الإحصاء

سيغما ^ 2 = 18.8 يعني = (63 + 54 + 62 + 59 + 52) / 5 يعني = 58 ن = 5 63 س - يعني = 63 - 58 = 5 (س - يعني) ^ 2 = 5 ^ 2 = 25 54 x - المتوسط = 54 - 58 = -4 (x - mean) ^ 2 = (-4) ^ 2 = 16 62 x - mean = 62 - 58 = 4 (x - mean) ^ 2 = 4 ^ 2 = 16 59 x - المتوسط = 59 - 58 = 1 (x - mean) ^ 2 = 1 ^ 2 = 1 52 x - mean = 52 - 58 = -6 (x - mean) ^ 2 = (-6) ^ 2 = 36 Sigma (س - يعني) ^ 2 = 25 + 16 + 16 + 1 + 36 = 94 سيغما ^ 2 = (سيغما (س - يعني) ^ 2) / ن = 94/5 = 18.8 اقرأ أكثر »

التباين (السكان): sigma ^ 2 ~~ 20.9 التباين السكاني (اللون (أسود) (sigma ^ 2) هو متوسط مربعات الاختلافات بين كل عنصر من عناصر بيانات السكان ومتوسط السكان. لمجتمع {d_1 ، d_2 ، d_3 ، ...} بالحجم n مع متوسط قيمة mu sigma ^ 2 = (sum (d_i - mu) ^ 2) / n اقرأ أكثر »

انظر أدناه. المعيار العادي هو الإعداد العادي مثل mu ، sigma = 0،1 لذلك نحن نعرف النتائج مسبق ا. PDF للمعيار العادي هو: mathbb P (z) = 1 / sqrt (2 pi) e ^ (- z ^ 2/2) له قيمة متوسطة: mu = int _ (- oo) ^ (oo) dz z mathbb P (z) = 1 / sqrt (2 pi) int _ (- oo) ^ (oo) dz ze ^ (- z ^ 2/2) = 1 / sqrt (2 pi) int _ (- oo) ^ (oo) d (- e ^ (- z ^ 2/2)) = 1 / sqrt (2 pi) [e ^ (- z ^ 2/2)] _ (oo) ^ (- oo) = 0 يتبع ذلك: Var (z) = int _ (- oo) ^ (oo) dz (z - mu) ^ 2 mathbb P (z) = 1 / sqrt (2 pi) int _ (- oo) ^ (oo) dz z ^ 2 e ^ (- z ^ 2/2) هذه المرة ، استخدم IBP: Var (z) = - 1 / sqrt (2 pi) int _ (- oo) ^ (oo) d (e ^ (- z ^ 2/2)) z = - 1 اقرأ أكثر »

Var = sigma ^ 2 = int (x-mu) ^ 2f (x) dx والذي يمكن كتابته كـ: sigma ^ 2 = intx ^ 2f (x) dx-2mu ^ 2 + mu ^ 2 = intx ^ 2f (x) dx - mu ^ 2 sigma_0 ^ 2 = 3int_-1 ^ 1 x ^ 4dx = 3/5 [x ^ 5] _- 1 ^ 1 = 6/5 أفترض أن هذا السؤال يعني أن أقول f (x) = 3x ^ 2 "لـ" -1 <x <1 ؛ 0 "وإلا" أوجد التباين؟ Var = sigma ^ 2 = int (x-mu) ^ 2f (x) dx Expand: sigma ^ 2 = intx ^ 2f (x) dx-2mucancel (intxf (x) dx) ^ mu + mu ^ 2cancel (intf (x ) dx) ^ 1 sigma ^ 2 = intx ^ 2f (x) dx-2mu ^ 2 + mu ^ 2 = intx ^ 2f (x) dx - mu ^ 2 sigma البديل ^ 2 = 3int_-1 ^ 1 x ^ 2 * x ^ 2dx -mu ^ 2 = sigma_0 ^ 2 + mu ^ 2 أين ، sigma_0 ^ 2 = 3in اقرأ أكثر »

"ب)" 7/16 "الحدث المعاكس هو أن الحد الأدنى هو"> = 1/4 "من الأسهل حساب هذا الحدث حيث نذكر ببساطة أن" x و y يجب أن يكونا "> = 1/4 " ثم." "والاحتمالات لذلك ببساطة" (3/4) ^ 2 = 9/16 => P ["min" <= 1/4] = 1 - 9/16 = 7/16 اقرأ أكثر »

= 0.999979973 "الحدث التكميلي أسهل في الحساب." "لذلك نحسب احتمال الحصول على أكثر من 18 رأس ا." "هذا يساوي احتمال الحصول على 19 رأس ا ، بالإضافة إلى" "احتمال الحصول على 20 رأس ا." "نحن نطبق التوزيع ذو الحدين." P ["19 heads"] = C (20،19) (1/2) ^ 20 P ["20 heads"] = C (20،20) (1/2) ^ 20 "with" C (n، k ) = (n!) / ((nk)! k!) "(مجموعات)" => P ["19 أو 20 رأس ا"] = (20 + 1) (1/2) ^ 20 = 21/1048576 => P ["على الأقل 18 رأس ا"] = 1 - 21/1048576 = 1048555/1048576 = 0.999979973 اقرأ أكثر »

Z = -1.5 نظر ا لأننا نعرف أن الوقت اللازم لإنهاء الاختبار يتم توزيعه بشكل طبيعي ، فيمكننا إيجاد النتيجة z لهذا الوقت المحدد. معادلة النتيجة z هي z = (x - mu) / sigma ، حيث x هي القيمة المرصودة ، mu هي الوسط ، وسيجما هي الانحراف المعياري. z = (45 - 60) / 10 z = -1.5 وقت الطالب هو 1.5 الانحرافات المعيارية أقل من المتوسط. اقرأ أكثر »

انظر أدناه. تخبرك قيمة R ^ 2 أساس ا بالنسب المئوية للتغير في متغير الاستجابة الخاص بك والذي يتم حسابه بواسطة التباين في المتغير التوضيحي الخاص بك. يوفر مقياس قوة الارتباط الخطي. في هذه الحالة ، R ^ 2 = 0.7569. بضرب هذه العلامة العشرية في 100 ، نجد أن 75.69٪ من التباين في محتوى الطاقة لحزمة من الرقائق يمكن تفسيره بالتباين في محتواها الدهني. بالطبع ، هذا يعني أن 24.31٪ من التباين في محتوى الطاقة يتم حسابه بواسطة عوامل أخرى. اقرأ أكثر »

ض - درجة لفاصل الثقة 98 ٪ هو 2.33 كيفية الحصول على هذا. نصف 0.98 = 0.49 ابحث عن هذه القيمة في المنطقة أسفل جدول المنحنى العادي. أقرب قيمة هي 0.4901. قيمة z هي 2.33 اقرأ أكثر »

Z = (73-74) / (3 / sqrt (135)) = -sqrt (135) / 3 التوزيع العادي القياسي يحول ببساطة مجموعة البيانات في توزيع ترددنا بحيث يكون الوسط هو 0 والانحراف المعياري هو 1 يمكننا استخدام: z = (x-mu) / sigma بافتراض أن لدينا sigma ولكن هنا لدينا SD = s ؛ z = (x- mu) / (s / sqrt (n)) ؛ حيث n هو حجم العينة ... اقرأ أكثر »

الدرجة Z هي -0.866 درجة z للمتغير x مع متوسط mu ، وتعطى سيغما الانحراف المعياري بواسطة (x-mu) / (sigma / sqrtn) كما mu = 55 ، sigma = 2 ، n = 3 و x = 56 درجة z هي (56-55) / (2 / sqrt3) = ((- 1) * sqrt3) /2=-0.866 اقرأ أكثر »

ض = 0 لدي شكوك الخاصة حول صحة المشكلة. حجم العينة هو 5. ومن المناسب أن تجد ر النتيجة. يتم احتساب النتيجة z فقط عندما يكون حجم العينة> = 30 بعض الإحصائيين ، إذا كانوا يعتقدون أن توزيع السكان طبيعي ، فاستخدم علامة z حتى إذا كان حجم العينة أقل من 30. لم تحدد صراحة التوزيع الذي تريده لحساب z. قد يكون توزيع ا ملحوظ ا أو قد يكون توزيع ا لأخذ العينات. نظر ا لأنك طرحت السؤال ، سأجيب على افتراض أنه توزيع عينات. SE = (SD) /sqrtn=3/sqrt4=3/2=1.5 z = (x-mu) / (SE) = (60-60) /1.5=0/1.5=0 ملاحظة: إذا كانت قيمة X يساوي Mean أي ، mu النتيجة z هي دائم ا 0. اقرأ أكثر »

درجة z هي -26.03 درجة z لمتغير x مع متوسط mu ، وتعطى سيغما الانحراف المعياري بواسطة (x-mu) / (sigma / sqrtn) كما mu = 35 ، sigma = 5 ، n = 57 و x = 13 درجة z هي (13-35) / (5 / sqrt35) = ((- 22) * sqrt35) /5=-26.03 اقرأ أكثر »

الجواب هو z = 0.05 في التوزيع الطبيعي. لحل هذه المشكلة ، سوف تحتاج إلى الوصول إلى z الجدول (وتسمى أيضا "جدول عادي قياسي") للتوزيع العادي. هناك فكرة جيدة عن ويكيبيديا. بسؤال ما هي قيمة z بحيث تكون 52٪ من البيانات على يسارها ، فإن هدفك هو إيجاد قيمة z حيث تبلغ المساحة التراكمية ما يصل إلى قيمة z إلى 0.52. لذلك تحتاج إلى جدول z التراكمي. ابحث عن الإدخال في الجدول z التراكمي الذي يوضح مكان وجود قيمة معينة لـ z هي الأقرب إلى الإخراج في الجدول 0.52 (أي 52٪ من التوزيع التراكمي). في هذه الحالة ، تؤدي قيمة z البالغة 0.05 إلى أقرب قيمة إلى 0.52. المصدر: ويكيبيديا اقرأ أكثر »

بشكل عام ، أعتقد أن قرار استخدام شريط أو مخطط دائري هو اختيار شخصي. إذا كنت تستخدم الرسوم البيانية كجزء من عرض تقديمي ، فركز على القصة الإجمالية التي تحاول مشاركتها مع المخططات والصور الرسومية. يوجد أدناه إرشادات مختصرة أستخدمها في تقييم ما إذا كنت تريد استخدام شريط أو مخطط دائري: مخطط شريطي عند الإشارة إلى الأداء المتجه (على سبيل المثال ، على سبيل المثال ، بمرور الوقت) مخطط دائري عند إظهار توزيع كامل مثال: دعنا نقول أنك تريد أن تتبع كيف أنفق أموالك. وهذا الشهر أنفقت 1000 دولار. إذا كنت ترغب في توضيح كيف أنفقت 1000 دولار حسب الفئة (مثل الطعام والملبس والبنزين) ، فقد يكون المخطط الدائري أكثر منطقية. ومع ذلك ، إذا كنت تريد ع اقرأ أكثر »

P (2،3،5 أو 7) = 1/2 (احتمال الهبوط على رقم أولي) P_c = 1 - 1/2 = 1/2 (احتمال عدم الهبوط على Prime) (افتراض 1-8 يعني كلاهما وشملت) هناك 4 الأعداد الأولية في القائمة ، من إجمالي 8 أرقام. وبالتالي فإن الاحتمال هو عدد النتائج المواتية (4) مقسومة على إجمالي النتائج الممكنة (8). هذا يساوي نصف. احتمال تكملة أي حدث هو P_c = 1 - P_1. تكملة المجموعة الأولية هي {1 ، 4 ، 6 ، 8} هذه ليست مجموعة الأرقام المركبة (حيث 1 لا تعتبر أولية أو مركبة). وبالتالي فإن المكمل هو مجموعة الأرقام غير الأولية من 1 إلى 8. E_2 = الهبوط على رقم غير أولي اقرأ أكثر »

1) الاحتمال هو 0.9xx0.08 = 0.072 = 7.2٪ 2) الاحتمال هو 0.9xx0.92xx0.12 = 0.09936 = 9.936٪ معدلات الرفض للأقسام الثلاثة هي 0.1 و 0.08 و 0.12 على التوالي. هذا يعني أن 0.9 و 0.92 و 0.88 هو احتمال اجتياز المصل للاختبار في كل قسم على حدة. احتمالية اجتياز المصل للتفتيش الأول هي 0.9. احتمال فشل المصل الثاني هو 0.08. وبذلك يكون الاحتمال الشرطي هو 0.9xx0.08 = 0.072 = 7.2٪ حتى يتم رفض المصل من قبل القسم الثالث ، يجب عليه أولا اجتياز عمليات التفتيش الأولى والثانية. الاحتمال المشروط لهذا هو 0.9xx0.92. معدل الرفض للقسم الثالث هو 0.12 ، وبالتالي فإن الاحتمال الكامل للرفض من القسم الثالث هو 0.9xx0.92xx0.12 = 0.09936 = 9.936٪ اقرأ أكثر »

في أي مكان بين 0٪ وأقل من 50٪ إذا كانت جميع القيم في مجموعة بيانات بحجم 2N + 1 مميزة ، عندها N / (2N + 1) * 100٪ إذا كانت عناصر مجموعة البيانات مرتبة ترتيب ا تصاعدي ا ، الوسيط هو قيمة العنصر الأوسط. بالنسبة لمجموعة البيانات الكبيرة ذات القيم المتميزة ، ستكون النسبة المئوية للقيم التي تقل عن الوسيط أقل من 50٪. النظر في مجموعة البيانات [0 ، 0 ، 0 ، 1 ، 1].الوسيط هو 0 و 0٪ من القيم أقل من الوسيط. اقرأ أكثر »

0.420175 = P ["5 أهداف في 6 لقطات"] + P ["6 أهداف في 6 لقطة"] = C (6،5) (7/10) ^ 5 (3/10) + C (6،6) ( 7/10) ^ 6 = (7/10) ^ 5 (6 * 3/10 + 7/10) = (7/10) ^ 5 (25/10) = 7 ^ 5 * 25/10 ^ 6 = 420175 / 1000000 = 0.420175 اقرأ أكثر »

0.2252 "هناك 5 + 7 + 8 = 20 أقلام تلوين في المجموع." => P = C (15،4) (5/20) ^ 4 (15/20) ^ 11 = ((15!) 5 ^ 4 15 ^ 11) / ((11!) (4!) 20 ^ 15 ) = 0.2252 "Explanation:" "لأننا نستبدل ، فإن احتمالات رسم قلم تلوين أزرق هي" "في كل مرة 5/20. نعبر عن أننا نرسم 4 مرات باللون الأزرق" "ومن ثم 11 مرة ليس باللون الأزرق بواسطة ( 5/20) ^ 4 (15/20) ^ 11. " "بالطبع لا يجب أن ت رسم الألوان الزرقاء أولا ، لذا هناك طرق" C (15،4) لرسمها ، لذلك نضربها بـ C (15،4). " "و C (15،4)" = (15!) / (11! 4!) "(مجموعات)" اقرأ أكثر »

هناك عدة أنواع من المتوسطات ، لكن عادة ما يفترض أنها المتوسط الحسابي. الوسيط ، الذي يعتبر أيض ا "متوسط ا" فضفاض ا ، يتم حسابه بطريقة مختلفة. دعونا النظر في هذه القائمة من الأرقام التي ، للراحة. مدرجة بترتيب رقمي: 4 ، 7 ، 8 ، 12 ، 13 ، 16 ، 20 ، 21 للحصول على الوسط الحسابي ، أضف الأرقام مع ا للحصول على المجموع. عد الأرقام للحصول على العد. اقسم المجموع على العدد للحصول على الوسط الحسابي. 4 + 7 + 8 + 12 + 13 + 16 + 20 + 21 = 101 -> المبلغ. هناك 8 أرقام ، لذلك 101/8 = 12.625 المتوسط الحسابي هو 12.625. بالنسبة للمتوسط ، خذ قائمة الأرقام بالترتيب الرقمي واحسبها ، على سبيل المثال ، 8. ابحث عن الرقم الأوسط في القائ اقرأ أكثر »

انظر أدناه :) للعثور على متوسط مجموعة من الأرقام ، عليك أولا إضافة جميع الأرقام في المجموعة ثم قسمة على إجمالي عدد الأرقام. على سبيل المثال ، قل أن مجموعتك تتكون مما يلي: 32،40،29،45،33،33،38،41 يمكنك إضافتهم: 32 + 40 + 29 + 45 + 33 + 33 + 38 + 40 = 290 الآن أنت سيأخذ العدد الإجمالي 290 ويقسم على العدد الإجمالي للأرقام ، بالنسبة لحالتنا لدينا إجمالي 8 أرقام. 290/8 = 36.25 متوسطنا هو 36.25 اقرأ أكثر »

"مستمر" ليس لديهم ثغرات. تحتوي "منفصلة" على قيم مميزة مفصولة بمناطق "بلا قيمة". المستمر قد يكون مثل الارتفاع ، والتي قد تختلف في عدد السكان "بشكل مستمر" ، مع عدم وجود قيود محددة. "المنفصلة" يمكن أن تكون اختيارات أو نتائج اختبار - إما "هو" أو "لا" - لا توجد تدرجات أو "استمرارية" بين الخيارات. http://stattrek.com/probability-distributions/discrete-continuous.aspx اقرأ أكثر »

إحصائيات وصفية تتضمن وصف ا لبيانات العينة المحددة ، دون إصدار حكم على السكان. على سبيل المثال: يمكن حساب متوسط العينة من العينة ، وهو إحصائية وصفية. إحصاءات استنتاجية تستنتج استنتاج حول السكان على أساس العينة. على سبيل المثال ، استنتاج أن غالبية الناس يدعمون مرشح ا واحد ا (على أساس عينة معينة). العلاقة: نظر ا لأنه لا يمكننا الوصول إلى جميع السكان ، فإننا نستخدم الإحصاءات الوصفية لتقديم استنتاجات استنتاجية. اقرأ أكثر »

سوف يزداد الوضع أيض ا بنفس الرقم. دع هناك مجموعة بيانات: a_1؛ a_2؛ a_3؛ ...؛ a_n. اسمحوا م يكون واسطة لهذه المجموعة. إذا قمت بإضافة رقم n إلى كل قيمة ، فلن تتغير كمية الأرقام ، بل ستتغير الأرقام فقط ، لذلك إذا كان الرقم m له أكبر عدد من الحالات (m هو الوضع) ، فبعد إضافة رقم m + n سيكون أكبر عدد ممكن الحدوث (سيحدث في نفس المواضع في المجموعة مثل m في الأول). اقرأ أكثر »

التفاصيل في التفسير على سبيل المثال: يجب أن تكون إمكانية تغيير الذيل والرأس بشكل عام 50٪ ، ولكن في الواقع يمكن أن يكون 30٪ head و 70٪ tail أو 40٪ head و 60٪ tail أو ...... لكن أكثر عدد مرات إجراء التجربة => تكون العينة أكبر (عادة ما تكون أعلى من 30) من ق بل CLT (نظرية الحد المركزي) ، وأخيرا ستتقارب إلى 50٪ 50٪ اقرأ أكثر »

إذا كان لديك الكثير من القيم المختلفة. مثال: قل أنك تقيس ارتفاع 2000 من الرجال البالغين. وأنت تقيس إلى أقرب ملليمتر. سيكون لديك 2000 قيمة ، معظمها مختلفة. الآن إذا كنت ترغب في إعطاء انطباع عن توزيع الارتفاع في مجتمعك ، فسوف يتعين عليك تجميع هذه القياسات في الفصول ، على سبيل المثال فصول 50 ملم (أقل من 1.50 م ، 1.50 - <1.55 م ، 1.55 - <160 م ، إلخ) هناك حدود فصلك. سيكون الجميع من 1.500 إلى 1.549 في فصل دراسي ، والجميع من 1.550 إلى 1.599 سيكونون في الفصل التالي ، وما إلى ذلك. الآن قد يكون لديك أرقام فصول كبيرة ، والتي ستتيح لك عمل رسومات بيانية مثل الرسوم البيانية ، إلخ. اقرأ أكثر »

عندما: 1) لا تعرف كل تفاصيل النموذج الخاص بك ؛ 2) لا يستحق كل هذا العناء نمذجة كل التفاصيل ؛ 3) النظام لديك عشوائي بطبيعته. بادئ ذي بدء ، يجب أن نحدد ما هو "الآثار العشوائية". التأثيرات العشوائية هي أي شيء ، داخلي ا أو خارجي ا ، يؤثر على سلوك نظامك ، على سبيل المثال انقطاع التيار الكهربائي في شبكة كهرباء المدينة. الناس يرونهم بشكل مختلف ، على سبيل المثال يحب الناس من البيئة أن يطلقوا عليهم الكوارث ، أو حالة انقطاع التيار الكهربائي ، أو الديموغرافي ، في حالة وجود زيادة في استخدام الطاقة من شأنها أن تقلل من جهد الشبكة الكهربائية. وأخيرا ، ما هو النموذج؟ النموذج هو أي تمثيل للواقع ، على سبيل المثال معادلة جبرية للنم اقرأ أكثر »

"a) 0.351087" "b) 7.2" "c) 0.056627" "P [sum هو 8] = 5/36" "بما أن هناك 5 مجموعات ممكنة لرمي 8:" "(2،6) ، (3،5 ) ، (4،4) ، (5،3) ، و (6،2). " "أ) هذا يساوي الاحتمالات التي لدينا 7 مرات على التوالي ،" "مجموع مختلف عن 8 ، وهذه" (1 - 5/36) ^ 7 = (31/36) ^ 7 = 0.351087 "b ) 36/5 = 7.2 "" c) "P [" x = 8 | x> = 2 "] = (P [" x = 8، x> = 2 "]) / (P [" x> = 2 " ]) = (P ["x = 8"]) / (P ["x> = 2"]) P ["x = 8"] = 0.351087 * (5/36) = 0.048762 P ["x> = 2 " اقرأ أكثر »

4.1051 * 10 ^ -7٪ لـ 2 reds ، 1 صفراء بدون استبدال ؛ 3.7037 x 10 ^ -7٪ لـ 2 reds ، 1 صفراء مع استبدال ، أولا ، قم بإعداد معادلة تمثل مشكلة كلمتك: 10 أقراص حمراء + 10 أقراص خضراء + 10 أقراص صفراء = إجمالي 30 قرص ا 1) ارسم قرصين أحمر و قرص أصفر واحد على التوالي دون استبدالها. سنقوم بإنشاء الكسور ، حيث يكون البسط هو القرص الذي ترسمه والقاسم هو عدد الأقراص المتبقية في الكيس. 1 هو قرص أحمر و 30 هو عدد الأقراص المتبقية. أثناء إخراج الأقراص (وليس استبدالها!) يتناقص عدد الأقراص الموجودة في الحقيبة. يتناقص عدد الأقراص المتبقية إلى 29 للكسر الثاني لأنه تمت إزالة قرص واحد بالفعل ولم يتم استبداله. يتم تكرار نفس العملية باستخدام قرص أص اقرأ أكثر »

31 أولا تعريفان: المتوسط هو القيمة الوسطى لمجموعة من الأرقام. المتوسط هو مجموع مجموعة الأرقام مقسومة على عدد الأرقام. عند القيام بذلك ، يصبح من الواضح أن الهدف من هذا التمرين هو زيادة المتوسطات المختلفة. فكيف لنا أن نفعل ذلك؟ الهدف هو ترتيب مجموعات الأرقام بحيث تكون القيم المتوسطة لكل مجموعة عالية قدر الإمكان. على سبيل المثال ، أعلى وسيط ممكن هو 41 والأرقام 42 و 43 و 44 و 45 أعلى منه وبعض المجموعات المكونة من أربعة أرقام أقل منه. مجموعتنا الأولى ، إذن ، تتكون من (مع تلك الأرقام فوق الوسيط باللون الأخضر ، الوسيط نفسه باللون الأزرق ، والأرقام أدناه باللون الأحمر): اللون (الأخضر) (45 ، 44 ، 43 ، 42) ، اللون (الأزرق) ( 41) ، اقرأ أكثر »

48 مرة عدد المرات التي من المتوقع أن تصل إليها الكرة = مرات P "إجمالي عدد مرات مضربها" = 3/5 مرات 80 = 3 / إلغاء 5 مرات إلغاء 80 ^ 16 = 3 مرات 16 = 48 مرة اقرأ أكثر »

"راجع الشرح" "نأخذ فترة زمنية بطول" t "، تتكون من قطع n" Delta t = t / n ". لنفترض أن فرصة حدوث حدث ناجح" "في قطعة واحدة هي" p "، ثم يتم توزيع العدد الإجمالي للأحداث في القطع الزمنية n "" ذات الحدين وفق ا لـ "p_x (x) = C (n، x) p ^ x (1-p) ^ (nx)، x = 0،1، ... ، n "with" C (n، k) = (n!) / ((nk)! * (k!)) "(المجموعات)" "لقد تركنا الآن" n-> oo "، لذلك" p-> 0 ، "لكن" n * p = lambda "لذلك نحن نستبدل" p = lambda / n "في" p_x ":" p_x (x) = (n!) / ((x!) (nx)!) (lambda / n ) ^ x اقرأ أكثر »

"راجع التفسير" "y هو المعيار العادي (بمتوسط 0 والانحراف المعياري 1)" "لذا نستخدم هذه الحقيقة." "1)" = P [- 1 <= (xz) / 2 <= 2] "نحن الآن نبحث عن القيم z في جدول للقيم z لـ" "z = 2 و z = -1. حصلنا على" 0.9772 "و" 0.1587. => P = 0.9772 - 0.1587 = 0.8185 "2)" var = E [x ^ 2] - (E [x]) ^ 2 => E [x ^ 2] = var + (E [x]) ^ 2 " هنا لدينا var = 1 و mean = E [Y] = 0. " => E [Y ^ 2] = 1 + 0 ^ 2 = 1 "3)" P [Y <= a | B] = (P [Y <= a "AND" B]) / (P [B]) P [B] = 0.8413 - 0.1587 = 0.6826 "(جدول قيم z)&qu اقرأ أكثر »

M + -ts حيث t هي درجة t المرتبطة بفاصل الثقة الذي تحتاجه. [إذا كان حجم العينة أكبر من 30 ، فسيتم تحديد الحدود بواسطة mu = bar x + - (z xx SE)] احسب متوسط العينة (m) ومجتمع العينة (المجموعات) باستخدام الصيغ القياسية. m = 1 / Nsum (x_n) s = sqrt (1 / (N-1) sum (x_n-m) ^ 2 إذا كنت تفترض أن عدد السكان الموزع عادة من iid (متغيرات مستقلة موزعة بشكل متماثل مع تباين محدود) مع عدد كاف لـ تطبق نظرية الحد المركزي (قل N> 35) ثم سيتم توزيع هذا الوسط كتوزيع t مع df = N-1. فاصل الثقة هو: m + -ts حيث t هي درجة t المرتبطة بفاصل الثقة إذا كنت تعرف الانحراف المعياري للسكان ولا تحتاج إلى تقديره (sigma) ، فاستبدل s بـ sigma واستخدم علامة Z اقرأ أكثر »

الوسيط أقل تأثرا من القيم المتطرفة أكثر من المتوسط. الوسيط أقل تأثرا من القيم المتطرفة أكثر من المتوسط. دعنا نأخذ هذه المجموعة الأولى من البيانات بدون أي قيم خارجية كمثال: 20 ، 24 ، 26 ، 26 ، 26 ، 27 ، 29 المتوسط هو 25.43 والوسط 26. في هذه المجموعة الثانية من البيانات ذات الحدود الخارجية ، يوجد فرق أكثر: 1 ، 24 ، 26 ، 26 ، 26 ، 27 ، 29 المتوسط هو 22.71 والوسيط هو 26. الوسيط لا يتأثر على الإطلاق بالغيار في هذا المثال . يرجى الاطلاع على هذه الأسئلة ذات الصلة سقراط لمزيد من المعلومات: كيف تؤثر القيم المتطرفة مقياس الميل المركزي؟ ما مقياس النزعة المركزية الأكثر تأثرا في حالة وجود شخص غريب؟ اقرأ أكثر »

"لقد حصلت عليه صحيح!" "يمكنني أن أؤكد أن مقاربتكم صحيحة تمام ا." "الحالة 1: التبديل 3 مفتوح (الاحتمال 0.3):" 0.49 + 0.49 - 0.2401 = 0.7399 "الحالة 2: المفتاح 3 مغلق (الاحتمال 0.7):" (0.7 + 0.7 - 0.49) ^ 2 = 0.8281 "وبالتالي فإن الاحتمال الكلي لـ الدائرة التي يمكن أن يمر بها التيار هي: "0.3 * 0.7399 + 0.7 * 0.8281 = 0.80164 اقرأ أكثر »

1) 0.180447 2) 0.48675 3) 0.37749 "Poisson: احتمالات الأحداث k في فترة زمنية t هي" ((lambda * t) ^ k exp (-lambda * t)) / (k!) "هنا ليس لدينا مزيد من المواصفات للمدة الزمنية ، لذلك نحن "" نأخذ t = 1 ، "lambda = 2. => P [" k events "] = (2 ^ k * exp (-2)) / (k!)" 1) "P [" 3 أحداث "] = (2 ^ 3 * exp (-2)) / (3!) = (4/3) e ^ -2 = 0.180447" 2) "(6/10) ^ 2 = 36 / 100 = 0.36 "هو سطح الكسر في" "الدائرة الأصغر مقارنة بالأكبر." "الاحتمالات التي تقع في دائرة أكبر (BC) نيزك يسقط في" "الدائرة الأصغر (SC) هي 0.36 على هذا النحو.&qu اقرأ أكثر »

تحتوي البيانات الفئوية على قيم لا يمكن طلبها بأي طريقة واضحة ومقنعة. الجنس هو مثال. ذكر ليس أقل أو أكثر من الإناث. لون العين هو الآخر في قائمتك. درجات الحروف هي بيانات صفية: يوجد ترتيب مقنع فيها: عليك أن تطلبها من الأعلى إلى الأدنى (أو الأقل إلى الأعلى). الأمثلة الأخرى التي ذكرتها هي بيانات مستمرة إلى حد ما: هناك العديد من القيم الممكنة ، التي يمكنك تجميعها في فئات ، ولكن لديك خيار معين حول عرض الفصل. اقرأ أكثر »

14.7 "لفات" P ["جميع الأرقام الملقاة"] = 1 - P ["1،2،3،4،5 ، أو 6 لم يتم طرحها"] P ["A أو B أو C أو D أو E أو F"] = P [A] + P [B] + ... + P [F] - P [A و B] - P [A و C] .... + P [A و B و C] + ... "هنا هذا هو" P_1 = 6 * (5/6) ^ n - 15 * (4/6) ^ n + 20 * (3/6) ^ n - 15 * (2/6) ^ n + 6 * ( 1/6) ^ n P = P_1 (n) - P_1 (n-1) = 6 * (5/6) ^ (n-1) (5/6 - 1) - 15 * (4/6) ^ ( n-1) (4 / 6-1) + ... = - (5/6) ^ (n-1) + 5 * (4/6) ^ (n-1) -10 * (3/6) ^ (n-1) + 10 * (2/6) ^ (n-1) -5 * (1/6) ^ (n-1) "سلبية هذا هو احتمالنا." sum n * a ^ (n-1) = sum (d / {da}) (a ^ n) = (d / {da}) sum اقرأ أكثر »

لأنه في وصف مجموعة من البيانات ، يكون اهتمامنا الرئيسي عادة هو القيمة المركزية للتوزيع. في الإحصائيات الوصفية ، نوضح خصائص مجموعة من البيانات في متناول اليد - نحن لا ننتج استنتاجات حول العدد الأكبر من السكان من حيث تأتي البيانات (هذا إحصاءات استنتاجية). عند القيام بذلك ، فإن سؤالنا الرئيسي هو عادة "أين يقع مركز التوزيع". للإجابة على هذا السؤال ، عادة ما نستخدم إما الوسط أو الوسيط أو الوضع ، وهذا يتوقف على نوع البيانات. تشير مقاييس الميل المركزية الثلاثة هذه إلى النقطة المركزية التي تجمع حولها جميع البيانات. هذا هو السبب في أنه أحد الأجزاء الأساسية للإحصاءات الوصفية. الجزء الآخر هو مقياس التشتت ، الذي يفسر مدى توز اقرأ أكثر »

"راجع التفسير" "بما أنه" "variance =" E (X ^ 2) - (E (X)) ^ 2 "وهو هنا:" 1 - 1 ^ 2 = 0 ، "" لا يوجد فرق. "" هذا يعني أن جميع قيم X تساوي الوسط E (X) = 1. "" لذا X دائم ا 1. "" وبالتالي "X ^ 100 = 1. => E [X ^ 100] = 1 اقرأ أكثر »

"الإجابة د)" "إنها الإجابة المنطقية الوحيدة ، والبعض الآخر مستحيل." "هذه هي مشكلة خراب المقامر". "المقامر يبدأ بـ k دولار". "يلعب حتى يصل إلى G دولار أو يتراجع إلى 0". ع = "فرصة أن يفوز دولار واحد في لعبة واحدة." q = 1 - p = "فرصة ليخسر دولار واحد في لعبة واحدة." "استدعاء" r_k "احتمال (فرصة) أنه قد دمر." "ثم لدينا" r_0 = 1 r_G = 0 r_k = p * r_ {k + 1} + q * r_ {k-1} ، "مع" 1 <= k <= G-1 "يمكننا إعادة كتابة هذه المعادلة بسبب إلى p + q = 1 كما يلي: "r_ {k + 1} - r_k = (q / p) (r_k - r_ {k-1}) => r_ اقرأ أكثر »

Z = 2.33 تحتاج إلى البحث عن ذلك من جدول درجات z (على سبيل المثال http://www.had2know.com/academics/normal-distribution-table-z-scores.html) أو استخدام تطبيق رقمي للعكس الطبيعي دالة الكثافة التراكمية للتوزيع (مثل normsinv في Excel). نظر ا لأنك ترغب في الحصول على الفاصل الزمني بنسبة 98٪ الذي تريده 1٪ على كل جانب من جوانب + -z ، فابحث عن 99٪ (0.99) للحصول على z للحصول على هذا. تعطي القيمة الأقرب لـ 0.99 على الجدول z = 2.32 على الجدول (2.33 في Excel) ، هذه هي النتيجة z. اقرأ أكثر »

تشير المربعة R إلى مدى ملاءمة البيانات المرصودة للبيانات المتوقعة ولكنها تمنحك فقط معلومات حول الارتباط. تشير قيمة المرب ع R إلى مدى ملاءمة بياناتك الملاحظة ، أو البيانات التي جمعتها ، للاتجاه المتوقع. تخبرك هذه القيمة بقوة العلاقة ، ولكن ، مثلها مثل جميع الاختبارات الإحصائية ، لا يوجد شيء ي علمك بالسبب وراء العلاقة أو قوتها. في المثال أدناه ، يمكننا أن نرى أن الرسم البياني على اليسار ليس له علاقة ، كما هو مبين في قيمة المربعة الصغرى المنخفضة. يحتوي الرسم البياني الموجود على اليمين على علاقة قوية جد ا ، كما هو مبين في القيمة التربيعية لـ 1. في أي من هذه الرسوم البيانية يمكننا أن نعرف ما الذي يسبب هذه العلاقة في النهاية. ال اقرأ أكثر »

لأن هناك اختلاف في نوع البيانات التي تقدمها. في المخطط الشريطي ، يمكنك مقارنة البيانات النوعية أو النوعية. فكر في أشياء مثل لون العين. لا يوجد ترتيب فيها ، مثل الأخضر ليس "أكبر" من اللون البني. في الواقع يمكنك ترتيبها في أي ترتيب. في الرسم البياني ، تكون القيم كمية ، مما يعني أنه يمكن تقسيمها إلى مجموعات مرتبة. فكر في الطول أو الوزن ، حيث تضع بياناتك في فصول ، مثل "أقل من 1.50 م" ، و150-1.60 م "وما إلى ذلك. ترتبط هذه الفئات ، لأن فئة واحدة تبدأ حيث ينتهي الآخر. اقرأ أكثر »

انظر أدناه في أفكاري: النموذج العام لاحتمال ذي الحدين هو: sum_ (k = 0) ^ (n) C_ (n، k) (p) ^ k ((~ p) ^ (nk)) والسؤال هو لماذا هل نحن بحاجة إلى هذا المصطلح الأول ، مصطلح الجمع؟ فلنعمل كمثال ثم سيتضح. دعونا نلقي نظرة على الاحتمال ذو الحدين المتمثل في تقليب عملة 3 مرات. لنقم بتعيين رؤساء لتكون p وعدم الحصول على رؤوس ~ p (كلاهما = 1/2). عندما نستعرض عملية الجمع ، تساوي المصطلحات الأربعة للجمع 1 (في جوهرها ، نجد كل النتائج الممكنة ، وبالتالي فإن احتمالية جميع النتائج التي تم تلخيصها هي 1): sum_ (k = 0) ^ ( 3) = اللون (الأحمر) (C_ (3،0) (1/2) ^ 0 ((1/2) ^ (3))) + اللون (الأزرق) (C_ (3،1) (1/2) ^ 1 ((1/2) ^ (2))) + C_ (3،2) (1/2 اقرأ أكثر »

83٪ أولا نكتب P (70 <X <110) ثم نحتاج إلى تصحيحه عن طريق أخذ الحدود ، لذلك نأخذ أقرب 0.5. دون المرور ، لذلك: P (69.5 <= Y <= 109.5) للتحويل إلى درجة Z ، نستخدم: Z = (Y-mu) / sigma P ((69.5-100) / 10 <= Z <= (109.5-100) / 10) P (-3.05 <= Z <= 0.95) P (Z <= 0.95) -P (Z <= - 3.05) P (Z <= 0.95) - (1-P (Z <= 3.05)) 0.8289- (1-0.9989) = 0.8289-0.0011 = 0.8278 = 82.78٪ ~~ 83٪ اقرأ أكثر »

"a)" 0.08523 "b)" 0.88913 "c)" 0.28243 "لدينا توزيع ذو حدين مع n = 12 ، p = 0.1." "a)" C (12،3) * 0.1 ^ 3 * 0.9 ^ 9 = 220 * 0.001 * 0.38742 = 0.08523 "مع" C (n، k) = (n!) / ((nk)! k!) " (المجموعات) "" ب) "0.9 ^ 12 + 12 * 0.1 * 0.9 ^ 11 + 66 * 0.1 ^ 2 * 0.9 ^ 10" = 0.9 ^ 10 * (0.9 ^ 2 + 12 * 0.1 * 0.9 + 66 * 0.1 ^ 2) = 0.9 ^ 10 * (0.81 + 1.08 + 0.66) = 0.9 ^ 10 * 2.55 = 0.88913 "c)" 0.9 ^ 12 = 0.28243 اقرأ أكثر »

مقياس الاتجاه المركزي هو إحدى القيم التي يمكن أن تمثل إجمالي السكان وتعمل مثل الجاذبية المركزية التي تتحرك بها جميع القيم الأخرى. الانحراف المعياري - كما يوحي الاسم هو مقياس الانحراف. الانحراف يعني التغيير أو المسافة. ولكن التغيير يتبعه دائم ا كلمة "من". وبالتالي فإن الانحراف المعياري هو مقياس للتغيير أو المسافة من مقياس الميل المركزي - وهو عادة ما يكون الوسط. وبالتالي ، يختلف الانحراف المعياري عن مقياس الاتجاه المركزي. اقرأ أكثر »

لأن التباين يتم حسابه من حيث الانحرافات عن الوسط ، والتي تبقى كما هي تحت الترجمة. يتم تعريف التباين على أنه قيمة التوقع E [(x-mu) ^ 2] حيث mu هي القيمة المتوسطة. عندما تتم ترجمة مجموعة البيانات ، يتم إزاحة جميع نقاط البيانات بنفس المقدار x_i -> x_i + a وينتقل الوسط أيض ا بنفس المقدار mu -> mu + a بحيث تبقى الانحرافات عن الوسط كما هي: x_i -mu -> (x_i + a) - (mu + a) = x_i -mu اقرأ أكثر »

SSReg le SST لاحظ أن R ^ 2 = ("SSReg") / (SST) حيث SST = SSReg + SSE ونعلم أن مجموع المربعات دائم ا يكون 0. لذا SSE ge 0 تعني SSReg + SSE ge. يشير SSReg إلى SST ge SSReg يعني (SSReg) / (SST) le 1 يعني R ^ 2 le 1 اقرأ أكثر »

على الأكثر 3 أشخاص في الخط سيكون. P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) = 0.1 + 0.3 + 0.4 + 0.1 = 0.9 وبالتالي P (X <= 3) = 0.9 وبالتالي فإن السؤال سوف يكون من الأسهل استخدام قاعدة المجاملة ، لأن لديك قيمة واحدة لا تهتم بها ، لذلك يمكنك فقط طرحها بعيدا عن الاحتمال الكلي. كـ: P (X <= 3) = 1 - P (X> = 4) = 1 - P (X = 4) = 1 - 0.1 = 0.9 وهكذا P (X <= 3) = 0.9 اقرأ أكثر »

هذا هو الوضع ... أو الوضع. يمكنك إضافة الاحتمالات. الشروط حصرية ، وهي: لا يمكن أن يكون لديك 3 و 4 أشخاص في السطر. هناك 3 أشخاص أو 4 أشخاص في الصف. لذا أضف: P (3 أو 4) = P (3) + P (4) = 0.1 + 0.1 = 0.2 تحقق من إجابتك (إذا كان لديك وقت متبق أثناء الاختبار) ، من خلال حساب الاحتمال المعاكس: P (<3) = P (0) + P (1) + P (2) = 0.1 + 0.3 + 0.4 = 0.8 ويضيف هذا وإجابتك ما يصل إلى 1.0 ، كما ينبغي. اقرأ أكثر »

يمكن اعتبار العدد المتوقع في هذه الحالة كمتوسط مرجح. من الأفضل الوصول إليها من خلال تلخيص احتمال وجود رقم معين بهذا الرقم. لذلك ، في هذه الحالة: 0.1 * 0 + 0.3 * 1 + 0.4 * 2 + 0.1 * 3 + 0.1 * 4 = 1.8 اقرأ أكثر »

أعتقد أنك تعني إما "تقلب العملة المعدنية ثلاث مرات" أو "تقلب ثلاث عملات معدنية". ي طلق على X "متغير عشوائي" لأنه قبل أن نقلب العملات ، لا نعرف عدد الرؤوس التي سنحصل عليها. ولكن يمكننا أن نقول شيئ ا عن جميع القيم المحتملة لـ X. نظر ا لأن كل نقرة لعملة واحدة مستقلة عن التقلبات الأخرى ، فإن القيمة المحتملة للمتغير العشوائي X هي {0 ، 1 ، 2 ، 3} ، أي يمكنك الحصول على 0 رأس أو 1 رئيس أو 2 رؤساء أو 3 رؤساء. جرب واحدة أخرى حيث تفكر في اربع من الموت. اسمح للمتغير العشوائي Y بالإشارة إلى عدد 6s في أربع رميات للموت. ما هي كل القيم المحتملة للمتغير العشوائي Y؟ اقرأ أكثر »

0.5 أو 1/2 إذا كان لدينا عملة عادلة فهناك احتمالان: الرؤوس أو ذيول كلاهما لديه فرصة متساوية. لذلك يمكنك تقسيم الفرص المواتية ("النجاح") S على إجمالي عدد الفرص T: S / T = 1/2 = 0.5 = 50٪ مثال آخر: ما هي فرصة التدحرج أقل من ثلاثة بموت طبيعي؟ S ("النجاح") = (1 أو 2) = 2 الاحتمالات T (المجموع) = 6 الاحتمالات ، وكلها فرصة محتملة على قدم المساواة S / T = 2/6 = 1/3 إضافي: تقريبا أي عملة في الحياة الحقيقية عادلة تماما. اعتماد ا على وجوه الرؤوس والذيل ، قد يكون مركز الثقل صغير ا على الرؤوس أو جانب الذيل. سيتم عرض هذا فقط على التقليب الضخم على المدى الطويل ، ولكن تم ذلك! جوجل! اقرأ أكثر »

~ 1.9 ٪ فرصة ستجذب Ace of Spades - هناك 52 ورقة في مجموعة ورق اللعب واحدة من أوراق لعبة ورق البستوني على سطح السفينة. يمكن التعبير عن هذا كـ 1/52. قس م للعثور على النسبة المئوية. 1/52 = 0.01923076923 هناك فرصة بنسبة 1.9٪ لتتمكن من رسم لعبة Ace of Spades. ليس عليك فعلا تقسيم 1/52 لتتعرف على احتمال النسبة المئوية ..... اطلع على أن 1/52 يمكن كتابته كـ 2/104 والتي تقريب ا .. تبلغ 2/100 أي 2٪ لكن تذكر أن أنا أفعل ذلك فقط لأن الرقم 104 يقع بالقرب من 100 ، وكلما زاد العدد سيختلف عن 100 كلما كان الجواب أكبر من الإجابة الحقيقية اقرأ أكثر »

هذا يعتمد. قد يستغرق الأمر افتراضات متعددة من غير المحتمل أن تكون صحيحة لاستكمال هذه الإجابة من البيانات المقدمة ليكون هذا الاحتمال الحقيقي لعمل لقطة. يمكن للمرء تقدير نجاح تجربة واحدة بناء على نسبة التجارب السابقة التي نجحت إذا كانت التجارب مستقلة وموزعة بشكل متماثل وفقط. هذا هو الافتراض الذي تم في التوزيع ذي الحدين (التوزيع) وكذلك التوزيع الهندسي (الانتظار). ومع ذلك ، من غير المرجح أن تكون إطلاق النار على الرميات الحرة مستقلة أو موزعة بشكل مماثل. بمرور الوقت ، يمكن للمرء أن يتحسن من خلال إيجاد "ذاكرة العضلات" ، على سبيل المثال. إذا تحسن أحدهما بشكل مطرد ، فإن احتمال اللقطات المبكرة كان أقل من 10٪ وكانت اللقطات اقرأ أكثر »

K = 3 P ["تم رفع خادم واحد"] = 0.98 => P ["خادم واحد على الأقل من خوادم K هو أعلى"] = 1 - P ["0 خوادم خارج خوادم K مرتفعة"] = 0.99999 = > P ["0 خوادم خارج خوادم K مرتفعة"] = 0.00001 => (1-0.98) ^ K = 0.00001 => 0.02 ^ K = 0.00001 => K log (0.02) = log (0.00001) => K = log (0.00001) / log (0.02) = 2.94 => "يجب أن نأخذ 3 خوادم على الأقل ، لذا K = 3." اقرأ أكثر »

0.6 P ["يأخذ الحافلة"] = 0.8 P ["إنه في الوقت المحدد | يأخذ الحافلة"] = 0.75 P ["إنه في الوقت المحدد"] = 4/6 = 2/3 P ["يأخذ الحافلة | هو ليس في الوقت المحدد "] =؟ P ["إنه يأخذ حافلة | إنه ليس في الوقت المحدد"] * P ["إنه ليس في الوقت المحدد"] = P ["إنه يأخذ حافلة وليس في الوقت المحدد"] = P ["إنه ليس في الوقت المحدد | يأخذ حافلة "] * P [" يأخذ حافلة "] = (1-0.75) * 0.8 = 0.25 * 0.8 = 0.2 => P [" يأخذ حافلة | إنه ليس في الوقت المحدد "] = 0.2 / (P [ "إنه ليس في الوقت المحدد"]) = 0.2 / (1-2 / 3) = 0.2 / (1/3) = 0.6 اقرأ أكثر »

انظر أدناه. الوسيط هي القيمة المتوسطة في مجموعة من البيانات مرتبة. اقرأ أكثر »

0.3828 ~~ 38.3٪ P ["k on 10 المرضى مرتاحون"] = C (10، k) (7/10) ^ k (3/10) ^ (10-k) "with" C (n، k) = (n!) / (k! (nk)!) "(مجموعات)" "(التوزيع ذو الحدين)" "لذلك بالنسبة إلى k = 8 ، 9 ، أو 10 ، لدينا:" P ["لا يقل عن 8 على 10 مرضى مرتاحون "] = (7/10) ^ 10 (C (10،10) + C (10،9) (3/7) + C (10،8) (3/7) ^ 2) = (7 / 10) ^ 10 (1 + 30/7 + 405/49) = (7/10) ^ 10 (49 + 210 + 405) / 49 = (7/10) ^ 10 (664) / 49 = 0.3828 ~~ 38.3 ٪ اقرأ أكثر »

هذا هو المعروف باسم مشكلة احتمال مركب هناك أربع ارسالا ساحقا في سطح السفينة من 52 ورقة ، وبالتالي فإن احتمال رسم الآس هو 4/52 = 1/13 ثم ، هناك 13 البستوني في سطح السفينة ، وبالتالي فإن احتمال رسم spade هو 13/52 أو 1/4 ولكن نظر ا لأن إحدى هذه الأصوات هي أيض ا لعبة spade ، نحتاج إلى طرحها حتى لا نحسبها مرتين. لذلك ، 4/52 + 13 / 52-1 / 52 = 16/52 = 4/13 اقرأ أكثر »

هناك صيغة لدالة الكثافة ذات الحدين اسمحوا n أن يكون عدد التجارب. دع k يكون عدد النجاحات في التجربة. دع p يكون احتمال النجاح في كل تجربة. ثم احتمال النجاح في تجارب k بالضبط هو (n!) / (k! (nk)!) p ^ k (1-p) ^ (nk) في هذه الحالة ، n = 10 ، k = 8 ، و p = 0.2 ، بحيث p (8) = (10!) / (8! 2!) (0.2) ^ 8 (0.8) ^ 2 p (8) = 45 (0.2) ^ 8 (0.8) ^ 2 اقرأ أكثر »

0.200 احتمال أن أربعة من كل عشرة أشخاص لديهم فصيلة الدم هذه هي 0.3 * 0.3 * 0.3 * 0.3 = (0.3) ^ 4. احتمال أن الستة الأخرى لا تملك فصيلة الدم هذه هي (1-0.3) ^ 6 = (0.7) ^ 6. نقوم بمضاعفة هذه الاحتمالات مع ا ، ولكن نظر ا لأن هذه النتائج يمكن أن تحدث في أي مجموعة (على سبيل المثال ، يكون الشخص 1 و 2 و 3 و 4 لديه فصيلة الدم ، أو ربما 1 ، 2 ، 3 ، 5 ، إلخ) ، فإننا نتضاعف اللون (أبيض) I_10C_4. وبالتالي ، فإن الاحتمال هو (0.3) ^ 4 * (0.7) ^ 6 * اللون (أبيض) I_10C_4 ~~ 0.200. ——— هذه طريقة أخرى للقيام بذلك: نظر ا لوجود نوع فصيلة دم معين هو تجربة برنولي (لا يوجد سوى نتيجتين ، النجاح والفشل ؛ احتمال النجاح ، 0.3 ، ثابت ؛ والمحاكمات مست اقرأ أكثر »

S ^ 2 = sum ((x_i - barx) ^ 2) / (n - 1) حيث: s ^ 2 = مجموع التباين = مجموع جميع القيم في العينة n = حجم العينة barx = mean x_i = مراقبة العينة لكل مصطلح الخطوة 1 - العثور على معنى المصطلحات الخاصة بك. (3 + 6 + 7 + 8 + 9) / 5 = 6.6 الخطوة 2 - قم بطرح متوسط العينة من كل مصطلح (barx-x_i). (3 - 6.6) = -3.6 (6 - 6.6) ^ 2 = -0.6 (7 - 6.6) ^ 2 = 0.4 (8 - 6.6) ^ 2 = 1.4 (9 - 6.6) ^ 2 = 2.4 ملاحظة: مجموع يجب أن تكون هذه الإجابات 0 الخطوة 3 - مربع كل من النتائج. (التربيع يجعل الأرقام السالبة موجبة.) -3.6 ^ 2 = 12.96 -0.6 ^ 2 = 0.36 0.4 ^ 2 = 0.16 1.4 ^ 2 = 1.96 2.4 ^ 2 = 5.76 الخطوة 4 - أوجد مجموع المصطلحات المربعة. (12.96 + 0.36 اقرأ أكثر »

الاحتمال هو frac {5} {6} Let A ليكون حدث اختيار رقم قابل للقسمة على 6 و B يكون حدث اختيار رقم غير قابل للقسمة على 6: P (A) = frac {1} {6} P (B) = P (وليس A) = 1 - P (A) = 1- frac {1} {6} = frac {5} {6} بشكل عام ، إذا كان لديك ورق من ورق مرقمة من 1 إلى N (حيث N عدد صحيح موجب كبير قل 100) فإن احتمال اختيار عدد قابل للقسمة على 6 هو ~ 1/6 وإذا كانت N قابلة للقسمة بالضبط على 6 ، فإن الاحتمال هو بالضبط 1/6 أي P (A) = frac {1} {6} iff N equiv 0 mod 6 إذا كانت N غير قابلة للقسمة بالضبط بحلول 6 ، فسوف تقوم بحساب الباقي ، على سبيل المثال إذا كانت N = 45: 45 equiv 3 mod 6 (6 * 7 = 42 ، 45-42 = 3 ، الباقي هو 3) أكبر عدد أقل من N قابل اقرأ أكثر »

P (alpha) = 5/12 ، P (beta) = 11/18 المبالغ المحتملة هي: 2 ، 3 ، 4 ، 5 ، 6 ، 7 ، 8 ، 9 ، 10 ، 11 ، 12 وبالتالي فإن العدد الإجمالي للمبالغ المحتملة هو 11. ومع ذلك ، فإن عدد الطرق للوصول إلى مجموع معين يختلف. مثلا للوصول إلى ما مجموعه 2 لا يمكن الوصول إلا إلى طريقة واحدة - 1 و 1 ولكن يمكن الوصول إلى ما مجموعه 6 في 5 طرق - 1 و 5 و 5 و 1 و 2 و 4 و 4 و 2 و 3 و 3. الطرق الممكنة للوصول إلى مبلغ معين تعطي ما يلي. مجموع -> عدد الطرق 2 -> 1 3 -> 2 4 -> 3 5 -> 4 6 -> 5 7 -> 6 8 -> 5 9 -> 4 10 -> 3 11 -> 2 12 -> 1 لذلك ، فإن العدد الإجمالي للطرق التي يمكن بها تحقيق أي نتيجة هو: (1 + 2 + 3 + 4 + 5) x اقرأ أكثر »

163 طرق. هناك طريقة واحدة للتصويت لصالح 0 شخص. هناك 8 طرق للتصويت لشخص واحد. هناك (8 * 7) / طريقتان للتصويت لشخصين. هناك (8 * 7 * 6) / (2 * 3) طرق للتصويت ل 3 أشخاص. هناك (8 * 7 * 6 * 5) / (2 * 3 * 4) طرق التصويت لأربعة أشخاص. هذا كله لأنه يمكنك اختيار أشخاص ولكن هناك طرق يمكنك من خلالها طلب الأشخاص. على سبيل المثال ، هناك 2 * 3 طرق لطلب نفس الأشخاص الثلاثة. إضافة كل شيء ، نحصل على 1 + 8 + 28 + 56 + 70 = 163. اقرأ أكثر »

التباين السكاني = 59.1 (ربما ما تريد إذا كانت هذه الفئة تمهيدية) تباين العينة = 68.9 احسب الوسط frac {17 + 3 + 10 + 1 - 3 + 4 + 19} {7} = 7.2857 أوجد المتوسط الاختلافات التربيعية. للقيام بذلك: قم بتربيع الفرق بين كل نقطة بيانات والوسط. أضف كل هذه الاختلافات التربيعية. (17-7.2857) ^ 2 + (3-7.2857) ^ 2 + (10 - 7.2857) ^ 2 cdots = 413.43 إذا وجدت الفرق بين السكان ، قس م على عدد نقاط البيانات. إذا عثرت على تباين العينة ، قس مه على عدد نقاط البيانات - 1. sigma ^ 2 = frac {413.43} {7} = 59.061 (السكان) s ^ 2 = frac {413.43} {6} = 68.9051 (نموذج) جولة بأي طريقة قيل لك. * إذا كانت هذه هي جميع نقاط البيانات الموجودة في المجموعة ، أ اقرأ أكثر »

يجب استبدال أي بطارية ذات عمر أقل من 35 ساعة. هذا هو تطبيق مبسط للمبادئ الإحصائية. الأشياء الرئيسية التي يجب ملاحظتها هي الانحراف المعياري والنسبة المئوية. تخبرنا النسبة المئوية (1٪) أننا نريد فقط ذلك الجزء من السكان الأقل احتمال ا من 3sigma ، أو 3 انحرافات معيارية أقل من المتوسط (هذا هو في الواقع 99.7٪). لذلك ، مع الانحراف المعياري البالغ 6 ساعات ، يكون الفرق عن المتوسط الخاص بالحد الأدنى المطلوب من العمر الافتراضي هو: 50 - 3xx6 = 50 - 18 = 32 ساعة ، مما يعني أنه سيتم استبدال أي بطارية ذات عمر أقل من 32 ساعة. ما تقول الإحصاءات هو أن مجموعة من 32 إلى 68 ساعة سوف تشمل 99.7 ٪ من جميع البطاريات المنتجة. على سبيل المثال ، في اقرأ أكثر »

"a)" 4 "b) 0.150158" "c) 0.133705" "لاحظ أن الاحتمال لا يمكن أن يكون سالب ا ، لذا أعتقد" "علينا أن نفترض أن x يذهب من 0 إلى 10." "بادئ ذي بدء ، نحن بحاجة إلى تحديد c بحيث يكون مجموع الاحتمالات" "1:" int_0 ^ 10 cx ^ 2 (10 - x) "" dx = c int_0 ^ 10 x ^ 2 (10 - x) " "dx = 10 c int_0 ^ 10 x ^ 2 dx - c int_0 ^ 10 x ^ 3 dx = 10 c [x ^ 3/3] _0 ^ 10 - c [x ^ 4/4] _0 ^ 10 = 10000 c / 3 - 10000 c / 4 = 10000 c (1/3 - 1/4) = 10000 c (4 - 3) / 12 = 10000 c / 12 = 1 => c = 12/10000 = 0.0012 "a) variance =" E (X ^ 2) - (E (X)) ^ 2 E (X اقرأ أكثر »

المتوسط هو 19 والتباين هو 5.29 * 9 = 47.61 إجابة بديهية: بما أن كل العلامات مضروبة في 3 وتضاف ب 7 ، فإن المتوسط يجب أن يكون 4 * 3 + 7 = 19 الانحراف المعياري هو مقياس لمتوسط الفرق التربيعي عن المتوسط ولا يتغير عندما تضيف نفس الكمية إلى كل علامة ، فإنه يتغير فقط عند ضرب كل العلامات بمقدار 3 وبالتالي ، sigma = 2.3 * 3 = 6.9 Variance = sigma ^ 2 = 6.9 ^ 2 = 47.61 n يكون عدد الأرقام التي يكون فيها {n | n in mathbb {Z_ +}} في هذه الحالة n = 5 اسمح m ليكون هو text {var} هو الفرق و ،اجعل sigma هو الانحراف المعياري Proof of mean: mu_0 = frac { sum _i ^ n x_i} {n} = 4 sum _i ^ n x_i = 4n mu = frac { sum _i ^ n (3x_i + 7)} {n} تط اقرأ أكثر »

يجب أن يخبرك المربع ومخطط الشعار بالقيمة المتوسطة لمجموعة البيانات ، والحد الأقصى والحد الأدنى للقيم ، والنطاق الذي تسقط فيه 50٪ من القيم وقيم أي القيم المتطرفة. أكثر من الناحية الفنية ، يمكنك النظر في مؤامرة مربع وشارب من حيث الأرباع. الشارب العلوي هو الحد الأقصى للقيمة ، والشارب السفلي هو الحد الأدنى للقيمة (على افتراض أن أي من القيمتين غير متطرفين (انظر أدناه)). يتم الحصول على معلومات عن الاحتمالات من مواقف الأرباع. الجزء العلوي من المربع هو Q1 ، الربع الأول. 25 ٪ من القيم تكمن تحت Q1. في مكان ما داخل المربع سيكون Q2. 50 ٪ من القيم تكمن تحت Q2. Q2 هي الوسيط لمجموعة البيانات. الجزء السفلي من المربع هو Q3. 75 ٪ من القيم ت اقرأ أكثر »

1/2 P ["البدلة هي قلوب"] = 1/4 P ["البطاقة حمراء"] = 1/2 P ["البدلة قلوب | البطاقة حمراء"] = (P ["البدلة هي قلوب وبطاقة هي أحمر "]) / (P [" البطاقة حمراء "]) = (P [" البطاقة حمراء | الدعوى قلوب "] * P [" البدلة قلوب "]) / (P [" البطاقة حمراء "]) = (1 * P ["البدلة قلوب"]) / (P ["البطاقة حمراء"]) = (1/4) / (1/2) = 2/4 = 1/2 اقرأ أكثر »

0.3947 = 39.47٪ = P ["الأول حليب والثاني سهل"] + P ["الأول سهل والثاني حليب"] = (15/20) (5/19) + (5/20) (15 / 19) = 2 * (15/20) (5/19) = 2 * (3/4) (5/19) = (3/2) (5/19) = 15/38 = 0.3947 = 39.47٪ "الشرح : "" عندما نختار واحد ا لأول مرة ، يوجد 20 شوكولا في العلبة. " "عندما نختار واحدة بعد ذلك ، هناك 19 شوكولا في العلبة." "نحن نستخدم الصيغة" P [A و B] = P [A] * P [B | A] "لأن كلا السحرين غير مستقلين." "لذلك خذ على سبيل المثال A = '1st هو الحليب' و B = '2nd هو الشوكولاته'" "ثم لدينا" P [A] = 15/20 "(15 ميلك على 20 شوك اقرأ أكثر »

راجع قسم الشرح السوق تنافسية. تبقى أشياء أخرى دون تغيير. أ) ارتفاع في دخل المستهلكين. لتبدأ الطلب على المنازل والعرض عليها ، حدد سعر التوازن وعدد المنازل .DD هو منحنى الطلب. SS هو منحنى العرض. تصبح متساوية في النقطة E_1. E_1 هي نقطة التوازن. يتم توفير عدد من المنازل وطلب M_1 بسعر P_1. بعد زيادة في دخل المستهلكين ، يتم تحويل منحنى الطلب إلى اليمين. منحنى الطلب الجديد هو D_1 D_1. يقطع منحنى العرض SS عند النقطة E_2. سعر التوازن الجديد هو P_2. هذا أعلى من السعر الأصلي. رقم التوازن الجديد للبيوت هو M_2. هذا أكبر من العدد الأصلي للمنازل. النتيجة الصافية هي ارتفاع في السعر وعدد المنازل. ب) تقنية بناء جديدة تسمح ببناء الشقق بنصف ا اقرأ أكثر »