Normal pamamahagi o Gaussian pamamahagi

Kabilang sa lahat ng mga batas ng probabilidad teorya, normal na pamamahagi ay nangyayari pinakamadalas na, kabilang ang mga mas madalas kaysa sa pare-pareho. Marahil ito kababalaghan ay malalim pangunahing likas na katangian. Pagkatapos ng lahat, ang ganitong uri ng pamamahagi ay sinusunod kapag nasa pagkatawan sa hanay ng mga random na mga variable na kasangkot ang ilang mga kadahilanan, ang lahat ay nakakaapekto sa kanilang sariling paraan. Ang normal (o Gaussian) sa pamamahagi sa kasong ito ay nakuha dahil sa karagdagan sa mga iba't ibang mga distribusyon. Ito ay salamat sa malawak na pagpapakalat ng mga normal na pamamahagi, at nakuha ang pangalan nito.

Tuwing usapan namin tungkol sa isang mean na halaga, kung ito ay ang buwanang pag-ulan, per capita income at akademikong pagganap sa silid-aralan, sa pagkalkula ng ang halaga nito, bilang isang patakaran, na ginagamit sa normal na batas sa pamamahagi. Ito ang average na halaga ay tinatawag na ang pag-asa at ang graph ay tumutugon sa isang maximum na (karaniwan ay tinukoy bilang M). Sa pamamagitan ng tamang distribution curve ay simetriko na may paggalang sa ang maximum na, ngunit sa katotohanan na ito ay hindi palagi, at ito ay pinapayagan.

Upang ilarawan ang mga normal na batas ng random variable pamamahagi ay kailangan din upang malaman ang karaniwang lihis (naitala sa pamamagitan σ - Sigma). Ito ay tumutukoy sa hugis ng curve sa graph. Ang mas malaki σ, ang curve ay magiging patag ang. Sa kabilang dako, ang mga mas maliit na σ, ang mas tumpak ang tinutukoy average na halaga sa sample. Samakatuwid, para sa mga malalaking rms deviations ay upang sabihin na ang average na halaga sa loob ng isang tiyak na hanay ng mga numero, at hindi tumutugma sa anumang numero.

Pati na rin ang iba pang mga batas ng mga istatistika, ang mga normal na mga batas ng probabilidad pamamahagi behaves mas mahusay kaysa sa mas malaking sample, ie, ang bilang ng mga bagay na kasangkot sa ang sukat. Gayunpaman, narito ito ay ipinapakita sa isa pang epekto: ang malaking sample nagiging napakaliit na posibilidad ng paghahanap ng isang tiyak na halaga, kabilang ang average. Lamang ang mga halaga ay naka-grupo malapit sa gitna. Samakatuwid tamang sabihin na ang random variable na maging malapit sa isang tiyak na halaga sa isang tiyak na bagay na maaaring mangyari.

Alamin kung paano malamang na ito ay at tumutulong ang standard na paglihis. Sa "tatlong palatandaan" interval, ie, M +/- 3 * σ, ay nakalagay 97.3% ng lahat ng mga dami sa sample, at sa mga "five-palatandaan" na hanay - tungkol sa 99%. Ang mga agwat ay karaniwang ginagamit upang matukoy kapag ito ay kinakailangan, ang maximum at minimum na halaga sa sample. Ang posibilidad na ang halaga ng pagitan sa limang palatandaan, ay bale-wala. Sa pagsasanay, karaniwang ginagamit sa tatlong palatandaan interval.

Normal sa pamamahagi ay maaaring maging maraming interes. Ito ay ipinapalagay na ang isang bagay ay may ilang mga independiyenteng mga parameter, ipinahayag sa parehong yunit ng pagsukat. Halimbawa, ang paglihis ng mga bullet mula sa target center patayo at horizontally sa panahon ng pagpapaputok ay inilarawan ng isang dalawang-dimensional normal na pamamahagi. Ang graph ng pamamahagi na ito sa isang ideal na kaso tulad ng isang figure ng rebolusyon ng isang eroplanong curve (Gaussian), gaya ng tinalakay sa itaas.