สถิติ

ข้อมูลที่ไม่ต่อเนื่องโดยทั่วไปคือคำตอบทั้งจำนวน ชอบต้นไม้หรือโต๊ะหรือคนกี่คน ขนาดของรองเท้าก็ไม่ต่อเนื่องเช่นกัน แต่น้ำหนักส่วนสูงและเวลาเป็นตัวอย่างของข้อมูลต่อเนื่อง วิธีหนึ่งในการตัดสินใจว่าคุณใช้เวลาสองครั้งเช่น 9 วินาทีและ 10 วินาทีคุณมีเวลาระหว่างสองสิ่งนี้หรือไม่? ใช่บันทึกเวลาโลกของ Bolt ใช้เวลา 9.58 วินาทีถ้าคุณใช้ 9 โต๊ะและ 10 โต๊ะคุณสามารถมีโต๊ะทำงานกี่อันในระหว่างนี้หรือไม่? ไม่มีโต๊ะ 9 1/2 โต๊ะคือโต๊ะ 9 โต๊ะและโต๊ะหัก! อ่านเพิ่มเติม »

1/435 = 0.0023 "ฉันคิดว่าคุณหมายความว่ามีการ์ด 22 ใบแสดงดังนั้น" "มีการ์ดที่ไม่รู้จัก 52-22 = 30 ใบเท่านั้น" "มี 4 ชุดและไพ่ทุกใบมีอันดับฉันคิดว่า" "นี่คือสิ่งที่คุณหมายถึงตามหมายเลขไม่ใช่ไพ่ทุกใบจะมีหมายเลข" "บางใบเป็นไพ่หน้า" "ดังนั้นจะหยิบไพ่สองใบออกมาและใครบางคนจะต้องเดาให้เหมาะสมและ" "อันดับของพวกเขาอัตราต่อรองที่เป็น" 2 * (1/30) * (1/29) = 1/435 = 0.0023 = 0.23% "คำอธิบาย: เรารู้ว่าไม่ใช่ไพ่ใบหนึ่งที่พลิกดังนั้น "" มีความเป็นไปได้เพียง 30 ประการสำหรับไพ่ใบแรกและ 29 สำหรับไพ่ใบที่สอง "" เราคูณโอกาสและคูณด้วย 2 "" เ อ่านเพิ่มเติม »

"ผลลัพธ์ที่เป็นไปได้ของการขว้างตาย 4 ด้านคือ:" "1, 2, 3, หรือ 4 ดังนั้นค่าเฉลี่ยคือ (1 +2 + 3 + 4) / 4 = 2.5" "ความแปรปรวนเท่ากับ E [x²] - (E [x]) ² = (1² + 2² + 3² + 4²) / 4 -2.5²" "= 30/4 - 2.5² = 7.5 - 6.25 = 1.25" " ผลลัพธ์ที่เป็นไปได้ของการขว้างปา 8 ตายคือ: "" 1, 2, 3, 4, 5, 6, 7, หรือ 8 ดังนั้นค่าเฉลี่ยคือ 4.5 " "ความแปรปรวนเท่ากับ (1² + 2² + ... + 8²) / 8 - 4.5² = 5.25" "ค่าเฉลี่ยของผลรวมของสองลูกเต๋าคือผลรวมของค่าเฉลี่ย" "ดังนั้นเราจึงมี 2.5 + 4.5 = 7" "ความแปรปร อ่านเพิ่มเติม »

A = 1.7 ไดอะแกรมด้านล่างแสดงการแจกแจงแบบเดียวกันสำหรับช่วงที่กำหนดสี่เหลี่ยมมีพื้นที่ = 1 ดังนั้น (6-1) k = 1 => k = 1/5 ที่เราต้องการ P (X <= a) = 0.14 นี่เป็นการแสดง เป็นพื้นที่สีเทาบนแผนภาพดังนั้น: (a-1) k = 0.14 (a-1) xx1 / 5 = 0.14 a-1 = 0.14xx5 = 0.7: .a = 1.7 อ่านเพิ่มเติม »

K = 3/4 P (x> 1) = 1/2 E (X) = 1 V (X) = 1/5 ในการค้นหา k เราใช้ 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 ในการคำนวณ P (x> 1 ) เราใช้ 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 ในการคำนวณ 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 ในการคำนวณ 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 อ่านเพิ่มเติม »

1 - 0.2 sqrt (10) = 0.367544 "ชื่อ" P [R] = "ความน่าจะเป็นที่หนึ่ง R ไม้เท้าเปลี่ยนเป็นสีฟ้าในที่สุด" P [Y] = "Prob. ที่ Y Y หนึ่งเปลี่ยนเป็นสีฟ้าในที่สุด" P ["RY"] = "Prob. ที่ R & Y ทั้งคู่เปลี่ยนเป็นเหตุการณ์สีน้ำเงิน" P ["RR"] = "ความน่าจะเป็นที่ไม้เท้า R สองอันเปลี่ยนเป็นเหตุการณ์สีน้ำเงิน" P ["YY"] = "ความน่าจะเป็นที่ Y ไม้กายสิทธิ์สองอันเปลี่ยนเป็นเหตุการณ์สีน้ำเงิน" "จากนั้นเรามี" P ["RY"] = P [R] * P [Y] P ["RR"] = (P [R]) ^ 2 P ["YY"] = (P [Y]) ^ 2 "เราได้สองสมการในสองตัวแปร P อ่านเพิ่มเติม »

44 ในการคำนวณค่าเฉลี่ยของชุดข้อมูลให้เพิ่มข้อมูลทั้งหมดแล้วหารด้วยจำนวนรายการข้อมูล ให้อายุของการสอนที่เจ็ดเป็น x ด้วยค่าเฉลี่ยของอายุครูที่คำนวณโดย: {52 + 30 + 23 + 28 + 44 + 45 + x} / {7} = 38 จากนั้นเราสามารถคูณด้วย 7 เพื่อให้ได้: {52 + 30 + 23 + 28 + 44 + 45 + x} / {7} xx7 = 38xx7 => 52 +30 +23 +28 +44 +45 + x = 266 เราจะลบอายุอื่น ๆ ทั้งหมดเพื่อรับ: x = 266-52- 30-23-28-44-45 = 44 อ่านเพิ่มเติม »

Mean = 7.4 ค่าเบี่ยงเบนมาตรฐาน ~~ 1.715 ความแปรปรวน = 2.94 ค่าเฉลี่ยคือผลรวมของจุดข้อมูลทั้งหมดหารด้วยจำนวนจุดข้อมูล ในกรณีนี้เรามี (5 + 5 + 5 + 5 + 6 + 6 + 6 + 6 + 7 + 8 + 8 + 8 + 8 + 8 + 9 + 9 + 9 + 9 + 9 + 10 + 10) / 20 = 148/20 = 7.4 ความแปรปรวนคือ "ค่าเฉลี่ยของระยะทางกำลังสองจากค่าเฉลี่ย" http://www.mathsisfun.com/data/standard-deviation.html สิ่งนี้หมายความว่าคุณลบจุดข้อมูลทุกจุดออกจากค่าเฉลี่ยยกคำตอบจากนั้นบวกพวกมันทั้งหมดเข้าด้วยกันแล้วหารด้วยจำนวนจุดข้อมูล ในคำถามนี้ดูเหมือนว่านี้: 4 (5-7.4) = 4 (-2.4) ^ 2 = 4 (5.76) = 23.04 เราเพิ่ม 4 หน้าวงเล็บเพราะมีสี่ 5 ในชุดข้อมูลนี้ จากนั้นเราทำสิ่งนี้กับตัวเลขที่ อ่านเพิ่มเติม »

17160/6497400 มีไพ่ทั้งหมด 52 ใบและ 13 ใบเป็นจอบ ความน่าจะเป็นของการวาดจอบแรกคือ: 13/52 ความน่าจะเป็นของการวาดจอบครั้งที่สองคือ: 12/51 นี่เป็นเพราะเมื่อเราเลือกจอบออกมามีเหลือเพียง 12 จอบและเหลือ 51 ใบเท่านั้น ความน่าจะเป็นของการวาดสเปดที่สาม: 11/50 ความน่าจะเป็นของการวาดสเปดที่สี่: 10/49 เราจำเป็นต้องคูณทั้งหมดเหล่านี้เข้าด้วยกันเพื่อให้ได้ความน่าจะเป็นของการวาดสเปดทีละอัน: 13/52 * 12/51 * 11 / 50 * 10/49 = 17160/6497400 ดังนั้นความน่าจะเป็นของการวาดสี่โพดำพร้อมกันโดยไม่ต้องเปลี่ยนคือ: 17160/6497400 อ่านเพิ่มเติม »

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) "กับ" x_i = X_i - bar X "และ" y_i = Y_i - bar Y => หมวก 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 => หมวก beta_1 = บาร์ Y - หมวก beta_2 * บาร์ X = 0.4 - (6.1 / 60) * 16 = -1.226666 "ดังนั้นเ อ่านเพิ่มเติม »

30.2 ค่าเฉลี่ยจะคำนวณโดยการหาผลรวมของค่าและหารด้วยจำนวน ตัวอย่างเช่นสำหรับผู้หญิง 6 คนที่มีค่าเฉลี่ย 31 เราจะเห็นว่าอายุรวมเป็น 186: 186/6 = 31 และเราสามารถทำเช่นเดียวกันสำหรับผู้ชาย: 116/4 = 29 และตอนนี้เราสามารถรวม ผลรวมและจำนวนของชายและหญิงที่จะหาค่าเฉลี่ยสำหรับสำนักงาน: (186 + 116) /10=302/10=30.2 อ่านเพิ่มเติม »

เมื่อมีค่ามากในชุดข้อมูลของคุณ ตัวอย่าง: คุณมีชุดข้อมูล 1,000 กรณีที่มีค่าไม่ไกลกัน ค่าเฉลี่ยของพวกเขาคือ 100 เช่นเดียวกับค่ามัธยฐานของพวกเขา ตอนนี้คุณแทนที่เคสหนึ่งเคสด้วยเคสที่มีค่า 100000 (เป็นมากเกินไป) ค่าเฉลี่ยจะเพิ่มขึ้นอย่างมาก (เกือบ 200) ในขณะที่ค่ามัธยฐานจะไม่ได้รับผลกระทบ การคำนวณ: 1,000 ราย, ค่าเฉลี่ย = 100, ผลรวมของค่า = 100000 ลดลง 100, เพิ่ม 100000, ผลรวมของค่า = 1,999, ค่าเฉลี่ย = 199.9 ค่ามัธยฐาน (= กรณี 500 + 501) / 2 ยังคงเหมือนเดิม อ่านเพิ่มเติม »

ความยาวของแกน 6h คือ = 265.2-230 = 35.2 ความยาวเฉลี่ยของ 6 แท่งคือ = 44.2 ซม. ความยาวเฉลี่ยของ 5 แท่งคือ = 46 ซม. ความยาวรวม 6 แท่งคือ = 44.2xx 6 = 265.2 ซม. ความยาวทั้งหมด จาก 5 แท่งคือ = 46xx5 = 230 ซม. ความยาวของแท่ง 6h คือ = [ความยาวรวม 6 แท่ง] - [ความยาวรวม 5 แท่ง] ความยาวของแท่ง 6h = 265.2-230 = 35.2 อ่านเพิ่มเติม »

X = 5 3,4,5,8, x mean = mode = มัธยฐาน sumx_i = (20 + x) / 5 = 4 + x / 5 เนื่องจากเราต้องการให้มีโหมด: .x> 0 เพราะ x = 0 = > barx = 4, "มัธยฐาน" = 4 "แต่ไม่มีโหมด" x = 5 => barx = 4 + 5/5 = 5 เรามีค่ามัธยฐาน 3,4,5,5,8 = 5 โหมด = 5: x = 5 อ่านเพิ่มเติม »

ความหมายของตัวเลขหกตัวคือ "" 270/6 = 45 มีชุดตัวเลขจำนวน 3 ชุดที่เกี่ยวข้อง ชุดหก, ชุดสองและชุดของทั้งแปด แต่ละชุดมีค่าเฉลี่ยของตัวเอง "mean" = "จำนวนรวม" / "จำนวนตัวเลข" "" หรือ M = T / N โปรดทราบว่าหากคุณทราบค่าเฉลี่ยและจำนวนตัวเลขที่มีอยู่คุณสามารถค้นหาผลรวมได้ T = M xxN คุณสามารถเพิ่มตัวเลขคุณสามารถเพิ่มผลรวม แต่คุณไม่สามารถเพิ่มความหมายร่วมกันได้ ดังนั้นสำหรับแปดตัวเลขทั้งหมด: ผลรวมคือ 8 xx 41 = 328 สำหรับสองตัวเลข: ผลรวมเป็น 2xx29 = 58 ดังนั้นผลรวมของตัวเลขหกตัวอื่น ๆ คือ 328-58 = 270 ค่าเฉลี่ยของตัวเลขทั้งหก = 270 / 6 = 45 อ่านเพิ่มเติม »

8 ค่าเฉลี่ยของชุดตัวเลขคือผลรวมของตัวเลขมากกว่าจำนวนชุด (จำนวนค่า) เรามีชุดของตัวเลขสี่ตัวและค่าเฉลี่ยคือ 5 เราจะเห็นว่าผลรวมของค่าคือ 20: 20/4 = 5 เรามีชุดของตัวเลขสามตัวที่มีค่าเฉลี่ย 12 เราสามารถเขียนได้ดังนี้: 36 / 3 = 12 เพื่อหาค่าเฉลี่ยของตัวเลขเจ็ดตัวด้วยกันเราสามารถเพิ่มค่าเข้าด้วยกันและหารด้วย 7: (20 + 36) / 7 = 56/7 = 8 อ่านเพิ่มเติม »

การทนในกรณีนี้หมายความว่ามันสามารถทนต่อค่ามาก ตัวอย่าง: ลองนึกภาพกลุ่มคน 101 คนที่มีค่าเฉลี่ย (= หมายถึง) จำนวน $ 1,000 ในธนาคาร นอกจากนี้ยังเกิดขึ้นว่าคนกลาง (หลังจากเรียงลำดับตามยอดคงเหลือในธนาคาร) ก็มี $ 1,000 ในธนาคารเช่นกัน ค่ามัธยฐานนี้หมายความว่า 50 (%) มีน้อยและ 50 มีมากกว่า ตอนนี้หนึ่งในนั้นชนะรางวัลลอตเตอรีมูลค่า $ 100,000 และเขาตัดสินใจที่จะนำเงินเข้าธนาคาร ค่าเฉลี่ยจะเพิ่มขึ้นจาก $ 1,000 เป็นเกือบ $ 2000 เนื่องจากคำนวณโดยการหารจำนวนทั้งหมด 101 ค่ามัธยฐาน ("กลางแถว") จะไม่ถูกรบกวนเนื่องจากจะยังคงมี 50 กับน้อยและ 50 มีมากกว่า เงินในธนาคาร. อ่านเพิ่มเติม »

259459200 ถ้าฉันอ่านอย่างถูกต้องแล้วถ้าผู้ตรวจสอบสามารถกำหนดเครื่องหมายได้เป็นทวีคูณของ 2 นี่ก็หมายความว่ามีเพียง 15 ตัวเลือกจาก 30 เครื่องหมาย. i.e 30/2 = 15 จากนั้นเรามีตัวเลือก 15 ข้อให้เลือกสำหรับ 8 คำถาม ใช้สูตรสำหรับการเรียงสับเปลี่ยน: (n!) / ((n - r)!) โดยที่ n คือจำนวนของวัตถุ (ในกรณีนี้เครื่องหมายในกลุ่ม 2) และ r คือจำนวนที่ถ่ายในแต่ละครั้ง (ในกรณีนี้คือ 8 คำถาม) ดังนั้นเราจึงมี: (15!) / ((15 - 8)!) = (15!) / (7!) = 259459200 อ่านเพิ่มเติม »

พวกเขาขึ้นอยู่กับ เหตุการณ์ "หลับช้า" มีอิทธิพลต่อความน่าจะเป็นของเหตุการณ์อื่น ๆ "สายไปโรงเรียน" ตัวอย่างของเหตุการณ์อิสระกำลังพลิกเหรียญซ้ำหลายครั้ง เนื่องจากเหรียญไม่มีหน่วยความจำความน่าจะเป็นที่การโยนที่สอง (หรือหลังจากนั้น) จะยังคงอยู่ 50/50 - หากเป็นเหรียญที่ยุติธรรม! พิเศษ: คุณอาจต้องการคิดแบบนี้มากกว่า: คุณได้พบเพื่อนคนหนึ่งซึ่งคุณไม่ได้พูดมานานหลายปี ทั้งหมดที่คุณรู้คือเขามีลูกสองคน เมื่อคุณพบเขาเขามีลูกชายของเขากับเขา อะไรคือโอกาสที่เด็กคนอื่นจะเป็นลูกชายด้วย? (ไม่ไม่ใช่ 50/50) หากคุณได้รับสิ่งนี้คุณจะไม่ต้องกังวลกับการพึ่งพา / เป็นอิสระอีกครั้ง อ่านเพิ่มเติม »

7! = 7 * 6 * 5 * 4 * 3 * 2 * 1 = 5040 ปัญหานี้โดยเฉพาะคือการเปลี่ยนแปลง จำได้ว่าความแตกต่างระหว่างการเรียงสับเปลี่ยนกับชุดค่าผสมคือลำดับการเรียงสับเปลี่ยน เนื่องจากคำถามถามว่านักเรียนสามารถจัดแถวสำหรับการพักผ่อนได้หลายวิธี (เช่นมีคำสั่งซื้อที่แตกต่างกันจำนวนเท่าใด) นี่คือการเปลี่ยนแปลง ลองนึกภาพตอนที่เราเติมตำแหน่งเพียงสองตำแหน่งตำแหน่งที่ 1 และตำแหน่งที่ 2 เพื่อแยกความแตกต่างระหว่างนักเรียนของเราเพราะลำดับเรื่องเราจะกำหนดจดหมายแต่ละฉบับจาก A ถึง G ทีนี้ถ้าเราเติมตำแหน่งเหล่านี้หนึ่ง ในแต่ละครั้งเรามีเจ็ดตัวเลือกเพื่อเติมตำแหน่งแรก: A, B, C, D, E, F และ G อย่างไรก็ตามเมื่อตำแหน่งนั้นเต็มเรามีเพียงหกตัวเลือกสำหรับวินาทีเพรา อ่านเพิ่มเติม »

ใน 84 วิธีสามารถเลือกกลุ่มนี้ได้ จำนวนการเลือกของวัตถุ "r" จากวัตถุ "n" ที่กำหนดนั้นแสดงโดย nC_r และมอบให้โดย nC_r = (n!) / (r! (n-r)!) n = 9, r = 3: 9C_3 = (9!) / (3! (9-3)!) = (9 * 8 * 7) / (3 * 2) = 84 ใน 84 วิธีที่กลุ่มนี้สามารถเลือกได้ [ตอบ] อ่านเพิ่มเติม »

ดูด้านล่างสำหรับแนวคิดเกี่ยวกับวิธีการเข้าถึงคำตอบนี้: ฉันเชื่อว่าคำตอบสำหรับคำถามของวิธีการในการทำปัญหานี้คือการรวมกันกับรายการที่เหมือนกันภายในประชากร (เช่นมี 4n การ์ดที่มีจำนวน n ประเภท A, B, C และ D) อยู่นอกความสามารถของสูตรผสมในการคำนวณ ตามที่ Dr. Math ที่ mathforum.org คุณต้องใช้เทคนิคสองวิธี: การกระจายวัตถุไปยังเซลล์ที่แตกต่างกันและหลักการการแยกแบบรวม ฉันได้อ่านโพสต์นี้ (http://mathforum.org/library/drmath/view/56197.html) ที่เกี่ยวข้องโดยตรงกับคำถามของวิธีการคำนวณปัญหาประเภทนี้ซ้ำแล้วซ้ำอีกและผลสุทธิคือขณะที่ คำตอบอยู่ตรงนั้นฉันจะไม่พยายามให้คำตอบที่นี่ ฉันหวังว่าหนึ่งในผู้เชี่ยวชาญด้านคณิตศาสตร์ผู้เชี่ยวชาญของเราส อ่านเพิ่มเติม »

50% ของข้อมูลอยู่ในกล่องกล่องในพล็อตของกล่อง & มัสสุถูกสร้างขึ้นโดยใช้ค่า Q1 และ Q3 เป็นจุดสิ้นสุด นั่นหมายความว่าจะรวม Q1-> Q2 และ Q2-> Q3 เนื่องจากแต่ละช่วงของข้อมูล Q ประกอบด้วย 25% ของข้อมูลในกล่อง & พล็อตมัสสุกล่องประกอบด้วย 50% นาที -> Q1 = 25% Q1 -> Q2 = 25% Q2 -> Q3 = 25% Q3 -> max = 25% อ่านเพิ่มเติม »

75% ถ้าคุณทำงานกับควอไทล์อันดับแรกคุณต้องสั่งซื้อเคสของคุณด้วยมูลค่า จากนั้นคุณแบ่งคดีของคุณในสี่กลุ่มเท่ากัน ค่าของกรณีที่เส้นขอบระหว่างควอร์ตแรกและควอร์ครั้งที่สองเรียกว่าควอไทล์แรกหรือ Q1 ระหว่างสองและสามคือ Q2 = ค่ามัธยฐานและระหว่างสามและสี่คือ Q3 ดังนั้นที่จุด Q3 คุณผ่านสามในสี่ของ คุณค่าของคุณ นี่คือ 75% พิเศษ: ด้วยเปอร์เซนต์ชุดข้อมูลขนาดใหญ่นอกจากนี้ยังใช้ (กรณีจะถูกแบ่งออกเป็น 100 กลุ่ม) หากมีการกล่าวว่าค่าเป็นเปอร์เซ็นต์ไทล์ 75 แสดงว่า 75% ของกรณีมีค่าต่ำกว่า อ่านเพิ่มเติม »

N = 3 p (n) = "กดปุ่มเป็นครั้งแรกในการทดลอง n-th" => p (n) = 0.8 ^ (n-1) * 0.2 "ขอบเขตของความไม่เท่าเทียม" 625 p ^ 2 - 175 p + 12 = 0 "" คือคำตอบของสมการกำลังสองใน "p": "" ดิสก์: "175 ^ 2 - 4 * 12 * 625 = 625 = 25 ^ 2 => p = (175 pm 25) / 1250 = 3/25 "หรือ" 4/25 "" ดังนั้น "p (n)" เป็นค่าลบระหว่างค่าทั้งสอง " p (n) = 3/25 = 0.8 ^ (n-1) * 0.2 => 3/5 = 0.8 ^ (n-1) => บันทึก (3/5) = บันทึก (n-1) (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 "ดังนั้น&q อ่านเพิ่มเติม »

22 ค่าเฉลี่ยถูกวัดโดยการหาผลรวมของค่าและหารด้วยจำนวนของค่า: "หมายถึง" = "ผลรวม" / "นับ" เคธี่ได้ทำการทดสอบสี่ครั้งแล้วและมีค่าที่ห้าดังนั้นเธอจึงมี 76 74, 90, 88 และ x เธอต้องการค่าเฉลี่ยโดยรวมของเธออย่างน้อย 70 เราต้องการทราบคะแนนขั้นต่ำที่ x ต้องได้อย่างน้อย 70: 70 = (76 + 74 + 90 + 88 + x) / 5 และตอนนี้เราแก้หา x: 328 + x = 350 x = 22 อ่านเพิ่มเติม »

122 ค่าเฉลี่ย = ผลรวมของการทดสอบหารด้วยจำนวนการทดสอบทั้งหมดให้ x = คะแนนการทดสอบที่ 5 ค่าเฉลี่ย = (76 + 74 + 90 + 88 + x) / 5 = 90 แก้ปัญหาโดยการคูณทั้งสองข้างของสมการด้วย 5: = (5 (76 + 74 + 90 + 88 + x)) / 5 = 90 * 5 = 76 + 74 + 90 + 88 + x = 450 แก้หา x: x = 450 - 76-74-90-88 = 122 อ่านเพิ่มเติม »

"I) P = 0.3085" "II) P = 0.4495" "ความแปรปรวน = 25" => "ส่วนเบี่ยงเบนมาตรฐาน" = sqrt (25) = 5 "เราไปจาก N (10, 5) ถึงการกระจายปกติ:" I) z = (7.5 - 10) / 5 = -0.5 => P = 0.3085 "(ตารางสำหรับค่า z)" II) z = (13.5 - 10) / 5 = 0.7 => P = 0.7580 "(ตารางสำหรับ z- ค่า) "=> P (" ระหว่าง 8 ถึง 13 ") = 0.7580 - 0.3085 = 0.4495" 7.5 และ 13.5 แทน 8 และ 13 เนื่องจากการแก้ไขต่อเนื่อง "" เป็นค่าต่อเนื่อง "" อ่านเพิ่มเติม »

สำหรับแต่ละลิงก์ 20 ลิงก์มี 7 ตัวเลือกแต่ละครั้งที่เลือกไม่ขึ้นอยู่กับตัวเลือกก่อนหน้าดังนั้นเราจึงสามารถใช้ผลิตภัณฑ์ได้ จำนวนตัวเลือกทั้งหมด = 7 * 7 * 7 ... * 7 = = 7 ^ (20) แต่เนื่องจากโซ่สามารถย้อนกลับได้เราจำเป็นต้องนับลำดับที่แตกต่างกัน อันดับแรกเรานับจำนวนลำดับที่สมมาตร: เช่น 10 ลิงก์สุดท้ายนำภาพมิเรอร์ของ 10 ลิงก์แรก จำนวนของลำดับความสมมาตร = จำนวนวิธีดังนั้นให้เลือก 10 ลิงค์แรก = 7 ^ (10) ยกเว้นลำดับของแบบสมมาตรเหล่านี้ลำดับที่ไม่สมมาตรสามารถย้อนกลับเพื่อสร้างห่วงโซ่ใหม่ ซึ่งหมายความว่ามีเพียงครึ่งหนึ่งของลำดับที่ไม่สมมาตรซึ่งไม่ซ้ำกัน จำนวนของลำดับที่ไม่ซ้ำ = (จำนวนที่ไม่สมมาตร) / 2 + จำนวนของลำดับที่สมมาตร = (7 ^ อ่านเพิ่มเติม »

N = 13 "ตั้งชื่อจำนวนหินอ่อนในกระเป๋า" n. "จากนั้นเรามี" (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 "ดิสก์:" 385 ^ 2 - 4 * 21 * 1456 = 25921 = 161 ^ 2 => n = (385 pm 161) / 42 = 16/3 "หรือ" 13 "เนื่องจาก n เป็นจำนวนเต็มเราต้องใช้วิธีแก้ปัญหาที่สอง (13):" => n = 13 อ่านเพิ่มเติม »

0,0,12,19,19 เป็นความเป็นไปได้อย่างหนึ่งเรามีเกมบาสเกตบอล 5 เกมโดยที่ Tyler ได้คะแนนเฉลี่ย 10 คะแนนและค่ามัธยฐาน 12 คะแนน ค่ามัธยฐานคือค่ากลางดังนั้นเราจึงรู้ว่าคะแนนที่เขาทำมีสองค่าต่ำกว่า 12 และสองค่าด้านบน ค่าเฉลี่ยจะคำนวณโดยการรวมค่าและหารด้วยจำนวน ในการมีค่าเฉลี่ย 10 คะแนนจาก 5 เกมเรารู้ว่า: "mean" = "คะแนนรวมของคะแนน" / "จำนวนเกม" => 10 = 50/5 ดังนั้นจำนวนคะแนนที่ได้จาก 5 เกมคือ 50 จุด เรารู้ว่า 12 คะแนนในเกมเดียวและดังนั้นคะแนนที่เหลือจะเท่ากับ: 50-12 = 38, อีกครั้งโดยมีค่าสองค่าที่สูงกว่า 12 และสองต่ำกว่า 12 ให้สิ่งต่าง ๆ ง่ายขึ้นและพูดว่าในสองเกมที่เขาทำคะแนนน้อย กว่า 12 คะแนนเขาได อ่านเพิ่มเติม »

P (z <1.96) จะหมายถึงการใช้การแจกแจงแบบปกติมาตรฐานและหาพื้นที่ใต้เส้นโค้งทางด้านซ้ายของ 1.96 ตารางของเราให้พื้นที่ทางด้านซ้ายของคะแนน z เราต้องดูค่า จากบนโต๊ะซึ่งจะให้เรา P (z <1.96) = 0.975 ซึ่งคุณสามารถเขียนเป็น 97.5% อ่านเพิ่มเติม »

อ้างถึงส่วนคำอธิบายขั้นตอนที่เกี่ยวข้องในการคำนวณค่า z มีดังนี้: คำนวณค่าเฉลี่ยของอนุกรม คำนวณค่าเบี่ยงเบนมาตรฐานของซีรีส์ สุดท้ายคำนวณค่า z สำหรับแต่ละค่า x โดยใช้สูตร z = ผลรวม (x-barx) / sigma ตามการคำนวณค่า z ของ 209 มากกว่า 2 อ้างอิงตารางที่ระบุด้านล่าง - ส่วนการแจกแจงปกติ 2 อ่านเพิ่มเติม »

พล็อตแบบ box-and-มัสสุเป็นกราฟชนิดหนึ่งที่มีสถิติจากการสรุปห้าหมายเลข นี่คือตัวอย่าง: สรุปห้าหมายเลขประกอบด้วย: Minumum: ค่าต่ำสุด / การสังเกตควอไทล์ต่ำหรือ Q1: "ค่ามัธยฐาน" ของครึ่งล่างของข้อมูล; อยู่ที่ 25% ของข้อมูลค่ามัธยฐาน: ค่ากลาง / การสังเกตควอไทล์ที่สูงขึ้นหรือ Q3: "ค่ามัธยฐาน" ของครึ่งบนของข้อมูล; อยู่ที่ 75% ของข้อมูลสูงสุด: ค่าสูงสุด / การสังเกตช่วงควอไทล์ (IQR) คือช่วงของควอไทล์ล่าง (Q1) และควอไทล์ตอนบน (Q2) บางครั้งก็มีค่าผิดปกติ Outliers เกิดขึ้นเมื่ออยู่นอกช่วง Q1-1.5 (IQR) หรือ Q3 + 1.5 (IQR) หากมีค่าผิดปกติเกิดขึ้นกราฟจะถูกวาดลงบนพล็อตบ็อกซ์และมัสสุเป็นจุด ตัวอย่างเช่นค่าผิดปกติที่นี่อ อ่านเพิ่มเติม »

เมื่อคุณจัดกลุ่มค่าในคลาสคุณต้องตั้งค่าขีด จำกัด ตัวอย่างสมมติว่าคุณวัดความสูงของผู้ใหญ่ 10,000 คน ความสูงเหล่านี้วัดได้อย่างแม่นยำถึง mm (0.001 m) ในการทำงานกับค่าเหล่านี้และทำสถิติกับมันหรือสร้างฮิสโตแกรมการแบ่งละเอียดแบบนี้จะไม่ทำงาน ดังนั้นคุณจัดกลุ่มค่าของคุณลงในคลาส พูดในกรณีของเราเราใช้ช่วงเวลา 50 มม. (0.05 ม.) จากนั้นเราจะมีชั้นเรียน 1.50- <1.55 ม., 1.55- <1.60 ม. ฯลฯ จริง ๆ แล้วชั้นเรียน 1.50-1.55 ม. จะมีทุกคนจาก 1.495 (ซึ่งจะถูกปัดเศษขึ้น) เป็น 1.544 (ซึ่งจะถูกปัดเศษลง) มีการ จำกัด คลาสมีชุดข้อมูลอื่น ๆ ที่กำหนดการ จำกัด ชั้นเรียนแตกต่างกันเพียงตัวอย่างเดียว: อายุ 49 ปีอาจหมายถึงคุณเพิ่งเริ่มงานปาร์ตี้เที่ย อ่านเพิ่มเติม »

ประโยชน์หลักของการใช้ตัวอย่างมากกว่าการสำรวจสำมะโนประชากรคือประสิทธิภาพ สมมติว่ามีคนต้องการทราบว่าความคิดเห็นโดยเฉลี่ยของสภาคองเกรสคืออะไรในหมู่บุคคลที่ 18-24 (เช่นพวกเขาต้องการทราบว่าระดับการอนุมัติของสภาคองเกรสเป็นอย่างไรในกลุ่มประชากรนี้) ในปี 2010 มีมากกว่า 30 ล้านคนในช่วงอายุที่อยู่ภายในประเทศสหรัฐอเมริกาตามการสำรวจสำมะโนประชากรของสหรัฐ การไปหาคน 30 ล้านคนเหล่านี้และถามความเห็นของพวกเขาในขณะที่มันจะนำไปสู่ผลลัพธ์ที่แม่นยำมาก (สมมติว่าไม่มีใครโกหก) จะมีราคาแพงอย่างมากในแง่ของเวลาและทรัพยากร ยิ่งกว่านั้นหากการตอบสนองส่วนบุคคลของบุคคลใดบุคคลหนึ่งจะมีผลกระทบเพียงเล็กน้อยต่อผลการดำเนินงานโดยรวมเราจะได้รับผลตอบแทนที่ไม่ดีนั อ่านเพิ่มเติม »

อ่านเพิ่มเติม »

ในการตั้งค่า BInomial มีสองผลลัพธ์ที่เป็นไปได้ต่อเหตุการณ์ เงื่อนไขที่สำคัญสำหรับการใช้การตั้งค่าทวินามในสถานที่แรกคือ: มีเพียงสองความเป็นไปได้ที่เราจะเรียกว่าดีหรือล้มเหลวความน่าจะเป็นของอัตราส่วนระหว่างดีและล้มเหลวไม่เปลี่ยนแปลงระหว่างการลองอีกนัยหนึ่ง: ผลลัพธ์ของ ลองครั้งเดียวจะไม่ส่งผลต่อตัวอย่างถัดไป: คุณหมุนลูกเต๋า (ทีละครั้ง) และคุณต้องการที่จะรู้ว่าโอกาสที่คุณจะหมุนที่เกรงว่า 1 6 ใน 3 พยายาม นี่เป็นตัวอย่างทั่วไปของทวินาม: มีเพียงสองความเป็นไปได้: 6 (โอกาส = 1/6) หรือไม่ใช่ -6 (โอกาส = 5/6) ผู้ตายไม่มีหน่วยความจำดังนั้น: ทุกม้วนถัดไปยังมีความน่าจะเป็นแบบเดียวกัน คุณสามารถตั้งค่าต้นไม้โอกาสได้ แต่คุณสามารถคำนวณโอกาส อ่านเพิ่มเติม »

ลักษณะสำคัญของ "แผนภูมิวงกลม" ก่อนสร้าง "แผนภูมิวงกลม" เราจำเป็นต้องมีสิ่งที่สำคัญ เราจำเป็นต้องมี: องค์ประกอบสำคัญ 5 อันดับแรกข้อมูลสองอย่างหรือมากกว่า เลือกสีที่สมบูรณ์แบบเพื่อดูข้อมูลของเราได้อย่างง่ายดาย ใส่ชื่อส่วนหัวไว้หน้าแผนภูมิของเรา ใส่คำอธิบายแผนภูมิในแผนภูมิของคุณ (ซ้ายหรือขวา) เพิ่มประโยคที่อธิบายแผนภูมิที่ด้านล่างของแผนภูมิของเรา (สั้นหนึ่ง) ดูภาพด้วย: อ่านเพิ่มเติม »

ไม่ควรใช้ R-squared สำหรับการตรวจสอบความถูกต้องของแบบจำลอง นี่คือค่าที่คุณดูเมื่อคุณตรวจสอบความถูกต้องของแบบจำลองของคุณแล้ว แบบจำลองเชิงเส้นจะตรวจสอบความถูกต้องหากข้อมูลเป็นเนื้อเดียวกันติดตามการแจกแจงปกติตัวแปรอธิบายมีความเป็นอิสระและถ้าคุณรู้ว่าค่าของตัวแปรอธิบายของคุณ (ข้อผิดพลาดแคบใน X) R-squared สามารถใช้เพื่อเปรียบเทียบสองรุ่น คุณผ่านการตรวจสอบแล้ว สิ่งที่มีค่าสูงสุดคือสิ่งที่เหมาะสมกับข้อมูลมากที่สุด อย่างไรก็ตามอาจมีดัชนีที่ดีกว่าเช่น AIC (เกณฑ์ Akaike) อ่านเพิ่มเติม »

ค่าเฉลี่ยเลขคณิต ~~ 424.4 ค่าเบี่ยงเบนมาตรฐาน ~~ 642.44 ชุดข้อมูลอินพุต: {115, 89, 230, -12, 1700} ค่าเฉลี่ยเลขคณิต = (1 / n) * Sigma (x_i) โดยที่ Sigma x_i หมายถึงผลรวมของทั้งหมด องค์ประกอบในชุดข้อมูลเข้า n คือจำนวนองค์ประกอบทั้งหมด ค่าเบี่ยงเบนมาตรฐาน sigma = sqrt [1 / n * Sigma (x_i - bar x) ^ 2) Sigma (x_i - bar x) ^ 2 หมายถึงค่าเฉลี่ยของความแตกต่างยกกำลังสองจากค่า Mean Make a table ดังแสดง: ดังนั้น, ค่าเฉลี่ยเลขคณิต ~~ 424.4 ค่าเบี่ยงเบนมาตรฐาน ~~ 642.44 หวังว่าจะช่วยได้ อ่านเพิ่มเติม »

ค่าเฉลี่ยคือ 3.5 และส่วนเบี่ยงเบนมาตรฐานคือ 1.83 ผลรวมของเงื่อนไขคือ 35 ดังนั้นค่าเฉลี่ยของ {2,3,3,5,1,5,4,4,4,2,6}} คือ 35/10 = 3.5 เพราะมันง่ายเฉลี่ย เงื่อนไข. สำหรับค่าเบี่ยงเบนมาตรฐานเราต้องหาค่าเฉลี่ยของกำลังสองส่วนเบี่ยงเบนของคำศัพท์จากค่าเฉลี่ยแล้วจึงหาสแควร์รูทของมัน ค่าเบี่ยงเบนคือ {-3.5, -0.5, -0.5, 1.5, -2.5, 1.5, 0.5, 0.5, -1.5, 2.5} และผลรวมของกำลังสองคือ (12.25 + 0.25 + 0.25 + 2.25 + 6.25 + 2.25 + 0.25 + 0.25 + 2.25 + 6.25) / 10 หรือ 33.50 / 10 เช่น 3.35 ดังนั้นส่วนเบี่ยงเบนมาตรฐานคือ sqrt3.35 เช่น 1.83 อ่านเพิ่มเติม »

Mean = 5.25color (white) ("XXX") Median = 4.5color (white) ("XXX") Mode = 4 จำนวนประชากร: Variance = 3.44color (white) ("XXX") ค่าเบี่ยงเบนมาตรฐาน = 1.85 ตัวอย่าง: color (white) ) ("X") Variance = 43.93color (white) ("XXX") Standard Deviation = 1.98 Mean คือค่าเฉลี่ยเลขคณิตของค่าข้อมูล Median เป็นค่ากลางเมื่อค่าข้อมูลถูกเรียงลำดับ (หรือค่าเฉลี่ยของ 2 ค่ากลางหากมีจำนวนข้อมูลค่าคู่) Mode คือค่าข้อมูลที่เกิดขึ้นกับความถี่สูงสุด ความแปรปรวนและส่วนเบี่ยงเบนมาตรฐานขึ้นอยู่กับว่าข้อมูลนั้นจะถือว่าเป็นประชากรทั้งหมดหรือเป็นเพียงตัวอย่างจากประชากรทั้งหมด ความแปรปรวนของประชากร (สี (ส อ่านเพิ่มเติม »

ค่าเฉลี่ย (ปานกลาง) และค่ามัธยฐาน (จุดกึ่งกลาง) บางคนจะเพิ่มโหมด ตัวอย่างเช่นด้วยชุดของค่า: 68.4, 65.7, 63.9, 79.5, 52.5 ค่าเฉลี่ยคือเลขคณิตเฉลี่ย: (68.4 + 65.7 + 63.9 + 79.5 + 52.5) / 5 = 66 ค่ามัธยฐานเป็นค่าเท่ากัน (ตัวเลข) จาก ช่วงสุดขั้ว 79.5 - 52.5 = 27 27/2 = 13.5; 13.5 + 52.5 = 66 หมายเหตุ: ในชุดข้อมูลนี้เป็นค่าเดียวกับค่าเฉลี่ย แต่โดยปกติจะไม่เป็นเช่นนั้น โหมดเป็นค่าที่พบบ่อยที่สุดในชุด ไม่มีในชุดนี้ (ไม่มีรายการซ้ำ) มันเป็นเรื่องปกติที่รวมอยู่ในการวัดทางสถิติของแนวโน้มกลาง ประสบการณ์ส่วนตัวของฉันกับสถิติคือแม้ว่ามันจะบ่งบอกถึง "แนวโน้ม" อย่างแน่นอน แต่ก็ไม่บ่อยนักที่จะเป็น "ศูนย์กลาง" มาตรการท อ่านเพิ่มเติม »

ค่าเฉลี่ย (ค่าเฉลี่ย) และส่วนเบี่ยงเบนมาตรฐานสามารถรับได้โดยตรงจากเครื่องคิดเลขในโหมดสถิติ นี่ทำให้ barx = 1 / nsum_ (i = 1) ^ nx_i = 219,77 พูดอย่างเคร่งครัดเนื่องจากจุดข้อมูลทั้งหมดในพื้นที่ตัวอย่างเป็นจำนวนเต็มเราควรแสดงค่าเฉลี่ยเป็นจำนวนเต็มของตัวเลขนัยสำคัญที่ถูกต้อง ie barx = 220 ค่าเบี่ยงเบนมาตรฐาน 2 ค่าขึ้นอยู่กับว่าคุณต้องการตัวอย่างหรือส่วนเบี่ยงเบนมาตรฐานของประชากรก็จะถูกปัดเศษเป็นค่าเลขจำนวนเต็มที่ใกล้เคียงที่สุด s_x = 291 และ sigma_x = 280 ช่วงคือ x_ (สูงสุด) -x_ (ต่ำสุด) = 1100- ( -90) = 1190 ในการหาค่ามัธยฐานเราจำเป็นต้องจัดเรียงพื้นที่ตัวอย่างของคะแนนตามลำดับตัวเลขจากน้อยไปหามากเพื่อหาค่ากลาง X = {- 90, -26 อ่านเพิ่มเติม »

ใช่ตัวอย่างนี้เหมาะกับ“ ความสัมพันธ์กับสาเหตุ” แม้ว่าข้อมูลของเจ้าของจะเป็นเครื่องพิสูจน์ความสัมพันธ์ที่น่าทึ่ง แต่เจ้าของไม่สามารถสรุปสาเหตุได้เพราะนี่ไม่ใช่การทดลองแบบสุ่ม แต่สิ่งที่อาจเกิดขึ้นที่นี่ก็คือผู้ที่ต้องการเป็นเจ้าของสัตว์เลี้ยงและมีความสามารถในการกล่าวคือคนที่ลงเอยด้วยสัตว์เลี้ยง ความปรารถนาที่จะเป็นเจ้าของสัตว์เลี้ยงจะพิสูจน์ความสุขของพวกเขาในภายหลังและความสามารถในการซื้อสัตว์เลี้ยงชี้ไปที่ความจริงที่ว่าพวกเขาอาจจะเป็นอิสระทางการเงินพวกเขาอาจจะไม่ได้เป็นหนี้ขนาดใหญ่โรคขั้ว ฯลฯ แม้ว่ามันจะเป็นไปได้ สามารถรักษาอาการซึมเศร้าข้อมูลที่ได้รับจากเจ้าของไม่ได้พิสูจน์ หลักฐานของเขาดีพอ ๆ กับที่แอปเปิลอ้างว่า iPhone ท อ่านเพิ่มเติม »

หากข้อมูลที่กำหนดเป็นประชากรทั้งหมดดังนั้น: color (white) ("XXX") sigma_ "pop" ^ 2 = 1.62; sigma_ "pop" = 1.27 หากข้อมูลที่กำหนดเป็นตัวอย่างของประชากรดังนั้นสี (ขาว) ("XXX") sigma_ "ตัวอย่าง" ^ 2 = 1.80; sigma_ "sample" = 1.34 เพื่อค้นหาความแปรปรวน (sigma_ "pop" ^ 2) และค่าเบี่ยงเบนมาตรฐาน (sigma_ "pop") ของประชากรค้นหาผลรวมของค่าประชากรหารด้วยจำนวนของค่าในประชากรเพื่อให้ได้ค่าเฉลี่ย สำหรับแต่ละค่าของประชากรคำนวณความแตกต่างระหว่างค่านั้นกับค่าเฉลี่ยกำลังสองของผลต่างนั้นคำนวณผลรวมของความแตกต่างกำลังสองคำนวณความแปรปรวนประชากร (sigma_ "ป๊อป&q อ่านเพิ่มเติม »

Variance = 3,050,000 (3s.f.) Sigma = 1750 (3s.f. ) ก่อนอื่นหาค่าเฉลี่ย: เฉลี่ย = (1 + 1 + 1 + 1 + 1 + 1 + 1 + 7000 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 1 + 1 + 1) / 15 = 7014/15 = 467.6 ค้นหาการเบี่ยงเบนสำหรับแต่ละหมายเลข - โดยการลบค่าเฉลี่ย: 1 - 467.6 = -466.6 7000 - 467.6 = 6532.4 จากนั้นยกกำลังสองแต่ละค่าเบี่ยงเบน: (-466.6) ^ 2 = 217,715.56 6532.4 ^ 2 = 42,672,249.76 ความแปรปรวนเป็นค่าเฉลี่ยของค่าเหล่านี้: แปรปรวน = ((14 * 217715.56) + 42672249.76) / 15 = 3,050,000 (3s.f.) ค่าเบี่ยงเบนมาตรฐานคือรากที่สองของความแปรปรวน: Sigma = sqrt (3050000) = 1750 (3s.f. ) อ่านเพิ่มเติม »

ความแปรปรวนประชากรคือ: sigma ^ 2 ~ = 476.7 และค่าเบี่ยงเบนมาตรฐานของประชากรคือสแควร์รูทของค่านี้: sigma ~ = 21.83 ก่อนอื่นสมมติว่านี่คือประชากรทั้งหมดของค่า ดังนั้นเรากำลังมองหาความแปรปรวนของประชากร หากตัวเลขเหล่านี้เป็นกลุ่มตัวอย่างจากประชากรที่มีขนาดใหญ่ขึ้นเราจะมองหาความแปรปรวนตัวอย่างซึ่งแตกต่างจากความแปรปรวนประชากรโดยปัจจัย n // (n-1) สูตรสำหรับความแปรปรวนประชากรคือ sigma ^ 2 = 1 / N sum_ (i = 1) ^ N (x_i-mu) ^ 2 โดยที่ mu คือค่าเฉลี่ยประชากรซึ่งสามารถคำนวณได้จาก mu = 1 / N sum_ (i = 1) ^ N x_i ในประชากรของเราค่าเฉลี่ยคือ mu = (1 + 1 + 1 + 1 + 1 + 80 + 1 + 1 + 1 + 1 + 1 + 1) /12=91/12=7.58bar3 ตอนนี้เราสามารถดำเนินการ อ่านเพิ่มเติม »

สมมติว่าเรากำลังติดต่อกับประชากรทั้งหมดและไม่ใช่แค่ตัวอย่าง: ความแปรปรวน sigma ^ 2 = 44,383.45 ค่าเบี่ยงเบนมาตรฐาน sigma = 210.6738 เครื่องคิดเลขวิทยาศาสตร์หรือสเปรดชีตทางวิทยาศาสตร์ส่วนใหญ่จะอนุญาตให้คุณกำหนดค่าเหล่านี้โดยตรง หากคุณจำเป็นต้องทำด้วยวิธีที่เป็นระเบียบมากขึ้น: กำหนดผลรวมของค่าข้อมูลที่กำหนด คำนวณค่าเฉลี่ยด้วยการหารผลรวมด้วยจำนวนรายการข้อมูล สำหรับแต่ละค่าข้อมูลคำนวณความเบี่ยงเบนจากค่าเฉลี่ยโดยการลบค่าข้อมูลจากค่าเฉลี่ย สำหรับการเบี่ยงเบนของค่าข้อมูลแต่ละค่าจากค่าเฉลี่ยให้คำนวณความเบี่ยงเบนกำลังสองจากค่าเฉลี่ยโดยการหารความเบี่ยงเบนกำหนดผลรวมของการเบี่ยงเบนกำลังสองหารผลรวมของการเบี่ยงเบนกำลังสองตามจำนวนค่าข้อม อ่านเพิ่มเติม »

S = sigma ^ 2 = 815.41-> ความแปรปรวน sigma = 28.56-> 1 ส่วนเบี่ยงเบนมาตรฐานความแปรปรวนเป็นวิธีการวัดค่าเฉลี่ยของความแปรปรวนของข้อมูลเกี่ยวกับเส้นที่เหมาะสมที่สุด มันมาจาก: sigma ^ 2 = (ผลรวม (x-barx)) / n โดยที่ผลรวมหมายถึงการเพิ่ม barx ทั้งหมดคือค่าเฉลี่ย (บางครั้งพวกเขาใช้ mu) n คือจำนวนข้อมูลที่ใช้ sigma ^ 2 คือความแปรปรวน (บางครั้งพวกเขาใช้ s) sigma เป็นค่าเบี่ยงเบนมาตรฐานหนึ่งสมการนี้ด้วยการจัดการเล็กน้อยเป็น: sigma ^ 2 = (ผลรวม (x ^ 2)) / n - barx ^ 2 "" สำหรับความแปรปรวน sigma = sqrt (( ผลรวม (x ^ 2)) / n - barx ^ 2) "" สำหรับ 1 ส่วนเบี่ยงเบนมาตรฐาน '~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ อ่านเพิ่มเติม »

ความแปรปรวน (ประชากร): sigma_ "pop" ^ 2 = 12.57 ส่วนเบี่ยงเบนมาตรฐาน (ประชากร): sigma_ "pop" = 3.55 ผลรวมของค่าข้อมูลคือ 42 ค่าเฉลี่ย (mu) ของค่าข้อมูลคือ 42/7 = 6 สำหรับแต่ละ ของค่าข้อมูลที่เราสามารถคำนวณความแตกต่างระหว่างค่าข้อมูลและค่าเฉลี่ยและจากนั้นยกกำลังสองความแตกต่างนั้น ผลรวมของความแตกต่างยกกำลังสองหารด้วยจำนวนค่าข้อมูลให้ความแปรปรวนประชากร (sigma_ "pop" ^ 2) รากที่สองของความแปรปรวนประชากรให้ค่าเบี่ยงเบนมาตรฐานประชากร (sigma_ "pop") หมายเหตุ: ฉันถือว่าค่าข้อมูลเป็นตัวแทนของประชากรทั้งหมด หากค่าข้อมูลเป็นเพียงตัวอย่างจากประชากรขนาดใหญ่คุณควรคำนวณความแปรปรวนตัวอย่าง, s ^ 2 แล อ่านเพิ่มเติม »

การทดสอบ F ถือว่าเป็นข้อมูลที่กระจายตามปกติและตัวอย่างนั้นเป็นอิสระจากกัน การทดสอบ F ถือว่าเป็นข้อมูลที่กระจายตามปกติและตัวอย่างนั้นเป็นอิสระจากกัน ข้อมูลที่แตกต่างจากการแจกแจงแบบปกติอาจเป็นเพราะเหตุผลสองสามข้อ ข้อมูลอาจเบ้หรือขนาดตัวอย่างอาจเล็กเกินไปที่จะกระจายแบบปกติ ไม่ว่าจะด้วยเหตุผลใดก็ตามการทดสอบแบบ F จะใช้การแจกแจงแบบปกติและจะส่งผลให้ผลลัพธ์ไม่ถูกต้องหากข้อมูลแตกต่างจากการแจกแจงนี้อย่างมีนัยสำคัญ การทดสอบ F ยังสมมติว่าจุดข้อมูลมีความเป็นอิสระจากกัน ตัวอย่างเช่นคุณกำลังศึกษาประชากรยีราฟและคุณต้องการทราบว่าขนาดและเพศสัมพันธ์กันอย่างไร คุณพบว่าตัวเมียมีขนาดใหญ่กว่าเพศชาย แต่คุณไม่ได้คำนึงถึงว่าผู้ใหญ่ในประชากรส่วนใหญ่ อ่านเพิ่มเติม »

เนื่องจากไม่มีสมการทางคณิตศาสตร์ที่สามารถคำนวณพื้นที่ใต้เส้นโค้งปกติระหว่างสองจุดจึงไม่มีสูตรการค้นหาความน่าจะเป็นในตาราง z เพื่อแก้ปัญหาด้วยมือ นี่คือเหตุผลที่ทำให้ตาราง z มักมีความแม่นยำ 4 ทศนิยม แต่มีสูตรการคำนวณความน่าจะเป็นเหล่านี้ที่ความแม่นยำสูงมากโดยใช้ซอฟต์แวร์เช่น excel, R และอุปกรณ์เช่นเครื่องคิดเลข TI ใน excel อยู่ทางซ้ายของ z โดย: NORM.DIST (z, 0,1, จริง) ใน TI-calculator เราสามารถใช้ normalcdf (-1E99, z) เพื่อหาพื้นที่ทางด้านซ้ายของค่า z นั้น . อ่านเพิ่มเติม »

การแจกแจงไคสแควร์สามารถใช้เพื่ออธิบายปริมาณทางสถิติซึ่งเป็นฟังก์ชันของผลรวมของกำลังสอง การแจกแจงแบบไคสแควร์เป็นการแจกแจงของค่าซึ่งเป็นผลรวมของกำลังสองของ k โดยปกติตัวแปรการกระจายแบบสุ่ม Q = sum_ (i = 1) ^ k Z_i ^ 2 รูปแบบไฟล์ PDF ของการแจกแจงไคสแควร์ให้โดย: f (x; k) = 1 / (2 ^ (k / 2) แกมม่า (k / 2)) x ^ (k / 2-1) e ^ (- x / 2) โดยที่ k คือจำนวนองศาความเป็นอิสระและ x คือค่าของ Q ที่เราค้นหาความน่าจะเป็น ประโยชน์ของการแจกแจงไคสแควร์คือการสร้างแบบจำลองที่เกี่ยวข้องกับผลรวมของค่ากำลังสอง ตัวอย่างที่เจาะจงสองประการคือ: การวิเคราะห์การทดสอบความแปรปรวน (ความแปรปรวนเป็นผลรวมของค่ากำลังสอง) ความดีของพอดี (สำหรับกำลังสองน้อยที่สุดท อ่านเพิ่มเติม »

การใช้งานหนึ่งของความแปรปรวนร่วมคือการศึกษาความสัมพันธ์ เมื่อเรามีข้อมูลตัวอย่างที่เกี่ยวข้องกับตัวแปรตามสองตัวแปรความแปรปรวนร่วมจะเกี่ยวข้องกัน การแปรปรวนร่วมคือการวัดผลกระทบของความแปรปรวนระหว่างตัวแปรทั้งสอง เมื่อเรามีตัวแปรตามสองตัวบอกว่า X และ Y เราสามารถศึกษาความแปรปรวนภายในค่าของ X - นี่คือ sigma_x ^ 2 ความแปรผันภายในค่าของ Y คือความแปรปรวนของ y sigma_y ^ 2 การศึกษาความแปรปรวนพร้อมกันระหว่าง X และ Y เรียกว่า COV (X, Y) หรือ sigma_ (xy) อ่านเพิ่มเติม »

มันแสดงให้เห็นรูปแบบของความสัมพันธ์ระหว่างตัวแปร โปรดอ้างอิงคำตอบของฉันในการวิเคราะห์การถดถอยคืออะไร? มันแสดงให้เห็นรูปแบบของความสัมพันธ์ระหว่างตัวแปร ตัวอย่างเช่นไม่ว่าจะเป็นความสัมพันธ์ที่มีความสัมพันธ์เชิงบวกอย่างรุนแรงสัมพันธ์เชิงลบอย่างรุนแรงหรือไม่มีความสัมพันธ์ ตัวอย่างเช่นปริมาณน้ำฝนและผลผลิตทางการเกษตรควรมีความสัมพันธ์กันอย่างมาก แต่ไม่ทราบความสัมพันธ์ หากเราระบุผลผลิตพืชเพื่อแสดงถึงผลผลิตทางการเกษตรและพิจารณาสองตัวแปรผลผลิตพืช y และปริมาณน้ำฝน x การสร้างเส้นถดถอยของ y บน x จะสมเหตุสมผลและจะสามารถแสดงให้เห็นถึงการพึ่งพาผลผลิตของพืชในปริมาณน้ำฝน จากนั้นเราจะสามารถประมาณการผลผลิตที่ได้จากปริมาณน้ำฝนที่มีข้อผิดพลาด จ อ่านเพิ่มเติม »

Z-Score บอกตำแหน่งของการสังเกตที่เกี่ยวข้องกับการแจกแจงที่เหลือซึ่งวัดในส่วนเบี่ยงเบนมาตรฐานเมื่อข้อมูลมีการแจกแจงแบบปกติ คุณมักจะเห็นตำแหน่งเป็นค่า X ซึ่งให้ค่าที่แท้จริงของการสังเกต สิ่งนี้ง่าย แต่ไม่อนุญาตให้คุณเปรียบเทียบการสังเกตจากการแจกแจงที่ต่างกัน นอกจากนี้คุณต้องแปลงคะแนน X ของคุณเป็น Z-Scores เพื่อให้คุณสามารถใช้ตารางการแจกแจงแบบปกติมาตรฐานเพื่อค้นหาค่าที่เกี่ยวข้องกับคะแนน Z ตัวอย่างเช่นคุณต้องการทราบว่าความเร็วการขว้างของแปดปีนั้นดีผิดปกติหรือไม่เมื่อเทียบกับลีกของเขาหรือเธอ หากความเร็วพิทช์เฉลี่ยน้อยกว่า 30 ไมล์ต่อชั่วโมงกับความเบี่ยงเบนมาตรฐานที่ 4 ไมล์ต่อชั่วโมงจะเป็นระยะทาง 38 ไมล์ต่อชั่วโมงที่ผิดปกติหรือไ อ่านเพิ่มเติม »

สหสัมพันธ์: ตัวแปรสองตัวมีแนวโน้มที่จะแตกต่างกัน สำหรับความสัมพันธ์เชิงบวกหากตัวแปรหนึ่งเพิ่มขึ้นอีกตัวแปรหนึ่งก็จะเพิ่มขึ้นในข้อมูลที่กำหนด สาเหตุ: ตัวแปรหนึ่งทำให้เกิดการเปลี่ยนแปลงในตัวแปรอื่น ความแตกต่างที่สำคัญ: ความสัมพันธ์อาจเป็นเรื่องบังเอิญ หรือบางทีตัวแปรที่สามกำลังเปลี่ยนทั้งสอง ตัวอย่างเช่น: มีความสัมพันธ์ระหว่าง "ไปนอนสวมรองเท้า" และ "ตื่นขึ้นมาด้วยอาการปวดหัว" แต่ความสัมพันธ์นี้ไม่ได้เป็นสาเหตุเพราะเหตุผลที่แท้จริงสำหรับความบังเอิญนี้คือแอลกอฮอล์มากเกินไป อ่านเพิ่มเติม »

ดูด้านล่าง ป.ร. ให้ไว้: ไม่ p -> [(p ^^ q) vv ~ p] ตัวดำเนินการเชิงตรรกะ: "ไม่ p:" ไม่ p, ~ p; "และ:" ^^; หรือ: 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 | ตารางตรรกะและ & หรือ: ul (| "" p | "" q | "" ^ ^ q "" | "" qvvq & อ่านเพิ่มเติม »

~ = 0.9391 ก่อนที่เราจะมีคำถามเรามาพูดถึงวิธีการแก้ปัญหา ตัวอย่างเช่นสมมติว่าฉันต้องการพิจารณาผลลัพธ์ที่เป็นไปได้ทั้งหมดจากการโยนเหรียญที่ยุติธรรมสามครั้ง ฉันสามารถรับ HHH, TTT, TTH และ HHT ความน่าจะเป็นของ H คือ 1/2 และความน่าจะเป็นของ T ก็คือ 1/2 สำหรับ HHH และสำหรับ TTT นั่นคือ 1 / 2xx1 / 2xx1 / 2 = 1/8 ต่อครั้ง สำหรับ TTH และ HHT, มันก็เป็น 1 / 2xx1 / 2xx1 / 2 = 1/8 แต่ละอัน, แต่เนื่องจากมี 3 วิธีที่ฉันจะได้รับผลลัพธ์แต่ละอัน, มันจบลงที่ 3xx1 / 8 = 3/8 แต่ละอัน เมื่อฉันสรุปผลเหล่านี้ฉันจะได้รับ 1/8 + 3/8 + 3/8 + 1/8 = 1 - ซึ่งหมายความว่าตอนนี้ฉันมีผลการพลิกเหรียญที่เป็นไปได้ทั้งหมด โปรดสังเกตว่าถ้าฉันตั้งค่า H เป็น p ด อ่านเพิ่มเติม »

นิยามเชิงปริมาณข้อมูลเชิงปริมาณคือตัวเลข: ความสูง; น้ำหนัก; ความเร็ว; จำนวนสัตว์เลี้ยงที่เป็นเจ้าของ ปี; ข้อมูลเชิงคุณภาพเป็นต้นไม่ใช่ตัวเลข พวกเขาอาจรวมถึงอาหารที่ชื่นชอบ; ศาสนา; ชาติพันธุ์; ฯลฯ ข้อมูลที่ไม่ต่อเนื่องเป็นตัวเลขที่อาจใช้กับค่าเฉพาะที่แยกออกจากกัน ตัวอย่างเช่นเมื่อคุณหมุนหนึ่งตายคุณจะได้รับ 1, 2, 3, 4, 5 หรือ 6 คุณไม่สามารถรับค่า 3.75 ข้อมูลต่อเนื่องคือตัวเลขที่อาจใช้กับค่าทศนิยมหรือเศษส่วนทุกประเภท ตัวอย่างเช่นน้ำหนักของคุณอาจวัดได้อย่างแม่นยำเท่ากับ 92.234 กิโลกรัม ความเร็วของคุณไม่กระโดดจาก 10 mph ถึง 11 mph; มันเคลื่อนผ่านทุกทศนิยมในระหว่าง - เช่น 10.5 ไมล์ต่อชั่วโมง อ่านเพิ่มเติม »

หนึ่งมักจะดูที่ IQR (Interquartile Range) เพื่อรับข้อมูล "ความจริง" มากขึ้นเพราะมันจะกำจัดค่าผิดปกติในข้อมูลของเรา ดังนั้นหากคุณมีชุดข้อมูลเช่น 4,6,5,7,2,6,4,8,2956 แล้วถ้าเราต้องใช้ค่าเฉลี่ยของ IQR ของเรามันจะ "สมจริง" มากกว่าชุดข้อมูลของเรา ราวกับว่าเราเพิ่งใช้ค่าเฉลี่ยปกติ, ค่าหนึ่งที่ 2956 จะทำให้ข้อมูลค่อนข้างยุ่ง ค่าผิดปกติเช่นนั้นอาจมาจากสิ่งที่เรียบง่ายเหมือนกับข้อผิดพลาดการพิมพ์ผิดดังนั้นจึงแสดงให้เห็นว่ามันจะมีประโยชน์ในการตรวจสอบ IQR อย่างไร อ่านเพิ่มเติม »

เนื่องจากชื่อของหัวข้อบ่งชี้ความแปรปรวนคือ "การวัดความแปรปรวน" ความแปรปรวนเป็นการวัดความแปรปรวน หมายความว่าสำหรับชุดข้อมูลคุณสามารถพูดได้ว่า: "ความแปรปรวนที่สูงกว่าข้อมูลที่ต่างกันมากขึ้น" ตัวอย่างชุดข้อมูลที่แตกต่างกันเล็กน้อย A = {1,3,3,3,3,4} บาร์ (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 ชุดข้อมูล ด้วยความแตกต่างที่ใหญ่กว่า B = {2,4,2,4,2,4} บาร์ (x) = (2 + 4 + 2 + 4 + 2 + 4) / 6 = 18/6 = 3 sigma ^ 2 = 1/6 * ( 3 * (2-3) ^ 2 + 3 * (4-3) ^ 2) sigma ^ 2 = 1/6 * (3 * 1 + 3 * 1) sigma ^ 2 = 1/6 * (6) s อ่านเพิ่มเติม »

ค่ากลางซึ่งเป็นตัวแทนของข้อมูลทั้งหมด > หากเราดูการแจกแจงความถี่ที่เราเจอในทางปฏิบัติเราจะพบว่ามีแนวโน้มของค่าความแปรปรวนที่จะจัดกลุ่มรอบค่ากลาง กล่าวอีกนัยหนึ่งค่าส่วนใหญ่อยู่ในช่วงเวลาเล็ก ๆ เกี่ยวกับค่ากลาง ลักษณะนี้เรียกว่าแนวโน้มกลางของการแจกแจงความถี่ ค่ากลางซึ่งถือเป็นตัวแทนของข้อมูลทั้งหมดเรียกว่าการวัดแนวโน้มกลางหรือค่าเฉลี่ย ในความสัมพันธ์กับการแจกแจงความถี่ค่าเฉลี่ยก็ถูกเรียกว่าเป็นการวัดตำแหน่งที่ตั้งเนื่องจากช่วยในการค้นหาตำแหน่งของการแจกแจงบนแกนของตัวแปร อาจสังเกตว่าค่าเฉลี่ยไม่จำเป็นต้องเป็นหนึ่งในค่าข้อมูลที่กำหนด อ่านเพิ่มเติม »

ระดับที่กำหนด - เฉพาะป้ายข้อมูลในหมวดหมู่ที่แตกต่างกันเช่นการจัดประเภทเป็น: ระดับชายหรือหญิงตามลำดับ - ข้อมูลสามารถจัดเรียงและเรียงลำดับได้ แต่ความแตกต่างไม่สมเหตุสมผลเช่น: อันดับที่ 1, ที่สองและที่ 3 ระดับช่วงเวลา - ข้อมูลสามารถสั่งซื้อได้เช่นเดียวกับความแตกต่างที่สามารถทำได้ แต่การคูณ / การหารไม่สามารถทำได้ ตัวอย่างเช่น: การจัดหมวดหมู่เป็นปีที่แตกต่างกันเช่น 2011, 2012 เป็นต้นระดับอัตราส่วน - การสั่งซื้อความแตกต่างและการคูณ / การหาร - การดำเนินการทั้งหมดเป็นไปได้ ตัวอย่างเช่น: อายุเป็นปีอุณหภูมิเป็นองศาเป็นต้น Discrete Variable ตัวแปรสามารถรับเฉพาะค่าจุดและไม่มีค่าใด ๆ ตัวอย่างเช่น: จำนวนคนในรถบัส ตัวแปรต่อเนื่อง - ตัวแป อ่านเพิ่มเติม »

(32/52) ในสำรับไพ่ครึ่งหนึ่งของไพ่เป็นสีแดง (26) และ (สมมติว่าไม่มีนักเลง) เรามี 4 แจ็ค 4 ควีนและ 4 ราชา (12) อย่างไรก็ตามจากการ์ดรูปภาพ, 2 แจ็ค, 2 ควีนส์และ 2 กษัตริย์เป็นสีแดง สิ่งที่เราต้องการค้นหาคือ "ความน่าจะเป็นในการวาดการ์ดสีแดงหรือการ์ดรูปภาพ" ความน่าจะเป็นที่เกี่ยวข้องของเราคือการวาดการ์ดสีแดงหรือการ์ดรูปภาพ P (สีแดง) = (26/52) P (ภาพ) = (12/52) สำหรับเหตุการณ์ที่รวมกันเราใช้สูตร: P (A uuu B) = P (A) + P (B) -P (A nn B) ซึ่งแปลเป็น: P (ภาพหรือสีแดง) = P (สีแดง) + P (ภาพ) -P (สีแดงและภาพ) P (ภาพหรือสีแดง) = (26/52) + (12/52) - (6 / 52) P (ภาพหรือสีแดง) = (32/52) อ่านเพิ่มเติม »

ทั้งการคาดคะเนและช่วงความมั่นใจแคบลงใกล้ค่าเฉลี่ยซึ่งสามารถมองเห็นได้ง่ายในสูตรของระยะขอบที่สอดคล้องกันของข้อผิดพลาด ต่อไปนี้เป็นระยะขอบของข้อผิดพลาดของช่วงความมั่นใจ E = t _ { alpha / 2, df = n-2} times s_e sqrt {( frac {1} {n} + frac {(x_0 - bar {x}) ^ 2} {S_ {xx }})} ต่อไปนี้เป็นระยะขอบของข้อผิดพลาดสำหรับช่วงเวลาการทำนาย E = t _ { alpha / 2, df = n-2} times s_e sqrt {(1 + frac {1} {n} + frac {( x_0 - bar {x}) ^ 2} {S_ {xx}})} ในทั้งสองสิ่งนี้เราจะเห็นคำศัพท์ (x_0 - bar {x}) ^ 2 ซึ่งปรับขนาดเป็นสแควร์ของระยะทางของ จุดทำนายจากค่าเฉลี่ย นี่คือเหตุผลที่ CI และ PI แคบที่สุดที่ค่าเฉลี่ย อ่านเพิ่มเติม »

ประมาณ 61.5% ความน่าจะเป็นที่แล็ปท็อปมีข้อบกพร่องคือ (6/22) ความน่าจะเป็นของแล็ปท็อปที่ไม่ได้เกิดข้อบกพร่องคือ (16/22) ความน่าจะเป็นที่แล็ปท็อปอย่างน้อยหนึ่งตัวเสียโดย: P (ชำรุด 1) + P (2 มีข้อบกพร่อง) + P (3 มีข้อบกพร่อง) เนื่องจากความน่าจะเป็นนี้จะสะสม ให้ X เป็นจำนวนแล็ปท็อปที่พบว่ามีข้อบกพร่อง P (X = 1) = (3 เลือก 1) (6/22) ^ 1 ครั้ง (16/22) ^ 2 = 0.43275 P (X = 2) = (3 เลือก 2) (6/22) ^ 2 ครั้ง ( 16/22) ^ 1 = 0.16228 P (X = 3) = (3 เลือก 3) (6/22) ^ 3 = 0.02028 (สรุปความน่าจะเป็นทั้งหมด) = 0.61531 ประมาณ 0.615 อ่านเพิ่มเติม »

ตัวอักษร "bi" หมายถึงสอง ดังนั้นการกระจาย bimodal มีสองโหมด ตัวอย่างเช่น {1,2,3,3,3,5,8,12,12,12,12,18} เป็น bimodal ที่มีทั้ง 3 และ 12 เป็นโหมดแยกกัน ขอให้สังเกตว่าโหมดไม่จำเป็นต้องมีความถี่เดียวกัน หวังว่าจะช่วยได้ที่มา: http://www.fao.org/wairdocs/ilri/x5469e/x5469e0e.htm อ่านเพิ่มเติม »

กราฟ bimodal แสดงให้เห็นถึงการแจกแจงแบบ bimodal ซึ่งกำหนดเองเป็นการกระจายความน่าจะเป็นอย่างต่อเนื่องกับสองโหมด โดยทั่วไปแล้วกราฟของฟังก์ชันความหนาแน่นของความน่าจะเป็นของการแจกแจงนี้จะมีลักษณะคล้ายกับการแจกแจงแบบ "สองห่าม" นั่นคือแทนที่จะเป็นจุดสูงสุดเดียวในการแจกแจงแบบปกติหรือเส้นโค้งแบบเบลล์กราฟจะมียอดเขาสองจุด การกระจาย Bimodal ในขณะที่อาจพบได้น้อยกว่าการแจกแจงแบบปกติ แต่ยังคงเกิดขึ้นตามธรรมชาติ ตัวอย่างเช่นมะเร็งต่อมน้ำเหลืองของ Hodgkin เป็นความเจ็บป่วยที่เกิดขึ้นบ่อยครั้งภายในกลุ่มอายุที่เจาะจงสองกลุ่ม โดยเฉพาะในผู้ใหญ่อายุ 15-35 ปีและในผู้ใหญ่ที่มีอายุเกิน 55 ปีดังนั้นสำหรับตัวแปรสุ่ม Z (ในที่นี้หมายถึงอายุข อ่านเพิ่มเติม »

"bin" ในฮิสโตแกรมคือตัวเลือกของหน่วยและระยะห่างบนแกน Xข้อมูลทั้งหมดในการแจกแจงความน่าจะเป็นที่แสดงโดยฮิสโตแกรมจะถูกเติมลงในถังขยะที่เกี่ยวข้อง ความสูงของแต่ละ bin คือการวัดความถี่ที่ข้อมูลปรากฏภายในช่วงของ bin นั้นในการแจกแจง ตามตัวอย่างในฮิสโตแกรมตัวอย่างด้านล่างแต่ละแท่งขึ้นไปจากแกน X คือ bin เดียว และในถังขยะจากความสูง 75 ถึงความสูง 80 มีจุดข้อมูล 10 จุด (ในกรณีนี้มีต้นซากุระ 10 ต้นที่มีความสูงระหว่าง 75 ถึง 80 ฟุต) ที่มา: หน้า Wikipedia บนฮิสโตแกรม อ่านเพิ่มเติม »

ดูคำอธิบายทั้งหมดที่นำเสนอ เมื่อเรามี 100 เหรียญและเรามอบเหรียญเหล่านั้นให้กับกลุ่มคนไม่ว่าจะด้วยวิธีใดก็ตามมีการกล่าวกันว่าเราแจกจ่ายเหรียญ ในทำนองเดียวกันเมื่อความน่าจะเป็นทั้งหมด (ซึ่งก็คือ 1) มีการกระจายระหว่างค่าต่าง ๆ ที่เกี่ยวข้องกับตัวแปรสุ่มเรากำลังกระจายความน่าจะเป็น ดังนั้นจึงเรียกว่าการแจกแจงความน่าจะเป็น หากมีกฎที่กำหนดความน่าจะเป็นที่ควรกำหนดให้กับค่าใดกฎนั้นจะเรียกว่าฟังก์ชันการแจกแจงความน่าจะเป็น การแจกแจงทวินามได้รับชื่อเนื่องจากกฎที่กำหนดความน่าจะเป็นต่าง ๆ เป็นเงื่อนไขของการขยายทวินาม อ่านเพิ่มเติม »

การแจกแจงไคสแควร์เป็นหนึ่งในการแจกแจงที่ใช้กันมากที่สุดและเป็นการกระจายของสถิติไคสแควร์ การแจกแจงแบบไคสแควร์เป็นหนึ่งในการแจกแจงที่ใช้กันมากที่สุด มันคือการกระจายตัวของผลรวมของส่วนเบี่ยงเบนมาตรฐานมาตรฐานกำลังสอง ค่าเฉลี่ยของการแจกแจงเท่ากับองศาอิสระและความแปรปรวนของการแจกแจงแบบไคสแควร์สองตัวคูณด้วยองศาอิสระ นี่คือการแจกแจงที่ใช้เมื่อทำการทดสอบไคสแควร์เปรียบเทียบการสังเกตที่สังเกตได้กับค่าที่คาดไว้และเมื่อทำการทดสอบไคสแควร์เพื่อทดสอบความแตกต่างในสองประเภท ค่าวิกฤตสำหรับการแจกแจงแบบไคสแควร์สามารถพบได้ที่นี่ คำตอบแบบโสคราตีสที่เกี่ยวข้องซึ่งอาจเป็นประโยชน์คือสิ่งนี้เกี่ยวกับความสัมพันธ์ระหว่างการแจกแจงแบบปกติและการแจกแจงไคสแค อ่านเพิ่มเติม »

การทดสอบแบบไคสแควร์สำหรับการทดสอบความเป็นอิสระหากมีความสัมพันธ์อย่างมีนัยสำคัญระหว่างสองกลุ่มหรือมากกว่าของข้อมูลหมวดหมู่จากประชากรเดียวกัน การทดสอบแบบไคสแควร์สำหรับการทดสอบความเป็นอิสระหากมีความสัมพันธ์อย่างมีนัยสำคัญระหว่างสองกลุ่มหรือมากกว่าของข้อมูลหมวดหมู่จากประชากรเดียวกัน สมมติฐานว่างสำหรับการทดสอบนี้คือไม่มีความสัมพันธ์ มันเป็นหนึ่งในการทดสอบที่ใช้กันมากที่สุดในสถิติ ในการใช้การทดสอบนี้การสังเกตของคุณควรเป็นอิสระและค่าที่คาดหวังของคุณควรมากกว่าห้า สมการในการคำนวณไคสแควร์ด้วยมือคือตัวอย่างต่อไปนี้: เมื่อคุณคำนวณไคสแควร์ของคุณแล้วคุณจะกำหนดองศาอิสระของคุณ (จำนวนของระดับสำหรับตัวแปรหนึ่งลบหนึ่งคูณด้วยจำนวนระดับสำหรับต อ่านเพิ่มเติม »

การทดสอบ chi ^ 2 ใช้เพื่อตรวจสอบว่าการแจกแจงของตัวแปรเด็ดขาดแตกต่างจากกันหรือไม่ การทดสอบ chi ^ 2 สามารถใช้กับตัวเลขจริงเท่านั้นไม่ได้ใช้กับเปอร์เซ็นต์สัดส่วนหรือวิธีการ สถิติ chi ^ 2 เปรียบเทียบการนับหรือนับจำนวนการตอบสนองเชิงหมวดหมู่ระหว่างกลุ่มอิสระตั้งแต่สองกลุ่มขึ้นไป โดยสรุป: การทดสอบ chi ^ 2 ใช้เพื่อตรวจสอบว่าการแจกแจงของตัวแปรเด็ดขาดแตกต่างจากกันหรือไม่ อ่านเพิ่มเติม »

ดูด้านล่าง: การรวมกันเป็นการจัดกลุ่มของวัตถุที่แตกต่างกันโดยไม่คำนึงถึงลำดับการจัดกลุ่ม ยกตัวอย่างเช่นมือโป๊กเกอร์คือชุดค่าผสม - เราไม่สนใจว่าเราจะแจกไพ่ให้กับใครเพียงแค่เราถือ Royal Flush (หรือ 3 คู่) สูตรในการหาชุดค่าผสมคือ: C_ (n, k) = ((n), (k)) = (n!) / ((k!) (nk)!) ด้วย n = "ประชากร", k = " เลือก "ตัวอย่างเช่นจำนวนมือไพ่โป๊กเกอร์ 5 ใบที่เป็นไปได้คือ: C_ (52,5) = (52!) / ((5)! (52-5)!) = (52!) / (( 5!) (47!)) มาประเมินกัน! (52xx51xxcancelcolor (สีส้ม) (50) ^ 10xx49xxcancelcolor (สีแดง) 48 ^ 2xxcancelcolor (สีน้ำตาล) (47)) / (cancelcolor (สีส้ม) 5xxcancelcolor (สีแดง) (4xx3xx2) xxcancelcolor (สีน้ำต อ่านเพิ่มเติม »

F-Test F-test เป็นกลไกการทดสอบทางสถิติที่ออกแบบมาเพื่อทดสอบความแปรปรวนของผลต่างประชากร มันทำได้โดยการเปรียบเทียบอัตราส่วนของความแปรปรวน ดังนั้นถ้าความแปรปรวนเท่ากันอัตราส่วนของความแปรปรวนจะเป็น 1 การทดสอบสมมติฐานทั้งหมดจะกระทำภายใต้สมมติฐานที่สมมติฐานว่างจะเป็นจริง อ่านเพิ่มเติม »

เราใช้ ANOVA เพื่อทดสอบความแตกต่างที่สำคัญระหว่างค่าเฉลี่ย เราใช้ ANOVA หรือการวิเคราะห์ความแปรปรวนเพื่อทดสอบความแตกต่างที่สำคัญระหว่างค่าเฉลี่ยของหลายกลุ่ม ตัวอย่างเช่นหากเราต้องการทราบว่าเกรดเฉลี่ยของชีววิทยาเคมีฟิสิกส์และวิชาเอกแคลคูลัสแตกต่างกันหรือไม่เราสามารถใช้ ANOVA ได้ ถ้าเรามีแค่สองกลุ่ม ANOVA ของเราก็จะเหมือนกับ t-test มีสามข้อสมมติฐานพื้นฐานของการวิเคราะห์ความแปรปรวน: ตัวแปรตามในแต่ละกลุ่มมีการกระจายตามปกติความแปรปรวนของประชากรในแต่ละกลุ่มจะเท่ากันการสังเกตเป็นอิสระจากกัน อ่านเพิ่มเติม »

ดูด้านล่าง ตัวแปรเด็ดขาดคือหมวดหมู่หรือประเภท ตัวอย่างเช่นสีผมเป็นค่าเด็ดขาดหรือบ้านเกิดเป็นตัวแปรเด็ดขาด สายพันธุ์ประเภทการรักษาและเพศเป็นตัวแปรเด็ดขาดทั้งหมด ตัวแปรตัวเลขเป็นตัวแปรที่การวัดหรือตัวเลขมีความหมายเชิงตัวเลข ตัวอย่างเช่นปริมาณน้ำฝนทั้งหมดที่วัดเป็นนิ้วเป็นค่าตัวเลขอัตราการเต้นของหัวใจเป็นค่าตัวเลขจำนวนชีสเบอร์เกอร์ที่บริโภคในหนึ่งชั่วโมงเป็นค่าตัวเลข ตัวแปรหมวดหมู่สามารถแสดงเป็นตัวเลขเพื่อจุดประสงค์ด้านสถิติ แต่ตัวเลขเหล่านี้ไม่มีความหมายเดียวกับค่าตัวเลข ตัวอย่างเช่นถ้าฉันกำลังศึกษาผลกระทบของยาสามชนิดที่แตกต่างกันต่อการเจ็บป่วยฉันอาจตั้งชื่อยาสามชนิดที่แตกต่างกันคือยา 1, ยา 2, และยา 3 อย่างไรก็ตามยาสามนั้นไม อ่านเพิ่มเติม »

ANOVA ทางเดียวคือ ANOVA ที่คุณมีตัวแปรอิสระหนึ่งตัวที่มีมากกว่าสองเงื่อนไข สำหรับตัวแปรอิสระตั้งแต่สองตัวขึ้นไปคุณจะใช้ ANOVA สองทาง ANOVA ทางเดียวคือ ANOVA ที่คุณมีตัวแปรอิสระหนึ่งตัวที่มีมากกว่าสองเงื่อนไข สิ่งนี้ตรงกันข้ามกับ ANOVA แบบสองทางที่คุณมีตัวแปรอิสระสองตัวและแต่ละตัวมีเงื่อนไขหลายอย่าง ตัวอย่างเช่นคุณจะใช้ ANOVA แบบทางเดียวหากคุณต้องการพิจารณาผลกระทบของแบรนด์กาแฟที่มีต่ออัตราการเต้นของหัวใจ ตัวแปรอิสระของคุณคือแบรนด์กาแฟ คุณจะใช้ ANOVA สองทางหากคุณต้องการตรวจสอบผลกระทบของแบรนด์กาแฟและระดับความวิตกกังวลที่รายงานด้วยตนเองต่ออัตราการเต้นของหัวใจ ตัวแปรอิสระสองอย่างของคุณคือ 1) แบรนด์กาแฟและ 2) ระดับความวิตกกังวลท อ่านเพิ่มเติม »

แนวคิดของเหตุการณ์เป็นสิ่งสำคัญอย่างยิ่งในทฤษฎีความน่าจะเป็น ที่จริงแล้วมันเป็นหนึ่งในแนวคิดพื้นฐานเช่นจุดในเรขาคณิตหรือสมการในพีชคณิต ก่อนอื่นเราพิจารณาการทดลองแบบสุ่ม - การกระทำทางร่างกายหรือจิตใจใด ๆ ที่มีจำนวนผลลัพธ์ที่แน่นอน ตัวอย่างเช่นเรานับเงินในกระเป๋าเงินของเราหรือคาดการณ์มูลค่าดัชนีตลาดหุ้นในวันพรุ่งนี้ ในทั้งสองกรณีอื่น ๆ อีกมากมายผลการทดสอบแบบสุ่มในผลลัพธ์บางอย่าง (จำนวนเงินที่แน่นอนมูลค่าดัชนีตลาดหุ้นที่แน่นอน ฯลฯ ) ผลลัพธ์บุคคลเหล่านี้เรียกว่าเหตุการณ์เบื้องต้นและเหตุการณ์เบื้องต้นทั้งหมดที่เกี่ยวข้องกับการทดลองแบบสุ่มเฉพาะรูปแบบร่วมกัน พื้นที่ตัวอย่างของการทดลองนี้ ที่เข้มงวดยิ่งขึ้นพื้นที่ตัวอย่างของการทดส อ่านเพิ่มเติม »

โปรดดูที่ด้านล่าง. ตัวแปรสุ่มคือผลลัพธ์ที่เป็นตัวเลขของชุดค่าที่เป็นไปได้จากการทดสอบแบบสุ่ม ตัวอย่างเช่นเราสุ่มเลือกรองเท้าจากร้านขายรองเท้าและค้นหาค่าตัวเลขสองขนาดและราคา ตัวแปรสุ่มแบบแยกนั้นมีจำนวนค่าที่เป็นไปได้หรือลำดับที่ไม่สิ้นสุดของจำนวนจริงที่นับได้ ตัวอย่างเช่นขนาดของรองเท้าซึ่งสามารถใช้ค่าที่เป็นไปได้จำนวน จำกัด เท่านั้น ในขณะที่ตัวแปรสุ่มต่อเนื่องสามารถรับค่าทั้งหมดในช่วงเวลาของจำนวนจริง ตัวอย่างเช่นราคาของรองเท้าสามารถใช้ค่าใด ๆ ในแง่ของสกุลเงิน อ่านเพิ่มเติม »

การวิเคราะห์การถดถอยเป็นกระบวนการทางสถิติสำหรับการประเมินความสัมพันธ์ระหว่างตัวแปรต่างๆ การวิเคราะห์การถดถอยเป็นกระบวนการทางสถิติสำหรับการประเมินความสัมพันธ์ระหว่างตัวแปรต่างๆ มันเป็นคำทั่วไปสำหรับวิธีการทั้งหมดที่พยายามปรับตัวแบบให้สอดคล้องกับข้อมูลที่สังเกตได้เพื่อกำหนดปริมาณความสัมพันธ์ระหว่างตัวแปรสองกลุ่มซึ่งการมุ่งเน้นไปที่ความสัมพันธ์ระหว่างตัวแปรตามและตัวแปรอิสระหนึ่งตัวหรือมากกว่านั้น อย่างไรก็ตามความสัมพันธ์อาจไม่แน่นอนสำหรับจุดข้อมูลที่สังเกตได้ทั้งหมด ดังนั้นบ่อยครั้งการวิเคราะห์ดังกล่าวรวมถึงองค์ประกอบข้อผิดพลาดที่นำมาใช้กับบัญชีสำหรับปัจจัยอื่นทั้งหมด ความพยายามในการเข้าถึงความสัมพันธ์โดยที่ค่าเบี่ยงเบนจากค่า อ่านเพิ่มเติม »

มันคือการแจกแจงความถี่ซึ่งตัวเลขทั้งหมดจะแสดงเป็นเศษส่วนหรือร้อยละของขนาดตัวอย่างที่สมบูรณ์ มีไม่มากไป คุณเพิ่มหมายเลขความถี่ทั้งหมดเพื่อรับผลรวมทั้งหมด = ขนาดตัวอย่างของคุณ จากนั้นคุณหารทุกความถี่ด้วยขนาดตัวอย่างเพื่อให้ได้เศษความถี่สัมพัทธ์ คูณส่วนนี้ด้วย 100 เพื่อให้ได้เปอร์เซ็นต์ คุณสามารถแทรกเปอร์เซ็นต์ (หรือเศษส่วน) เหล่านี้ในคอลัมน์แยกหลังหมายเลขความถี่ของคุณ ความถี่สะสมหากคุณสั่งซื้อค่าเช่นคะแนนทดสอบในระดับตั้งแต่ 1-10 คุณอาจต้องการใช้ความถี่สะสม พวกเขาหมายถึง "ทุกอย่างจนถึงและรวมถึงค่านี้" ลองทำคะแนน ในแถวด้านหลัง "1" คุณกรอกหมายเลขความถี่ด้านหลัง "2" คุณเพิ่มหมายเลขสำหรับ "1&quo อ่านเพิ่มเติม »

ตารางความถี่สัมพัทธ์เป็นตารางที่บันทึกจำนวนข้อมูลในรูปแบบเปอร์เซ็นต์หรือความถี่ที่เกี่ยวข้อง มันถูกใช้เมื่อคุณพยายามที่จะเปรียบเทียบหมวดหมู่ภายในตาราง นี่คือตารางความถี่สัมพัทธ์ โปรดทราบว่าค่าของเซลล์ในตารางเป็นเปอร์เซ็นต์แทนที่จะเป็นความถี่จริง คุณสามารถค้นหาค่าเหล่านี้ได้โดยใส่ความถี่ของแต่ละคนลงบนยอดรวมของแถว ข้อดีของตารางความถี่สัมพัทธ์เหนือตารางความถี่คือด้วยเปอร์เซ็นต์คุณสามารถเปรียบเทียบหมวดหมู่ได้ อ่านเพิ่มเติม »

ความแปรปรวนร่วมตัวอย่างคือการวัดความแตกต่างของตัวแปรอย่างมากจากกันภายในตัวอย่าง ความแปรปรวนร่วมจะบอกคุณว่าตัวแปรสองตัวเกี่ยวข้องกันในระดับเชิงเส้นอย่างไร มันบอกคุณว่าความสัมพันธ์ X ของคุณนั้นมีความสัมพันธ์กับ Y มากแค่ไหนตัวอย่างเช่นถ้าความแปรปรวนร่วมของคุณมากกว่าศูนย์หมายถึงว่า Y ของคุณเพิ่มขึ้นเมื่อ X เพิ่มขึ้น ตัวอย่างในสถิติเป็นเพียงส่วนย่อยของประชากรหรือกลุ่มที่ใหญ่กว่า ตัวอย่างเช่นคุณสามารถนำตัวอย่างของโรงเรียนประถมหนึ่งแห่งในประเทศแทนที่จะรวบรวมข้อมูลจากโรงเรียนประถมทุกแห่งในประเทศ ดังนั้นความแปรปรวนร่วมตัวอย่างเป็นเพียงความแปรปรวนร่วมที่พบในตัวอย่าง สูตรการแปรปรวนตัวอย่างสามารถพบได้ที่นี่ อ่านเพิ่มเติม »

การกระจาย unimodal คือการกระจายที่มีหนึ่งโหมด การกระจาย unimodal คือการกระจายที่มีหนึ่งโหมด เราเห็นจุดสูงสุดที่ชัดเจนหนึ่งในข้อมูล ภาพด้านล่างแสดงการกระจายแบบ unimodal: ในทางตรงกันข้ามการกระจายแบบ bimodal มีลักษณะดังนี้: ในภาพแรกเราจะเห็นจุดสูงสุดหนึ่งจุด ในภาพที่สองเราเห็นว่ามีสองยอด การแจกแจงแบบ unimodal สามารถกระจายได้ตามปกติ แต่ไม่จำเป็นต้องเป็น อ่านเพิ่มเติม »

ดูคำอธิบายเมื่อมีข้อมูลตัวเลขจำนวนมากเป็นไปไม่ได้ที่จะตรวจสอบข้อมูลตัวเลขทุกตัวและถึงข้อสรุป ดังนั้นจึงมีความจำเป็นต้องลดข้อมูลให้เหลือเพียงหนึ่งหรือไม่กี่ตัวเพื่อให้การเปรียบเทียบเป็นไปได้ เพื่อจุดประสงค์นี้เรามีการวัดแนวโน้มกลางที่กำหนดไว้ในสถิติ การวัดแนวโน้มกลางทำให้เรามีค่าตัวเลขหนึ่งค่าที่สามารถใช้สำหรับการเปรียบเทียบ ดังนั้นมันจะต้องเป็นตัวเลขที่อยู่กึ่งกลางของข้อมูลปริมาณมาก - จุดดึงความโน้มถ่วงซึ่งมีค่าตัวเลขอื่น ๆ ดึงดูด ในกรณีเช่นนี้การเบี่ยงเบนของค่าแต่ละค่าจากการวัดส่วนกลางนี้บอกเราว่าข้อมูลมีความสอดคล้องหรือไม่สอดคล้องกัน อ่านเพิ่มเติม »

ส่วนใหญ่มีชุดข้อมูลสองประเภท - หมวดหมู่หรือเชิงคุณภาพ - ตัวเลขหรือปริมาณข้อมูลหมวดหมู่หรือข้อมูลที่ไม่ใช่ตัวเลข - ที่ตัวแปรมีค่าของการสังเกตในรูปแบบของหมวดหมู่ต่อไปก็สามารถมีสองประเภท - ระบุ b. ลำดับ a. ข้อมูลอันดับชื่อมีประเภทเช่น สถานภาพการสมรสจะเป็นข้อมูลเล็กน้อยเนื่องจากจะได้รับการสังเกตในหมวดหมู่ต่อไปนี้ - โสด, แต่งงาน, หย่าร้าง / แยกกัน, ม่าย b.Ordinal ข้อมูลจะใช้หมวดหมู่ที่มีชื่อด้วย แต่หมวดหมู่จะมีอันดับ เช่น. ความเสี่ยงในการได้รับการติดเชื้อจากโรงพยาบาลจะมีชุดข้อมูลที่เรียงตามหมวดหมู่เช่นข้อมูลสูง, ปานกลางและตัวเลขต่ำซึ่งตัวแปรใช้ค่าตัวเลข สามารถเป็นสองประเภทอีกครั้ง ไม่ต่อเนื่อง b. อย่างต่อเนื่อง ข้อมูลที่ไม่ต่อเ อ่านเพิ่มเติม »

การแจกแจงแบบปกติสมมาตรอย่างสมบูรณ์การแจกแจงแบบเบ้ไม่ใช่ ในการแจกแจงแบบเบ้ ๆ ในทางบวก "นิ้วเท้า" ที่ด้านที่ใหญ่กว่านั้นยาวกว่าอีกด้านหนึ่งทำให้เกิดค่ามัธยฐานและโดยเฉพาะอย่างยิ่งค่าเฉลี่ยเพื่อเลื่อนไปทางขวา ในการแจกแจงที่เบ้ไปในทางลบการเคลื่อนที่เหล่านี้ไปทางซ้ายเนื่องจาก "นิ้วเท้า" ที่ยาวขึ้นที่ค่าที่น้อยกว่า ในขณะที่อยู่ในโหมดการแจกแจงปกติแบบไม่บิดเบี้ยวค่ามัธยฐานและค่าเฉลี่ยอยู่ในค่าเดียวกัน (ภาพจากอินเทอร์เน็ต) อ่านเพิ่มเติม »

ค่าเฉลี่ยทั้งหมดนี้คือค่าต่ำสุดระหว่างผลรวมของความแตกต่างระหว่างค่า y จริงและค่า y ที่ทำนาย min sum_ (i = 1) ^ n (y_i-haty) ^ 2 หมายถึงค่าต่ำสุดระหว่างผลรวมของ resuidals ทั้งหมด min sum_ (i = 1) ^ nhatu_i ^ 2 ทั้งหมดนี้หมายถึงขั้นต่ำระหว่างผลรวมของความแตกต่าง ระหว่างค่า y จริงและค่า y ที่คาดการณ์ไว้ min sum_ (i = 1) ^ n (y_i-haty) ^ 2 วิธีนี้โดยการลดข้อผิดพลาดระหว่างการทำนายและข้อผิดพลาดที่คุณได้รับแบบที่ดีที่สุดสำหรับสายการถดถอย อ่านเพิ่มเติม »

การทดสอบไคสแควร์ของเพียร์สันสามารถอ้างถึงการทดสอบความเป็นอิสระหรือการทดสอบความฟิตที่ดี เมื่อเราอ้างถึง "การทดสอบไคสแควร์ของเพียร์สัน" เราอาจอ้างถึงหนึ่งในสองการทดสอบ: การทดสอบไคสแควร์ของเพียร์สันที่เป็นอิสระหรือการทดสอบความดีงามแบบไคสแควร์ของเพียร์สัน การทดสอบแบบพอดีจะตรวจสอบว่าการแจกแจงของชุดข้อมูลแตกต่างจากการแจกแจงเชิงทฤษฎีหรือไม่ ข้อมูลจะต้องไม่ถูกจับคู่ การทดสอบความเป็นอิสระกำหนดว่าการสังเกตแบบไม่มีตัวแปรของตัวแปรสองตัวนั้นเป็นอิสระจากกันหรือไม่ ค่าที่สังเกตได้ค่าที่คาดหวังการใช้สูตรไคสแควร์ช่วยให้คุณกำหนดสถิติไคสแควร์องศาอิสระและระดับนัยสำคัญของคุณและเปรียบเทียบผลลัพธ์ของคุณกับตารางการกระจายไคสแควร์ สำหรับข อ่านเพิ่มเติม »

ความแปรปรวนของประชากรคือจำนวนตัวเลขที่ประชากรแตกต่างจากกัน ความแปรปรวนของประชากรจะบอกคุณว่ามีการกระจายข้อมูลกันอย่างแพร่หลายอย่างไร ตัวอย่างเช่นหากค่าเฉลี่ยของคุณคือ 10 แต่คุณมีความแปรปรวนจำนวนมากในข้อมูลของคุณด้วยการวัดที่สูงกว่าและต่ำกว่า 10 คุณจะมีความแปรปรวนสูง หากประชากรของคุณมีค่าเฉลี่ย 10 และคุณมีความผันแปรน้อยมากโดยส่วนใหญ่ข้อมูลของคุณวัดเป็น 10 หรือใกล้เคียงกับ 10 คุณจะมีความแปรปรวนของประชากรต่ำ ความแปรปรวนของประชากรวัดได้ดังนี้ อ่านเพิ่มเติม »

การแจกแจงจะเบ้ถ้าหางหนึ่งของมันยาวกว่าอีกหาง เมื่อดูชุดข้อมูลมีความเป็นไปได้สามประการ ชุดข้อมูลมีความสมมาตรโดยประมาณซึ่งหมายความว่ามีคำศัพท์อยู่ทางด้านซ้ายของค่ามัธยฐานเท่ากับด้านขวา นี่ไม่ใช่การแจกแจงแบบเบ้ ชุดข้อมูลมีความเบ้เชิงลบซึ่งหมายความว่ามันมีหางที่ด้านลบของค่ามัธยฐาน นี่แสดงให้เห็นว่าตัวเองมีเข็มขนาดใหญ่ไปทางขวาเพราะมีแง่บวกมากมาย นี่คือการแจกแจงแบบเบ้ ชุดข้อมูลมีความเบ้เป็นบวกโดยมีหางไปทางด้านบวกของค่ามัธยฐาน ซึ่งหมายความว่ามีคำเชิงลบมากกว่า อ่านเพิ่มเติม »

Mean = ผลรวมของค่าทั้งหมด / จำนวนของค่าทั้งหมด โดยทั่วไปค่าเฉลี่ยเป็นตัวชี้วัดที่ดีที่สุดของแนวโน้มกลางเพราะคำนึงถึงคุณค่าทั้งหมดเข้าไว้ด้วยกัน แต่มันได้รับผลกระทบอย่างง่ายดายจากค่าที่มากที่สุด / ค่าผิดปกติ โปรดทราบว่าค่าเฉลี่ยสามารถกำหนดได้เฉพาะในช่วงเวลาและระดับอัตราส่วนของการวัดค่ามัธยฐานคือจุดกึ่งกลางของข้อมูลเมื่อมีการจัดเรียงตามลำดับ โดยทั่วไปแล้วเมื่อชุดข้อมูลมีค่ามากหรือมีการบิดเบือนในบางทิศทาง โปรดทราบว่าค่ามัธยฐานถูกกำหนดไว้ตามลำดับช่วงเวลาและอัตราส่วนของโหมดการวัดเป็นจุดที่เกิดขึ้นบ่อยที่สุดในข้อมูล เป็นการดีที่สุดสำหรับชุดข้อมูลที่มีค่ามัธยฐานและโหมดไม่ได้กำหนด โปรดทราบว่าโหมดนั้นกำหนดไว้ในระดับเล็กน้อยลำดับช่ว อ่านเพิ่มเติม »

ค่าเฉลี่ย = 9.22 ค่ามัธยฐาน = 9 โหมด = 10 ช่วง = 2 หมายถึง (เฉลี่ย) x ความถี่เครื่องหมายนับ 10 |||| 4 9 ||| 3 8 || 2 Total fx = (10 xx 4) + (9 xx 3) + (8 xx 2) = 40 +27 + 16 = 83 ความถี่ทั้งหมด = 4 + 3 + 2 = 9 bar x = (83) / 9 = 9.22 ได้รับแล้ว - 10,10,9,9,10,8,9,10 และ 8 จัดเรียงลำดับ 8, 8, 9, 9, 9, 10, 10, 10, 10, 10 เฉลี่ย = ((n + 1) / 2) รายการที่ = (9 + 1) / 2 = รายการที่ 5 = 9 โหมด = รายการที่เกิดขึ้นจำนวนครั้งโหมดโหมด = 10 ช่วง = ค่าที่ใหญ่ที่สุด - ช่วงค่าที่เล็กที่สุด = (10-8) ช่วง = 2 อ่านเพิ่มเติม »

P (0 <Z <0.94) = 0.3264 P (0 <Z <0.94) = P (Z <0.94) -P (Z <0) จากตารางที่เรามี P (0 <Z <0.94) = 0.8264-0.5 P ( 0 <Z <0.94) = 0.3264 อ่านเพิ่มเติม »

ในการตั้งค่าแบบทวินามมีผลลัพธ์ที่เป็นไปได้เพียงสองรายการต่อการลอง ขึ้นอยู่กับสิ่งที่คุณต้องการคุณเรียกหนึ่งในความเป็นไปได้ที่ล้มเหลวและอีกหนึ่งประสบความสำเร็จ ตัวอย่าง: คุณอาจเรียกการกลิ้ง 6 ด้วยการตาย Succes และไม่ใช่ -6 a Fail ขึ้นอยู่กับเงื่อนไขของเกมการกลิ้ง 6 อาจเสียค่าใช้จ่ายและคุณอาจต้องการย้อนกลับข้อกำหนด กล่าวโดยย่อ: มีเพียงสองผลลัพธ์ที่เป็นไปได้ต่อการลองและคุณอาจตั้งชื่อตามที่คุณต้องการ: สีขาว - ดำ, หัว - ท้าย, อะไรก็ตาม โดยปกติแล้วคนที่คุณใช้เป็น P ในการคำนวณเรียกว่า (น่าจะเป็น) Succes อ่านเพิ่มเติม »

"นี่หมายถึงความน่าจะเป็นของเหตุการณ์ A เมื่อเหตุการณ์ B เกิดขึ้น" "Pr (A | B) คือความน่าจะเป็นแบบมีเงื่อนไข" "นี่หมายถึงความน่าจะเป็นที่เหตุการณ์ A เกิดขึ้นโดยมีเงื่อนไขว่า" B เกิดขึ้น " "ตัวอย่าง:" "A = โยนลูกเต๋า 3 ตาด้วยลูกเต๋า" "B = ขว้างลูกเต๋าน้อยกว่า 4 ตาด้วยลูกเต๋า" "Pr (A) = 1/6" "Pr (A | B) = 1/3 (ตอนนี้ เรารู้เพียง 1,2 หรือ 3 ดวงตาเท่านั้นที่เป็นไปได้) " อ่านเพิ่มเติม »