ، وفي ال اقرأ أكثر »

إن "bin" في الرسم البياني هي اختيار الوحدة والتباعد على المحور X.يتم تعبئة جميع البيانات الموجودة في توزيع الاحتمالات الممثلة بصري ا بواسطة الرسم البياني في الصناديق المقابلة. يمثل ارتفاع كل صندوق قياس ا للتردد الذي تظهر به البيانات داخل نطاق ذلك الصندوق في التوزيع. على سبيل المثال ، في هذا الرسم البياني التالي ، فإن كل شريط يصعد لأعلى من المحور السيني هو صندوق مفرد. وفي الحاوية من الارتفاع 75 إلى الارتفاع 80 ، هناك 10 نقاط بيانات (في هذه الحالة ، هناك 10 أشجار كرز يبلغ ارتفاعها بين 75 و 80 قدم ا). المصدر: صفحة ويكيبيديا على الرسم البياني اقرأ أكثر »

انظر التفسير الكامل المقدم. عندما يكون لدينا 100 قطعة نقدية ونعطيها مجموعة من الناس بأي شكل من الأشكال ، يقال إننا نوزع العملات المعدنية. بطريقة مماثلة ، عندما يتم توزيع الاحتمال الكلي (وهو 1) بين القيم المختلفة المرتبطة بالمتغير العشوائي ، فإننا نقوم بتوزيع الاحتمال. وبالتالي ، يطلق عليه توزيع الاحتمالات. إذا كانت هناك قاعدة تحدد الاحتمال الذي يجب تعيينه لأي قيمة ، فإن هذه القاعدة تسمى وظيفة توزيع الاحتمالات. يحصل التوزيع ذو الحدين على اسمه لأن القاعدة التي تحدد الاحتمالات المختلفة هي شروط التوسع ذي الحدين. اقرأ أكثر »

يعتبر توزيع chi-square أحد أكثر التوزيعات شيوع ا وهو توزيع إحصائيات chi-square. يعتبر توزيع chi-square أحد أكثر التوزيعات استخدام ا. إنه توزيع مجموع الانحرافات المعيارية العادية التربيعية. يكون متوسط التوزيع مساويا لدرجات الحرية والتباين في توزيع chi-square مضروبين بدرجات الحرية. هذا هو التوزيع المستخدم عند إجراء اختبار chi square بمقارنة القيم المرصودة مقابل القيم المتوقعة وعند إجراء اختبار chi square لاختبار الاختلافات في فئتين. يمكن العثور على القيم الحرجة لتوزيع chi-square هنا. الإجابة السقراطية ذات الصلة التي قد تكون مفيدة هي الإجابة على العلاقة بين التوزيعات العادية والتوزيعية القياسية. لمزيد من التفاصيل ، انظر هنا. اقرأ أكثر »

يختبر اختبار التربيع للاختبار الاستقلالي وجود علاقة معنوية بين مجموعتين أو أكثر من البيانات الفئوية من نفس المجموعة السكانية. يختبر اختبار التربيع للاختبار الاستقلالي وجود علاقة معنوية بين مجموعتين أو أكثر من البيانات الفئوية من نفس المجموعة السكانية. الفرضية الفارغة لهذا الاختبار هي أنه لا توجد علاقة. إنه أحد الاختبارات الأكثر استخدام ا في الإحصائيات. لاستخدام هذا الاختبار ، يجب أن تكون ملاحظاتك مستقلة ويجب أن تكون قيمك المتوقعة أكبر من خمس. معادلة حساب مربع chi باليد هي مثال على ذلك: بمجرد قيامك بحساب مربع chi الخاص بك ، يمكنك تحديد درجات الحرية الخاصة بك (عدد المستويات لمتغير واحد ناقص واحد مضروب في عدد المستويات للمتغي اقرأ أكثر »

يستخدم اختبار chi ^ 2 لبحث ما إذا كانت توزيعات المتغيرات الفئوية تختلف عن بعضها البعض. لا يمكن استخدام اختبار chi ^ 2 إلا على الأرقام الفعلية ، وليس على النسب المئوية أو النسب أو الوسائل. إحصاء chi ^ 2 يقارن بين إحصاء أو عدد الاستجابات الفئوية بين مجموعتين مستقلتين أو أكثر. باختصار: يستخدم اختبار chi ^ 2 للتحقيق فيما إذا كانت توزيعات المتغيرات الفئوية تختلف عن بعضها البعض. اقرأ أكثر »

انظر أدناه: المجموعة هي مجموعة من الكائنات المتميزة دون النظر إلى الترتيب الذي تم به التجميع. على سبيل المثال ، تعد لعبة البوكر عبارة عن مزيج - نحن لا نهتم بترتيب تعاملنا مع البطاقات ، فقط أننا نمتلك لعبة Royal Flush (أو زوج من 3s). صيغة البحث عن تركيبة هي: C_ (n، k) = ((n)، (k)) = (n!) / ((k!) (nk)!) مع n = "السكان" ، k = " يختار "على سبيل المثال ، عدد أيدي البوكر الممكنة من 5 بطاقات هو: C_ (52،5) = (52!) / ((5)! (52-5)!) = (52!) / (( 5!) (47!)) دعونا تقييمه! (52xx51xxcancelcolor (برتقالي) (50) ^ 10xx49xxcancelcolor (الحمراء) 48 ^ 2xxcancelcolor (البني) (47!)) / (cancelcolor (برتقالي) 5xxcancelcolor (أ اقرأ أكثر »

F-اختبار. اختبار F هو آلية اختبار إحصائية مصممة لاختبار المساواة بين الفروق بين السكان. يقوم بذلك عن طريق مقارنة نسبة الفروق. لذلك ، إذا كانت الفروق متساوية ، فستكون نسبة الفروق 1. يتم إجراء جميع اختبارات الفرضيات بافتراض أن الفرضية صحيحة. اقرأ أكثر »

نستخدم ANOVA لاختبار وجود اختلافات كبيرة بين الوسائل. نستخدم ANOVA ، أو تحليل التباين ، لاختبار الاختلافات الكبيرة بين وسائل مجموعات متعددة. على سبيل المثال ، إذا كنا نرغب في معرفة ما إذا كان متوسط التفاوت في علوم الأحياء والكيمياء والفيزياء وحسابات التفاضل والتكامل يختلف ، فيمكننا استخدام ANOVA. إذا كان لدينا مجموعتان فقط ، فسيكون أنوفا لدينا هو نفسه اختبار t. هناك ثلاثة افتراضات أساسية من ANOVA: يتم توزيع المتغيرات التابعة في كل مجموعة عادة الفروق السكانية في كل مجموعة متساوية الملاحظات مستقلة عن بعضها البعض اقرأ أكثر »

انظر أدناه. المتغير القاطع هو فئة أو نوع. على سبيل المثال ، لون الشعر هو قيمة فئوية أو مسقط هي متغير قاطع. الأنواع ونوع العلاج والجنس كلها متغيرات قاطعة. المتغير الرقمي هو متغير حيث يكون للقياس أو الرقم معنى رقمي. على سبيل المثال ، إجمالي كمية الأمطار التي تقاس بالبوصة هي قيمة عددية ، ومعدل ضربات القلب هو قيمة عددية ، وعدد من الجبن تستهلك في ساعة هي قيمة عددية. يمكن التعبير عن المتغير القاطع كرقم لغرض الإحصائيات ، لكن هذه الأرقام ليس لها نفس معنى القيمة العددية. على سبيل المثال ، إذا كنت أدرس آثار ثلاثة أدوية مختلفة على المرض ، فقد أذكر الأدوية الثلاثة المختلفة ، الدواء 1 ، الدواء 2 ، والدواء 3. ومع ذلك ، فإن الدواء الثالث اقرأ أكثر »

ANOVA أحادية الاتجاه هي ANOVA حيث لديك متغير مستقل واحد يحتوي على أكثر من شرطين. لمتغيرين مستقلين أو أكثر ، يمكنك استخدام ANOVA ثنائي الاتجاه. ANOVA أحادية الاتجاه هي ANOVA حيث لديك متغير مستقل واحد يحتوي على أكثر من شرطين. هذا يتناقض مع ANOVA ذو اتجاهين حيث لديك متغيرين مستقلين ولكل منهما شروط متعددة. على سبيل المثال ، يمكنك استخدام ANOVA في اتجاه واحد إذا أردت تحديد آثار علامات القهوة على معدل ضربات القلب. المتغير المستقل هو علامة القهوة. يمكنك استخدام ANOVA في اتجاهين إذا كنت ترغب في تحديد آثار علامات القهوة ومستويات القلق المبلغ عنها ذاتيا على معدل ضربات القلب. لديك اثنين من المتغيرات المستقلة هي 1) القهوة العلامة التج اقرأ أكثر »

مفهوم الحدث مهم للغاية في نظرية الاحتمالات. في الواقع ، إنها واحدة من المفاهيم الأساسية ، مثل نقطة في الهندسة أو المعادلة في الجبر. بادئ ذي بدء ، نحن نعتبر تجربة عشوائية - أي عمل بدني أو عقلي له عدد معين من النتائج. على سبيل المثال ، نحسب الأموال في محفظتنا أو نتوقع قيمة مؤشر سوق الأوراق المالية غد ا. في كلتا الحالتين وكثير من الحالات الأخرى ، تؤدي التجربة العشوائية إلى نتائج معينة (المبلغ الدقيق للأموال ، والقيمة الدقيقة لمؤشر سوق الأوراق المالية وما إلى ذلك). وتسمى هذه النتائج الفردية الأحداث الأولية وجميع هذه الأحداث الأولية المرتبطة بتجربة عشوائية معينة مع ا تشكل مساحة عينة من هذه التجربة. وبشكل أكثر دقة ، فإن مساحة عي اقرأ أكثر »

من فضلك، انظر بالأسفل. المتغير العشوائي هو النتائج العددية لمجموعة من القيم المحتملة من تجربة عشوائية. على سبيل المثال ، نختار حذاء ا بشكل عشوائي من متجر أحذية ونبحث عن قيمتين رقميتين لحجمه وسعره. يحتوي المتغير العشوائي المنفصل على عدد محدود من القيم المحتملة أو سلسلة لا حصر لها من أرقام حقيقية قابلة للعد. على سبيل المثال حجم الأحذية ، والتي يمكن أن تأخذ سوى عدد محدود من القيم الممكنة. بينما يمكن للمتغير العشوائي المستمر أخذ جميع القيم في فاصل من الأرقام الحقيقية. على سبيل المثال ، يمكن أن يأخذ سعر الأحذية أي قيمة ، من حيث العملة. اقرأ أكثر »

تحليل الانحدار هو عملية إحصائية لتقدير العلاقات بين المتغيرات. تحليل الانحدار هو عملية إحصائية لتقدير العلاقات بين المتغيرات. إنه مصطلح عام لجميع الطرق التي تحاول أن تلائم نموذج ما بالبيانات المرصودة من أجل تحديد العلاقة بين مجموعتين من المتغيرات ، حيث ينصب التركيز على العلاقة بين متغير تابع ومتغير مستقل واحد أو أكثر. ومع ذلك ، قد لا تكون العلاقة دقيقة لجميع نقاط البيانات الملاحظة. وبالتالي ، في كثير من الأحيان ، يتضمن هذا التحليل عنصر خطأ تم تقديمه لحساب جميع العوامل الأخرى. المحاولة هي الوصول إلى علاقة حيث يجب أن يكون الانحراف عنها يعني أن يكون الخطأ قريبة من الصفر وأن يكون الانحراف المعياري هو الحد الأدنى. اقرأ أكثر »

إنه توزيع تردد يتم فيه تمثيل جميع الأرقام ككسر أو نسبة مئوية من الحجم الكامل للعينة. لا يوجد حقا أكثر من ذلك. يمكنك إضافة جميع أرقام التردد للحصول على إجمالي كبير = حجم عينتك. ثم تقوم بتقسيم كل رقم تردد على حجم عينتك للحصول على كسر تردد نسبي. اضرب هذا الكسر ب 100 للحصول على نسبة مئوية. يمكنك إدراج هذه النسب المئوية (أو الكسور) في عمود منفصل بعد أرقام التردد الخاصة بك. التردد التراكمي إذا كنت قد طلبت قيم ا ، مثل درجات الاختبار على مقياس من 1 إلى 10 ، فقد ترغب في استخدام الترددات التراكمية. تعني "كل شيء يصل إلى هذه القيمة". لنأخذ العشرات. في الصف الموجود خلف "1" ، تقوم بملء رقم التكرار ، وتضيف "2&quo اقرأ أكثر »

جدول التردد النسبي هو جدول يسجل عدد البيانات في شكل النسبة المئوية ، ويعرف أيض ا باسم التردد النسبي. يتم استخدامه عند محاولة مقارنة الفئات داخل الجدول. هذا هو جدول التردد النسبي. لاحظ أن قيم الخلايا في الجدول تكون بنسب مئوية بدلا من الترددات الفعلية. تجد هذه القيم بوضع الترددات الفردية على إجمالي الصف. ميزة جداول التردد النسبية على جداول التردد هي أنه مع النسب المئوية ، يمكنك مقارنة الفئات. اقرأ أكثر »

نموذج التغاير هو مقياس لمدى اختلاف المتغيرات عن بعضها البعض داخل العينة. يخبرك Covariance كيف يرتبط متغيرين ببعضهما البعض على مقياس خطي. يخبرك بمدى ارتباط X بعلاقة Y مع Y. على سبيل المثال ، إذا كان التباين أكبر من الصفر ، فهذا يعني أن Y يزيد مع زيادة X. عينة في الإحصائيات هي مجرد مجموعة فرعية من عدد أكبر من السكان أو المجموعة. على سبيل المثال ، يمكنك أن تأخذ عينة من مدرسة ابتدائية واحدة في البلد بدلا من جمع البيانات من كل مدرسة ابتدائية في البلد. وهكذا ، فإن عينة التغاير هي ببساطة التباين الموجود داخل العينة. يمكن العثور على صيغة عينة التغاير هنا. اقرأ أكثر »

التوزيع الأحادي الواسطة هو توزيع له وضع واحد. التوزيع الأحادي الواسطة هو توزيع له وضع واحد. نرى ذروة واحدة واضحة في البيانات. ت ظهر الصورة أدناه توزيع ا أحادي ا: على النقيض من ذلك ، يبدو التوزيع ثنائي النسق كما يلي: في الصورة الأولى ، نرى ذروة واحدة. في الصورة الثانية ، نرى أن هناك ذروتين. يمكن توزيع التوزيع الأحادي الواسطة بشكل طبيعي ، لكن لا يجب أن يكون. اقرأ أكثر »

راجع الشرح عند توفر كمية كبيرة من البيانات العددية ، لا يمكن دائم ا فحص كل البيانات الرقمية والوصول إلى استنتاج. وبالتالي ، هناك حاجة لتقليل البيانات إلى رقم واحد أو عدد قليل من الأرقام بحيث تكون المقارنة ممكنة. إنه لهذا الغرض ، لدينا مقاييس للاتجاه المركزي المحدد في الإحصاء. يمنحنا قياس الميل المركزي قيمة عددية واحدة يمكن استخدامها للمقارنة. وبالتالي ، يجب أن يكون الرقم متمركز ا حول الحجم الكبير للبيانات - نقطة جذب الجاذبية التي تنجذب إليها كل قيمة عددية أخرى. في مثل هذه الحالة ، يخبرنا انحراف القيم الفردية عن هذا التدبير المركزي ما إذا كانت البيانات متسقة أم غير متسقة. اقرأ أكثر »

يوجد إلى حد كبير نوعان من مجموعات البيانات - الفئة أو النوعية - البيانات العددية أو الكمية البيانات الفئوية أو البيانات غير العددية - حيث يكون للمتغير قيمة الملاحظات في شكل فئات ، علاوة على أنه يمكن أن يكون له نوعان - أ. الاسمية ب. البيانات الاسمية a.Neminal حصلت على تصنيف الفئات على سبيل المثال الحالة الزواجية ستكون بيانات اسمية حيث ستحصل على ملاحظات في الفئات التالية - غير متزوجة ، متزوجة ، مطلق / منفصل ، أرملة. البيانات الأولية ستأخذ أيض ا فئات محددة ولكن الفئات ستكون لها تصنيف. مثلا سيكون لخطر الإصابة بعدوى في المستشفى مجموعة من البيانات الترتيبية مع فئات مثل البيانات الرقمية العالية والمتوسطة والمنخفضة حيث يأخذ المتغي اقرأ أكثر »

التوزيع الطبيعي متماثل تمام ا ، والتوزيع المنحرف ليس كذلك. في توزيع منحرف بشكل إيجابي ، تكون "إصبع القدم" في الجانب الأكبر أطول من الجانب الآخر ، مما يؤدي إلى تحرك الوسيط ، وخاصة الوسط ، إلى اليمين. في توزيع منحرف سالب ا ، تنتقل هذه إلى اليسار ، نظر ا لوجود "إصبع قدم" أطول عند القيم الأصغر. بينما في وضع التوزيع العادي غير المنحرف ، تكون القيمة المتوسطة والوسط جميعها بنفس القيمة. (صور من الإنترنت) اقرأ أكثر »

كل هذا يعني الحد الأدنى بين مجموع الفرق بين قيمة y الفعلية وقيمة y المتوقعة. min sum_ (i = 1) ^ n (y_i-haty) ^ 2 تعني فقط الحد الأدنى بين مجموع كل المخلفات min sum_ (i = 1) ^ nhatu_i ^ 2 ، كل هذا يعني الحد الأدنى بين مجموع الفرق بين قيمة y الفعلية وقيمة y المتوقعة. min sum_ (i = 1) ^ n (y_i-haty) ^ 2 وبهذه الطريقة من خلال تقليل الخطأ بين الخطأ المتوقع والخطأ تحصل على أفضل ما يناسب خط الانحدار. اقرأ أكثر »

يمكن أن يشير اختبار مربع كاي بيرسون إلى اختبار الاستقلال أو اختبار اللياقة الجيد. عندما نشير إلى "اختبار مربع كاي بيرسون" ، فقد نشير إلى واحد من اختبارين: اختبار بيرسون الفريد للاستقلال أو اختبار بيرسون لجودة التكييف. تحدد اختبارات جودة الملاءمة ما إذا كان توزيع مجموعة البيانات يختلف اختلاف ا كبير ا عن التوزيع النظري. يجب أن تكون البيانات غير مقترنة. تحدد اختبارات الاستقلال ما إذا كانت الملاحظات غير المقيدة لمتغيرين مستقلة عن بعضها البعض. القيم المرصودة القيم المتوقعة باستخدام صيغة chi-square ، يمكنك تحديد إحصائيات chi-square ودرجات الحرية لديك ومستوى الأهمية لديك ، ومقارنة نتائجك بجدول توزيع chi-square. بالنسبة اقرأ أكثر »

التباين السكاني هو الكمية العددية التي يختلف بها السكان عن بعضهم البعض. يخبرك التباين السكاني بمدى توزيع البيانات. على سبيل المثال ، إذا كان متوسطك هو 10 ولكن لديك الكثير من التباين في بياناتك ، مع قياسات أكبر بكثير وأقل من 10 ، سيكون لديك تباين كبير. إذا كان عدد سكانك يعني 10 وكان لديك القليل جد ا من التباين ، حيث تقاس معظم بياناتك بـ 10 أو ما يقرب من 10 ، فسيكون لديك فرق سكاني منخفض. يقاس التباين السكاني على النحو التالي: اقرأ أكثر »

يكون التوزيع منحرف ا إذا كان أحد ذيوله أطول من الآخر. عند النظر إلى مجموعة البيانات ، هناك ثلاثة احتمالات أساسية. مجموعة البيانات متناظرة تقريب ا ، مما يعني أن هناك عدد ا تقريب ا من المصطلحات على الجانب الأيسر من الوسط كما في الجانب الأيمن. هذا ليس توزيع منحرف. تحتوي مجموعة البيانات على انحراف سلبي ، مما يعني أن لها ذيل ا على الجانب السلبي للمتوسط. هذا يتجلى مع ارتفاع كبير نحو اليمين ، لأن هناك العديد من المصطلحات الإيجابية. هذا هو توزيع منحرف. تحتوي مجموعة البيانات على انحراف إيجابي وذيل إلى الجانب الإيجابي للمتوسط. هذا يعني أن هناك شروط أكثر سلبية. اقرأ أكثر »

يعني = مجموع جميع القيم / عدد القيم. المتوسط هو أفضل مقياس للاتجاه المركزي لأنه يأخذ كل القيم في الاعتبار. لكن يتأثر بسهولة بأي قيمة / قيمة مفرطة. لاحظ أنه لا يمكن تعريف الوسط إلا على الفاصل الزمني ومستوى النسبة للقياس. الوسيط هو نقطة منتصف البيانات عند الترتيب بالترتيب. يحدث ذلك عادة عندما تحتوي مجموعة البيانات على قيم متطرفة أو تكون مائلة في اتجاه ما. لاحظ أنه يتم تعريف الوسيط على المستوى الترتيبي والفاصل الزمني ونسبة القياس. الوضع هو النقطة الأكثر شيوع ا في البيانات. من الأفضل لمجموعة البيانات الاسمية التي يكون فيها الوسيط والوضع غير محددين. لاحظ أنه يتم تحديد الوضع على المستوى الاسمي ، الترتيبي ، والفاصل الزمني ونسبة اقرأ أكثر »

المتوسط = 9.22 الوسيط = 9 الوضع = 10 المدى = 2 المتوسط (المتوسط) × عدد مرات تكرار 10 |||| 4 9 ||| 3 8 || 2 إجمالي fx = (10 xx 4) + (9 xx 3) + (8 xx 2) = 40 + 27 + 16 = 83 إجمالي التردد = 4 + 3 + 2 = 9 bar x = (83) / 9 = 9.22 م عطى - 10،10،9،9،10،8،9،10 ، و 8 رتبهم بالترتيب التصاعدي 8 ، 8 ، 9 ، 9 ، 9 ، 9 ، 10 ، 10 ، 10 الوسيط = ((n + 1) / 2) العنصر th = (9 + 1) / 2 = العنصر الخامس = 9 النمط = هذا العنصر الذي يحدث بعدد مرات أكثر = 10 نطاق = أكبر قيمة - نطاق القيمة الأصغر = (10-8) النطاق = 2 اقرأ أكثر »

P (0 <Z <0.94) = 0.3264 P (0 <Z <0.94) = P (Z <0.94) -P (Z <0) من الجداول لدينا P (0 <Z <0.94) = 0.8264-0.5 P ( 0 <Z <0.94) = 0.3264 اقرأ أكثر »

في إعداد ذو الحدين ، لا يوجد سوى نتيجتين محتملتين لكل تجربة. اعتمادا على ما تريد ، يمكنك استدعاء واحدة من الاحتمالات فشل والآخر ينجح. على سبيل المثال: يمكنك استدعاء Rolling a 6 with a Succes، and non-6 a Fail. وفق ا لشروط اللعبة ، قد يكلفك التدوير 6 أموالك ، وقد ترغب في عكس الشروط. باختصار: لا يوجد سوى نتيجتين محتملتين لكل تجربة ، ويمكنك تسميتها كما تريد: أبيض-أسود ، رؤوس-ذيول ، أيا كان. عادة ما يطلق على الشخص الذي تستخدمه في الحسابات (الاحتمال) النجاح. اقرأ أكثر »