统计学 - 正态分布



正态分布是一种数据排列方式,其中大部分值聚集在范围的中间,其余值对称地逐渐减小到两端。身高就是一个简单的例子,它遵循正态分布模式:大多数人的身高是平均身高,高于和低于平均身高的人数大致相等,极高或极矮的人数非常少(并且仍然大致相等)。这是一个正态分布曲线的例子。

Normal Distribution

正态分布的图形表示有时被称为钟形曲线,因为它形状像钟。精确的形状可能根据总体分布而有所不同,但峰值始终位于中间,曲线始终是对称的。在正态分布中,平均数、众数和中位数都相同。

公式

${y = \frac{1}{\sqrt {2 \pi}}e^{\frac{-(x - \mu)^2}{2 \sigma}} }$

其中 −

  • ${ \mu }$ = 平均数

  • ${ \sigma }$ = 标准差

  • ${ \pi \approx 3.14159 }$

  • ${ e \approx 2.71828 }$

示例

问题陈述

一项关于每日通勤时间的调查得出以下结果(以分钟为单位)

2633652834552544503626374362353845322834

平均值为 38.8 分钟,标准差为 11.4 分钟。将这些值转换为 z 分数,并绘制正态分布图。

解答

我们一直在使用的 z 分数公式

${ z = \frac{x - \mu}{\sigma} }$

其中 −

  • ${ z }$ = “z 分数”(标准分数)

  • ${ x }$ = 要标准化的值

  • ${ \mu }$ = 平均数

  • ${ \sigma }$ = 标准差

要转换 26

首先减去平均数:26 - 38.8 = -12.8,

然后除以标准差:-12.8 / 11.4 = -1.12

因此 26 比平均数低 1.12 个标准差

以下是前三个转换。

原始值计算标准分数 (z 分数)
26(26-38.8) / 11.4 =-1.12
33(33-38.8) / 11.4 =-0.51
65(65-38.8) / 11.4 =-2.30
.........

它们在图形上的表示如下

Normal Distribution
广告
© . All rights reserved.