Στατιστική

Η διακύμανση του πληθυσμού είναι η αριθμητική ποσότητα που ο πληθυσμός διαφέρει ο ένας από τον άλλο. Η διακύμανση του πληθυσμού σας δείχνει πόσο ευρέως διανέμονται τα δεδομένα. Για παράδειγμα, εάν ο μέσος όρος σας είναι 10, αλλά έχετε πολλές μεταβλητές στα δεδομένα σας, με μετρήσεις πολύ μεγαλύτερες και μικρότερες από 10, θα έχετε μεγάλη διακύμανση. Εάν ο πληθυσμός σας έχει μέσο όρο 10 και έχετε πολύ μικρές διακυμάνσεις, με τα περισσότερα από τα δεδομένα σας να έχουν μετρηθεί ως 10 ή σχεδόν 10, τότε θα έχετε μια μικρή διακύμανση του πληθυσμού. Η διακύμανση του πληθυσμού μετράται ως εξής: Διαβάστε περισσότερα »

Η ανάλυση παλινδρόμησης είναι μια μαθηματική διαδικασία για την εκτίμηση των σχέσεων μεταξύ των μεταβλητών. Η ανάλυση παλινδρόμησης μας επιτρέπει να υπολογίσουμε τη μέση τιμή της εξαρτημένης μεταβλητής για τις ανεξάρτητες μεταβλητές. Στη διαδικασία αξιολόγησης ο πρώτος στόχος είναι να βρεθεί μια συνάρτηση των ανεξάρτητων μεταβλητών που ονομάζονται συνάρτηση παλινδρόμησης. Η συνάρτηση μπορεί να είναι γραμμική ή πολυωνυμική. Στη θεωρία μαθηματικών υπάρχουν διάφορες μέθοδοι ανάλυσης ανάκτησης. Διαβάστε περισσότερα »

Μια κατανομή είναι στρεβλωμένη εάν μία από τις ουρές της είναι μεγαλύτερη από την άλλη. Όταν εξετάζετε ένα σύνολο δεδομένων, υπάρχουν ουσιαστικά τρεις δυνατότητες. Το σύνολο δεδομένων είναι κατά προσέγγιση συμμετρικό, που σημαίνει ότι υπάρχουν περίπου όλοι οι όροι στην αριστερή πλευρά της διάμεσης όπως στη δεξιά πλευρά. Αυτό δεν είναι λοξή διανομή. Το σύνολο δεδομένων έχει αρνητικό λοξό, πράγμα που σημαίνει ότι έχει μια ουρά στην αρνητική πλευρά του διάμεσου. Αυτό εκδηλώνεται με μια μεγάλη ακίδα προς τα δεξιά, επειδή υπάρχουν πολλοί θετικοί όροι. Αυτή είναι η λοξή διανομή. Το σύνολο δεδομένων έχει ένα θετικό λοξά με μια ου Διαβάστε περισσότερα »

Ρυθμίζεται για ερμηνευτική μεταβλητή προκατάληψη. Κάθε φορά που προσθέτετε μια πρόσθετη επεξηγηματική μεταβλητή σε μια πολυπαραγοντική παλινδρόμηση, το R-squared θα αυξήσει το προβάδισμα του στατιστικού να πιστεύει ότι υπάρχει ισχυρότερη συσχέτιση με τις πρόσθετες πληροφορίες. Προκειμένου να διορθωθεί αυτή η προς τα άνω τάση, χρησιμοποιείται το ρυθμισμένο R-τετράγωνο. Διαβάστε περισσότερα »

Μέσο = Άθροισμα όλων των τιμών / αριθμός τιμών. Το μέσο είναι συνήθως το καλύτερο μέτρο της κεντρικής τάσης, επειδή λαμβάνει υπόψη όλες τις αξίες. Αλλά επηρεάζεται εύκολα από οποιαδήποτε ακραία αξία / απόκλιση. Σημειώστε ότι η Μέση μπορεί να οριστεί μόνο με το διάστημα και το επίπεδο αναφοράς της μέτρησης. Η διάμεση τιμή είναι το μέσο σημείο των δεδομένων όταν είναι διατεταγμένο. Συνήθως, όταν το σύνολο δεδομένων έχει ακραίες τιμές ή είναι επικλινές προς κάποια κατεύθυνση. Σημειώστε ότι ο διάμεσος ορίζεται στο επίπεδο της κανονικής μέτρησης, του διαστήματος και της αναλογίας της μέτρησης. Η λειτουργία είναι το πιο συχνά εμ Διαβάστε περισσότερα »

Μέσος όρος = 9.22 Μεσαία = 9 Λειτουργία = 10 Εύρος = 2 μέση (μέση) x Συχνότητα βαθμολόγησης 10 |||| 4 9 ||| 3 8 || 2 Σύνολο fx = (10xx4) + (9xx3) + (8xx2) = 40 + 27 + 16 = 83 Συνολική συχνότητα = 4 + 3 + 2 = 9bar x = - 10,10,9,9,10,8,9,10 και 8 Τακτοποιήστε τα με αύξουσα σειρά 8, 8, 9, 9, 9, 10, 10, 10, 10 διάμεσος = ((n + 1) / 2) th item = (9 + 1) / 2 = 5ο τεμάχιο = 9 Mode = εκείνο το στοιχείο που εμφανίζεται περισσότερο πλήθος χρόνων = 10 Range = Largest Value - Διαβάστε περισσότερα »

(0 <Z <0.94) = 0.3264 P (0 <Z <0.94) = P (Z <0.94) -P (Z < 0 <Ζ <0,94) = 0,3264 Διαβάστε περισσότερα »

Σε μια διωνυμική ρύθμιση, υπάρχουν μόνο δύο πιθανά αποτελέσματα ανά δοκιμή. Ανάλογα με το τι θέλετε, καλέστε μία από τις δυνατότητες Fail και την άλλη μία Succes. Παράδειγμα: Μπορείτε να καλέσετε ένα κύλινδρο 6 με μια πεθαίνουν Succes, και μια μη-6 α Αποτυχία. Ανάλογα με τις συνθήκες του παιχνιδιού, το κυλιόμενο 6 μπορεί να σας κοστίσει χρήματα και ίσως να θέλετε να αντιστρέψετε τους όρους. Με λίγα λόγια: Υπάρχουν μόνο δύο πιθανά αποτελέσματα ανά δοκιμή, και μπορείτε να τα ονομάσετε όπως θέλετε: Λευκό-Μαύρο, Κεφάλια-Ουρές, οτιδήποτε. Συνήθως αυτό που χρησιμοποιείτε ως P σε υπολογισμούς ονομάζεται (πιθανότητα) Succes. Διαβάστε περισσότερα »

"Αυτό σημαίνει την πιθανότητα του γεγονότος Α όταν συμβεί το γεγονός Β" "Pr (A | B) είναι η πιθανότητα υπολογισμού". Msgstr "" "Αυτό σημαίνει την πιθανότητα να συμβεί το συμβάν Α, στην κατάσταση" "που συμβαίνει. "Ένα παράδειγμα:" "A = ρίχνοντας 3 μάτια με ένα ζάρι" "B = ρίχνοντας λιγότερα από 4 μάτια με ένα ζάρι" "Pr (A | B) = 1/3 γνωρίζουμε μόνο 1,2 ή 3 μάτια είναι δυνατά) " Διαβάστε περισσότερα »

Chi τετραγωνική δοκιμή της ανεξαρτησίας μας βοηθά να διαπιστώσουμε αν δύο ή περισσότερα χαρακτηριστικά συνδέονται ή όχι π.χ. είτε το παιχνίδι σκακιού συμβάλλει στην ενίσχυση του μαθηματικού του παιδιού είτε όχι. Δεν αποτελεί μέτρο του βαθμού σχέσης μεταξύ των χαρακτηριστικών. μας λέει μόνο αν δύο αρχές ταξινόμησης σχετίζονται σημαντικά ή όχι, χωρίς αναφορά σε υποθέσεις σχετικά με τη μορφή της σχέσης.chi τετραγωνική δοκιμή ομοιογένειας είναι μια επέκταση της chi τετραγωνικής δοκιμής της ανεξαρτησίας ... οι δοκιμές ομοιογένειας είναι χρήσιμες για να καθοριστεί αν δύο ή περισσότερα ανεξάρτητα τυχαία δείγματα προέρχονται από τ Διαβάστε περισσότερα »

Μια μήτρα συνδιακύμανσης είναι μια πιο γενικευμένη μορφή ενός απλού πίνακα συσχέτισης. Η συσχέτιση είναι μια κλιμακωτή έκδοση της συνδιακύμανσης. σημειώστε ότι οι δύο παράμετροι έχουν πάντα το ίδιο σήμα (θετικό, αρνητικό ή 0). Όταν το σήμα είναι θετικό, οι μεταβλητές λέγεται ότι είναι θετικά συσχετισμένες. όταν το σημείο είναι αρνητικό, οι μεταβλητές λέγεται ότι συσχετίζονται αρνητικά. και όταν το σύμβολο είναι 0, οι μεταβλητές λέγεται ότι είναι χωρίς συσχετισμό. Σημειώστε επίσης ότι η συσχέτιση είναι αδιάστατη, αφού ο αριθμητής και ο παρονομαστής έχουν τις ίδιες φυσικές μονάδες, δηλαδή το προϊόν των μονάδων των Χ και Υ. Κ Διαβάστε περισσότερα »

Μια διακριτή τυχαία μεταβλητή έχει έναν πεπερασμένο αριθμό πιθανών τιμών. Μια συνεχής τυχαία μεταβλητή θα μπορούσε να έχει οποιαδήποτε τιμή (συνήθως μέσα σε ένα ορισμένο εύρος). Μια διακριτή τυχαία μεταβλητή είναι συνήθως ένας ακέραιος μολονότι μπορεί να είναι ένα λογικό κλάσμα. Ως παράδειγμα μιας διακριτής τυχαίας μεταβλητής: η τιμή που προκύπτει από την κύλιση ενός τυποποιημένου μήτρας 6 πλευρών είναι μια διακριτή τυχαία μεταβλητή που έχει μόνο τις πιθανές τιμές: 1, 2, 3, 4, 5 και 6. Ως δεύτερο παράδειγμα ενός διακριτή τυχαία μεταβλητή: το κλάσμα των επόμενων 100 οχημάτων που περνούν από το παράθυρό μου που είναι μπλε φο Διαβάστε περισσότερα »

Ένας τρόπος να γνωρίζουμε διακριτά ή συνεχή είναι ότι στην περίπτωση διακριτών ένα σημείο θα έχει μάζα, και σε συνεχές σημείο δεν έχει μάζα. αυτό γίνεται καλύτερα κατανοητό κατά την παρατήρηση των γραφημάτων. Ας δούμε πρώτα το Discrete. Ρίξτε μια ματιά στην ειδοποίησή της για το πώς η μάζα κάθεται στα σημεία; τώρα κοιτάξτε το cdf του παρατηρεί πώς οι τιμές ανεβαίνουν σε βήματα, και ότι η γραμμή δεν είναι συνεχής; αυτό δείχνει επίσης πώς υπάρχει μάζα στο σημείο στο pmf Τώρα θα εξετάσουμε τη συνεχή υπόθεση παρατηρήστε την ανακοίνωσή του pdf πώς η μάζα δεν βρίσκεται σε ένα σημείο, αλλά μεταξύ δύο σημείων; και τώρα για να δούμ Διαβάστε περισσότερα »

Ανατρέξτε στην παράγραφο εξήγησης Πληθυσμός πληθυσμού = (άθροισμα (x-barx) ^ 2) / N Όπου - x είναι η παρατήρηση barx είναι η μέση της σειράς N είναι το μέγεθος του πληθυσμού Απόκλιση δείγματος = (άθροισμα (x-barx) (n-1) Όπου - x είναι ο παρατηρητής barx είναι ο μέσος όρος της σειράς n-1 είναι βαθμοί ελευθερίας (όπου n είναι το μέγεθος του δείγματος). Διαβάστε περισσότερα »

Στην πραγματικότητα υπάρχουν τρεις κύριοι τύποι δεδομένων. Τα ποιοτικά ή κατηγορηματικά δεδομένα δεν έχουν λογική σειρά και δεν μπορούν να μεταφραστούν σε αριθμητική τιμή. Το χρώμα των ματιών είναι ένα παράδειγμα, επειδή το «καφέ» δεν είναι υψηλότερο ή χαμηλότερο από το «μπλε». Τα ποσοτικά ή αριθμητικά δεδομένα είναι αριθμοί και έτσι «επιβάλλουν» μια παραγγελία. Παραδείγματα είναι η ηλικία, το ύψος, το βάρος. Αλλά προσέξτε! Δεν είναι όλα ποσοτικά δεδομένα ποσοτικά. Ένα παράδειγμα εξαίρεσης είναι ο κώδικας ασφαλείας στην πιστωτική σας κάρτα - δεν υπάρχει λογική σειρά μεταξύ τους. Τα δεδομένα κα Διαβάστε περισσότερα »

Εξαρτάται από το αν η σειρά είναι σημαντική. Παράδειγμα: Ας πούμε ότι επιλέγετε μια επιτροπή τριών για να εκπροσωπήσετε την τάξη των 30 μαθητών: Για το πρώτο μέλος έχετε 30 επιλογές Για το δεύτερο έχετε 29 Για το τρίτο έχετε 28 Για ένα σύνολο 30 * 29 * 28 = 24360 πιθανόν μεταλλάξεις Τώρα αυτό υποθέτει ότι η σειρά επιλογής είναι σχετική: η πρώτη θα ονομάζεται «πρόεδρος», η δεύτερη θα είναι «γραμματέας» και η τρίτη θα είναι απλώς «μέλος». Εάν δεν συμβαίνει αυτό (και τα τρία είναι ίσα) τότε η σειρά με την οποία συλλέγονται δεν είναι σημαντική. Με τρία διαλεχθέντα υπάρχουν 3 * 2 * 1 = 3! = 6 πιθαν Διαβάστε περισσότερα »

Η κύρια διαφορά είναι ότι τα συνεχή δεδομένα είναι μετρήσιμα και τα διακριτά δεδομένα μπορούν να έχουν μόνο ορισμένες τιμές. Μπορεί να είναι μετρήσιμα. Παραδείγματα συνεχών: ** Το ύψος, το βάρος, το εισόδημα είναι μετρήσιμα και μπορούν να έχουν οποιαδήποτε αξία. Παραδείγματα διακριτών: Στην πραγματικότητα υπάρχουν δύο είδη διακριτών δεδομένων: Λογικός: Αριθμός παιδιών. Μεταβλητή κλάσης: Χρώμα ματιών Διαβάστε περισσότερα »

Βλέπε παρακάτω: Ας δούμε τους αριθμούς 1, 2, 3, 4, 5. Ο μέσος όρος είναι το άθροισμα των αξιών που διαιρούνται με τον αριθμό: 15/5 = 3 Ο διάμεσος είναι ο μεσοπρόθεσμος όταν αναγράφεται σε αύξουσα (ή φθίνουσα! ), η οποία είναι 3. Έτσι, σε αυτή την περίπτωση είναι ίσες. Ο μέσος όρος και ο διάμεσος θα αντιδρούν διαφορετικά σε διαφορετικές αλλαγές στο σύνολο δεδομένων. Για παράδειγμα, εάν αλλάξω το 5 σε 15, ο μέσος όρος θα αλλάξει σίγουρα (25/5 = 5) αλλά ο διάμεσος θα παραμείνει ο ίδιος στο 3. Εάν το σύνολο δεδομένων αλλάξει όπου το άθροισμα των τιμών είναι 15, οι διάμετροι θα μετακινηθούν αλλά ο μέσος όρος θα παραμείνει: 1,1, Διαβάστε περισσότερα »

Οι βαθμοί ελευθερίας διακύμανσης είναι n, αλλά οι βαθμοί ελευθερίας της διακύμανσης δείγματος είναι n-1 Σημειώστε ότι η "Απόκλιση" = 1 / n sum_ (i = 1) ^ n (x_i - bar x) = 1 / (n-1) άθροισμα (i = 1) ^ n (x_i - bar x) ^ 2 Διαβάστε περισσότερα »

Η διάμεση τιμή είναι 39 Μέσος όρος είναι: 39 7/12 Ο μέσος όρος των αριθμών είναι το άθροισμα όλων των αριθμών διαιρούμενο με την ποσότητα τους. Σε αυτή την περίπτωση ο μέσος όρος είναι: bar (x) = 475/12 = 39 7/12 Η μέση τιμή ενός αριθμού με αυξανόμενη σειρά αριθμών είναι Ο "μεσαίος" αριθμός για ένα σύνολο με περίεργη ποσότητα αριθμών Ο μέσος όρος των 2 "μεσαίων" αριθμών για ένα σύνολο με ομοιόμορφη ποσότητα αριθμών. Το δεδομένο σετ έχει ήδη παραγγελθεί ώστε να μπορέσουμε να υπολογίσουμε τη διάμεση τιμή. Στο δεδομένο σύνολο υπάρχουν 12 αριθμοί, οπότε πρέπει να βρούμε τα στοιχεία 6 και 7 και να υπολογίσου Διαβάστε περισσότερα »

Το προσαρμοσμένο R-τετράγωνο ισχύει μόνο για την πολλαπλή παλινδρόμηση Καθώς προσθέτετε περισσότερες ανεξάρτητες μεταβλητές σε πολλαπλή παλινδρόμηση, αυξάνεται η τιμή του R-τετράγωνου δίνοντας την εντύπωση ότι έχετε ένα καλύτερο μοντέλο που δεν είναι απαραίτητα η περίπτωση. Χωρίς να μπει σε βάθος, το προσαρμοσμένο R-τετράγωνο θα λάβει υπόψη αυτή την προκατάληψη της αύξησης του R-τετράγωνου. Αν εξετάσετε τυχόν αποτελέσματα πολλαπλής παλινδρόμησης, θα παρατηρήσετε ότι το προσαρμοσμένο R-τετράγωνο είναι ΠΑΝΩ μικρότερο από το R-τετράγωνο επειδή έχει αφαιρεθεί η προκατάληψη. Ο στόχος του στατιστικού είναι να βελτιστοποιήσει τον Διαβάστε περισσότερα »

VAR.S> VAR.P VAR.S υπολογίζει τη διακύμανση λαμβάνοντας τα δεδομένα δεδομένα είναι ένα δείγμα. Το VAR.P υπολογίζει τη διακύμανση, υποθέτοντας ότι τα δεδομένα δεδομένα είναι ένας πληθυσμός. VAR.S = frac { sum (x - bar {x}) ^ 2} {n - 1} VAR.P = Δεδομένου ότι χρησιμοποιείτε τα ίδια δεδομένα και για τα δύο, το VAR.S θα δώσει πάντα υψηλότερη τιμή από το VAR.P. Αλλά θα πρέπει να χρησιμοποιήσετε το VAR.S επειδή τα δεδομένα δεδομένα είναι στην πραγματικότητα δεδομένα δείγματος. Επεξεργασία: Γιατί διαφέρουν οι δύο τύποι; Ελέγξτε τη διόρθωση του Bessel. Διαβάστε περισσότερα »

Ο ευκολότερος υπολογισμός του μέσου όρου της απόστασης μεταξύ κάθε σημείου δεδομένων και του μέσου όρου. Ωστόσο, αν το υπολογίσετε απευθείας, θα καταλήξετε με το μηδέν. Για να το πετύχουμε αυτό, υπολογίζουμε το τετράγωνο της απόστασης, παίρνουμε τον μέσο όρο, τότε τετραγωνική ρίζα για να πάρουμε πίσω την αρχική κλίμακα. Αν τα δεδομένα είναι x_i, το i είναι από 1 έως n, (x_1, x_2, ....., x_n) και ο μέσος όρος είναι x, τότε Std dev = sqrt ((άθροισμα (x_i - bar x) ^ 2) / n) Διαβάστε περισσότερα »

(= (x-barx) ^ 2) / n Όπου - x είναι η barx παρατήρησης είναι η μέση της σειράς n είναι ο αριθμός των αντικειμένων ή παρατηρήσεων Διαβάστε περισσότερα »

Ε (x) = 1.52 + .5y sigma (x) = sqrt (3.79136 + .125y ^ 2) η αναμενόμενη τιμή του x στη διακριτή περίπτωση είναι E (x) (x = y) = .5 και η τυπική απόκλιση sigma (x) = sqrt (άθροισμα (xE (x) = 1) )) 2p (x) E (x) = 0 * .16 + 1 * .04 + 2 * .24 + 5 * .2 + y * .5 = 1.52 + .5y sigma -0 * .16) ^ 2 .16 + (1-1 * .04) ^ 2 .04 + (2-2 * .24) ^ 2.24 + (5-5 * .2) ^ 2 * .2 + (y - .5y) ^ 2.5) sigma (x) = sqrt (.96) ^ 2.04 + (1.52) ^ 2.24 + (5-5 * .2) (X) = sqrt (3.79136 + .125y ^ 2) Διαβάστε περισσότερα »

Q_1 = 15 Εάν διαθέτετε έναν υπολογιστή TI-84 στο χέρι: Μπορείτε να ακολουθήσετε αυτά τα βήματα: Αρχικά τοποθετήστε τους αριθμούς στη σειρά. Στη συνέχεια, πατήστε το πλήκτρο stat. Στη συνέχεια "1: Επεξεργασία" και προχωρήστε και εισαγάγετε τις τιμές σας στη σειρά Μετά από αυτό πατήστε ξανά το κουμπί STAT και μεταβείτε στο "CALC" και πατήστε "1: 1-Var Stats" πιέστε τον υπολογισμό. Στη συνέχεια, μετακινηθείτε προς τα κάτω μέχρι να δείτε Q_1. Αυτή η τιμή είναι η απάντησή σας :) Διαβάστε περισσότερα »

Κοιτάξτε παρακάτω :) Θα καθορίσετε πρώτα την τιμή των Q_1 και Q_3. Μόλις εντοπίσετε αυτές τις τιμές, αφαιρείτε: Q_3-Q_1 Αυτό ονομάζεται περιοχή μεταξύ τεταρτημορίων. Τώρα πολλαπλασιάζετε το αποτέλεσμα σας με 1,5 (Q_3-Q_1) xx 1,5 = R R = "το αποτέλεσμά σας" Στη συνέχεια, προσθέτετε το αποτέλεσμα (R) στο Q_3 R + Q_3 Και αφαιρείτε Q_1 - R Θα έχετε δύο αριθμούς. Οποιοσδήποτε αριθμός βρίσκεται έξω από αυτό το εύρος θεωρείται πλεονάζον. Εάν χρειάζεστε περαιτέρω διευκρινίσεις παρακαλώ ρωτήστε! Διαβάστε περισσότερα »

Η εξίσωση για τη γραμμική παλινδρόμηση των ελαχίστων τετραγώνων: y = mx + b όπου m = (άθροισμα x_iy_i) - (άθροισμα x_i άθροισμα y_i) / n) / (άθροισμα x_i ^ 2 - ((άθροισμα x_i) ^ 2) b = (άθροισμα y_i - m άθροισμα x_i) / n για μια συλλογή n ζευγών (x_i, y_i) Αυτό φαίνεται φρικτό να αξιολογηθεί (και είναι, αν το κάνετε με το χέρι)? αλλά χρησιμοποιώντας έναν υπολογιστή (με, για παράδειγμα, ένα υπολογιστικό φύλλο με στήλες: y, x, xy και x ^ 2) δεν είναι πολύ κακό. Διαβάστε περισσότερα »

~ ~ 7.35 Θυμηθείτε ότι ο γεωμετρικός μέσος όρος μεταξύ δύο αριθμών a και b είναι το χρώμα (καφέ) (sqrt (ab) Έτσι, ο γεωμετρικός μέσος όρος μεταξύ 3 και 18 είναι rarrsqrt (3 * 18) rarrsqrt (54) ~~ 7.35 Διαβάστε περισσότερα »

3.742 "" στρογγυλεμένο με 3 δεκαδικά ψηφία Ο γεωμετρικός μέσος όρος των 2 αριθμών μπορεί να γραφεί ως: 2 / x = x / 7 "" μεγαλύτερος πολλαπλασιασμός σταυρός δίνει: x ^ 2 = 2xx7 x ^ 2 = 14 x = sqrt14 x = 3.742 " " Διαβάστε περισσότερα »

"Η GM του" 81 και 4, "εξ ορισμού, είναι" sqrt (81xx4) = 18. Διαβάστε περισσότερα »

Το εύρος είναι 0.532 Για να βρείτε το εύρος ενός συνόλου αριθμών, βρίσκετε τη διαφορά μεταξύ της μικρότερης τιμής και της μεγαλύτερης τιμής. Έτσι, πρώτα, αναδιατάξτε τους αριθμούς από το λιγότερο στο μεγαλύτερο. 0.118, 0.167, 0.321, 0.427, 0.541, 0.65 Μπορείτε να δείτε, όπως φαίνεται παραπάνω, ότι ο μικρότερος αριθμός είναι 0.118 και ο μεγαλύτερος αριθμός είναι 0.65. Δεδομένου ότι πρέπει να βρούμε τη διαφορά, το επόμενο βήμα είναι να αφαιρέσουμε τη μικρότερη τιμή από τη μεγαλύτερη τιμή. 0.65 - 0.118 = 0.532 Έτσι, το εύρος είναι 0.532 Διαβάστε περισσότερα »

Ο αρμονικός μέσος είναι ένας τύπος μέσου όρου που αντιπροσωπεύεται από τον ακόλουθο τύπο. Η = η / (1 / χ_1 + 1 / χ ^ 2 ... + 1 / χ_η). Ο μέσος όρος αρμονικών είναι ένας συγκεκριμένος τύπος μέσου όρου που χρησιμοποιείται για τον υπολογισμό μέσων μονάδων ή ρυθμών, όπως ταχύτητα ταχύτητας. Είναι διαφορετικό από τον αριθμητικό μέσο και είναι πάντα χαμηλότερο. Ο τύπος είναι: H = n / (1 / x_1 + 1 / x ^ 2 ... + 1 / x_n) n αντιπροσωπεύει τον αριθμό των όρων στο σύνολο δεδομένων. Το x_1 αντιπροσωπεύει την πρώτη τιμή στο σετ. Για παράδειγμα, λάβετε το ακόλουθο πρόβλημα. Ποιος είναι ο αρμονικός μέσος όρος των 2,4,5,8,10; Η = 5 / (1/2 Διαβάστε περισσότερα »

Αν X = η βαθμολογία μαθηματικών και το Y = η λεκτική βαθμολογία, E (X) = 720 και SD (X) = 100 E (Y) = 640 και SD (Y) = 100 Δεν μπορείτε να προσθέσετε αυτές τις τυπικές αποκλίσεις απόκλιση για το σύνθετο σκορ. Ωστόσο, μπορούμε να προσθέσουμε διαφορές. Η απόκλιση είναι το τετράγωνο της τυπικής απόκλισης. var (X + Y) = var (Χ) + var (Υ) = SD2 (Χ) + SD ^ 2 (Υ) = 100 ^ 2 + 100 ^ 2 = 20000 var δεδομένου ότι θέλουμε την τυπική απόκλιση, πάρτε απλά την τετραγωνική ρίζα αυτού του αριθμού. Για το λόγο αυτό, η τυπική απόκλιση της σύνθετης βαθμολογίας για τους μαθητές της τάξης είναι 141. Διαβάστε περισσότερα »

Εισαγάγετε πρώτα τα δεδομένα σε δύο λίστες. Θα χρησιμοποιήσω παρενθέσεις για να υποδείξω ένα κουμπί στην αριθμομηχανή και ΟΛΑ ΤΑ CAPS για να υποδείξω τη λειτουργία που θα χρησιμοποιήσω. Ας X και Y είναι οι δύο μεταβλητές σας, που αντιστοιχούν σε μια συλλογή σημείων. Πατήστε [STAT] και, στη συνέχεια, επιλέξτε EDIT ή πατήστε [ENTER]. Αυτό θα ανοίξει τις λίστες όπου θα εισάγετε τα δεδομένα. Εισαγάγετε όλες τις τιμές για το X στη λίστα 1, μία προς μία. Βάλτε μια τιμή σε, και στη συνέχεια πιέστε [ENTER] για να μετακινηθείτε προς τα κάτω στην επόμενη γραμμή. Τώρα εισάγετε όλες τις τιμές για το Y στη λίστα 2 με τον ίδιο τρόπο. Τώ Διαβάστε περισσότερα »

Ένα ιστόγραμμα είναι ένας γρήγορος τρόπος για να λάβετε πληροφορίες σχετικά με μια κατανομή δειγμάτων χωρίς λεπτομερή στατιστική γραφική παράσταση ή ανάλυση. Χωρίς να χρειάζεται να έχετε ένα καλό πρόγραμμα γραφικών, σχεδιάζοντας ένα ιστόγραμμα μπορεί να σας δώσει μια γρήγορη απεικόνιση της κατανομής των δεδομένων σας. Είναι σημαντικό να επιλέξετε το σωστό μέγεθος "bin" (ομάδες δεδομένων) για να έχετε την καλύτερη προσέγγιση καμπύλης. Αυτή η γραφική παράσταση θα σας δείξει εάν οι τιμές των δεδομένων σας είναι κεντροθετημένες (κανονικά κατανεμημένες), λοξή προς τη μία ή την άλλη πλευρά ή έχουν περισσότερες από μία Διαβάστε περισσότερα »

Οι περιγραφικές στατιστικές είναι η πειθαρχία της ποσοτικής περιγραφής των βασικών χαρακτηριστικών μιας συλλογής πληροφοριών ή της ίδιας της ποσοτικής περιγραφής. Οι περιγραφικές στατιστικές είναι πολύ σημαντικές, διότι εάν παρουσιάσαμε απλά τα ακατέργαστα δεδομένα μας, θα ήταν δύσκολο να παρατηρήσουμε τι δείχνουν τα δεδομένα, ειδικά αν υπήρχαν πολλά. Επομένως, τα περιγραφικά στατιστικά στοιχεία μας επιτρέπουν να παρουσιάσουμε τα δεδομένα με πιο ουσιαστικό τρόπο, γεγονός που επιτρέπει την απλούστερη ερμηνεία των δεδομένων. Για παράδειγμα, αν είχαμε τα αποτελέσματα 100 μαθημάτων μαθημάτων, ίσως μας ενδιαφέρει η συνολική από Διαβάστε περισσότερα »

IQR = 16 "ρυθμίστε το σύνολο δεδομένων με αύξουσα σειρά" 71color (λευκό) (x) 72color (λευκό) (x) χρώμα (ματζέντα) (73) χρώμα (άσπρο) (x) 82color (λευκό) ) Χρώμα (άσπρο) (x) 86Χρώμα (άσπρο) (x) 92χρώματα (λευκό) (x) (Q_2) = (85 + 86) /2=85.5 "το κατώτερο τεταρτημόριο" χρώμα (ματζέντα) (Q_1) = χρώμα (ματζέντα) (73) "η διαίρεση των δεδομένων σε 4 ομάδες" ανώτατο τεταρτημόριο "χρώμα (ματζέντα) (Q_3) = χρώμα (ματζέντα) (89)" διακταριτιδικής εμβέλειας "(IQR) = Q_3-Q_1 χρώμα (λευκό) rangexxxxx) = 16 Διαβάστε περισσότερα »

IQR = 19 (ή 17, βλέπε σημείωση στο τέλος της επεξήγησης) Η περιοχή μεταξύ τεταρτημορίων (IQR) είναι η διαφορά μεταξύ της τιμής του 3ου τεταρτημορίου (Q3) και της τιμής του πρώτου τεταρτημορίου (Q1) ενός συνόλου τιμών. Για να το βρούμε αυτό, πρέπει πρώτα να ταξινομήσουμε τα δεδομένα με αύξουσα σειρά: 55, 58, 59, 62, 67, 67, 72, 75, 76, 79, 80, 80, 85 Τώρα προσδιορίζουμε τη διάμεση τιμή της λίστας. Ο διάμεσος είναι γενικά γνωστός ως ο αριθμός είναι το "κέντρο" του αύξοντα ταξινομημένου καταλόγου τιμών. Για τους καταλόγους με μονό αριθμό καταχωρήσεων, αυτό είναι εύκολο να γίνει, καθώς υπάρχει μία μόνο τιμή για την ο Διαβάστε περισσότερα »

31/48 = 64.583333% = 0.6453333 Το πρώτο βήμα για την επίλυση αυτού του προβλήματος είναι να υπολογίσετε το συνολικό ποσό των παιδιών, ώστε να μπορείτε να υπολογίσετε πόσα παιδιά πήγαν στην Ευρώπη για το πόσα παιδιά έχετε συνολικά. Θα φαίνεται σαν 124 / t, όπου t αντιπροσωπεύει το συνολικό ποσό των παιδιών. Για να καταλάβουμε τι είναι t, βρίσκουμε 68 + 124 δεδομένου ότι μας δίνει το άθροισμα όλων των παιδιών που ερευνήθηκαν. 68 + 124 = 192 Έτσι, 192 = t Η έκφρασή μας γίνεται τότε 124/192. Τώρα για να απλουστεύσετε: (124-: 4) / (192-: 4) = 31/48 Δεδομένου ότι ο 32 είναι ένας πρωταρχικός αριθμός, δεν μπορούμε πλέον να απλοποι Διαβάστε περισσότερα »

0 διαισθητικά 0 διακύμανση χρησιμοποιώντας τη διαφορά τετραγωνικής διαφοράς είναι (x-mu) ^ 2. Υπάρχουν βέβαια και άλλες επιλογές, αλλά γενικά το τελικό αποτέλεσμα δεν θα είναι αρνητικό. Σε γενικές γραμμές, η χαμηλότερη δυνατή τιμή είναι 0, επειδή αν x = mu rightarrow (x-mu) ^ 2 = 0 x> mu rightarrow (x-mu) ^ 2> 0 x <mu rightarrow (x-mu) Διαβάστε περισσότερα »

Έστω η μέση (αναμενόμενη τιμή) μιας διακριτής τυχαίας μεταβλητής X που μπορεί να πάρει τις τιμές x_ {{x} {x} {x} = E [X] = sum_ {i = 1} ^ { 1), x_ {2}, x_ {3}, ... με πιθανότητες P (X = x_ {i}) = p_ {i} (αυτές οι λίστες μπορεί να είναι πεπερασμένες ή άπειρες και το άθροισμα μπορεί να είναι πεπερασμένο ή άπειρο). Η διακύμανση είναι sigma_ {X} ^ {2} = E [(X-mu_ {X}) ^ 2] = sum_ {i = 1} ^ { p_ {i} Η προηγούμενη παράγραφος είναι ο ορισμός της διακύμανσης sigma_ {X} ^ {2}. Το επόμενο bit της άλγεβρας, χρησιμοποιώντας τη γραμμικότητα του χειριστή της αναμενόμενης τιμής Ε, δείχνει μια εναλλακτική φόρμουλα για αυτό, η οποία είναι Διαβάστε περισσότερα »

Ο τύπος είναι ο ίδιος είτε πρόκειται για μια διακριτή τυχαία μεταβλητή είτε για μια συνεχή τυχαία μεταβλητή. ανεξάρτητα από τον τύπο της τυχαίας μεταβλητής, ο τύπος για τη διακύμανση είναι sigma ^ 2 = E (X ^ 2) - [E (X)] ^ 2. Ωστόσο, αν η τυχαία μεταβλητή είναι διακριτή, χρησιμοποιούμε τη διαδικασία αθροίσματος. Στην περίπτωση μιας συνεχούς τυχαίας μεταβλητής, χρησιμοποιούμε το ολοκλήρωμα. E (X ^ 2) = int_-infty ^ infty x ^ 2f (x) dx. E (X) = int_-infty ^ infty x f (x) dx. Από αυτό, παίρνουμε sigma ^ 2 με υποκατάσταση. Διαβάστε περισσότερα »

Μέση τιμή E (X) = 0 και διακύμανση "Var" (X) = 6/5. Σημειώστε ότι E (X) = int_-1 ^ 1 x * (3x ^ 2) "" dx = int_-1 ^ 1 3x ^ 3 "" dx = 1, 1 ")") = 0 Επίσης σημειώστε ότι "Var" (x) = E (X ^ 2) - (E (X) 1, 1 ")" - 0 ^ 2 = 3/5 * (1 + 1) = 6/5 Διαβάστε περισσότερα »

Προϋπόθεση υπό όρους είναι η πιθανότητα ενός δεδομένου συμβάντος, υποθέτοντας ότι γνωρίζετε το αποτέλεσμα άλλου γεγονότος. Εάν δύο γεγονότα είναι ανεξάρτητα, η υπό όρους πιθανότητα ενός γεγονότος που δίνεται στον άλλο είναι απλά ίση με τη συνολική πιθανότητα αυτού του γεγονότος. Η πιθανότητα του Α που δίνεται Β γράφεται ως P (A | B). Πάρτε για παράδειγμα δύο εξαρτώμενες μεταβλητές. Ορίστε το A ως "Ένα τυχαίο όνομα του αμερικανικού προέδρου είναι ο Γιώργος" και το Β να είναι "Το τυχαίο όνομα του αμερικανικού προέδρου είναι ο Μπους". Συνολικά, υπήρξαν 44 πρόεδροι, εκ των οποίων 3 ονομάστηκαν Γιώργος. 2 απ Διαβάστε περισσότερα »

Μέσος όρος είναι ο μέσος όρος των αριθμών "μέσος όρος" = (3,56 + 4,4 + 6,25 + 1,2 + 8,52 + 1,2) / 6 "μέσος όρος = 4 113/600 Μεσαία = μεσαίος "αριθμός όταν τοποθετείτε τους αριθμούς σας σε αύξουσα σειρά 1.20,1.20,3.56,4.40,6.25,8.52 Δεδομένου ότι υπάρχουν 6 αριθμοί, τότε ο" μεσαίος αριθμός "είναι ο μέσος όρος του 3ου και 4ου αριθμού" διάμεσος "= (3,56+ 4.40) /2=3.98 Η λειτουργία είναι ο αριθμός που εμφανίζεται το πιο πολύ που σε αυτή την περίπτωση είναι 1,20 αφού συμβαίνει δύο φορές Διαβάστε περισσότερα »

Μέσος όρος: 14 + 15 + 22 + 15 + 2 + 16 + 17 + 13 = 114 114/8 = 14.25 Προσθέστε όλους τους αριθμούς μέχρι τότε διαιρέστε με το πόσες υπάρχουν. Μεσαία: 2, 13, 14, 15, 15, 16, 17, 22 Γραμμή των αριθμών με τη σειρά από το χαμηλότερο στο υψηλότερο και στη συνέχεια επιλέξτε τη μεσαία τιμή, στην περίπτωση αυτή, στη μέση. Τρόπος λειτουργίας: Η πιο συνηθισμένη τιμή είναι 15, αν ελέγξετε προσεκτικά. Ας ελπίσουμε ότι αυτό είναι χρήσιμο ... Διαβάστε περισσότερα »

Ο μέσος όρος είναι ο μέσος όρος ενός συνόλου δεδομένων, ο τρόπος είναι ο συχνότερος αριθμός που εμφανίζεται σε ένα σύνολο δεδομένων και ο διάμεσος είναι ο αριθμός στη μέση του συνόλου δεδομένων. Ο μέσος όρος θα υπολογίζεται με την προσθήκη όλων των αριθμών up και διαιρώντας με το ποσό των αριθμών που υπάρχουν στο σύνολο (6 αριθμοί). 1 + 4 + 5 + 6 + 10 + 25 = 51 51/6 = 8.5 rarr Αυτό είναι ο μέσος όρος Δεδομένου ότι όλοι οι αριθμοί στο σύνολο σας εμφανίζονται μία φορά, δεν υπάρχει τρόπος. Εάν το σετ σας είχε ένα επιπλέον 4 ή είχε τρία 5, για παράδειγμα, τότε θα είχε ένα ξεχωριστό τρόπο. Κατατάξτε όλους τους αριθμούς με τη σε Διαβάστε περισσότερα »

(31 + 28 + 30 + 31 + 30) / 5 = 150/5 = το μέσο όρο = 30 Η διάμεση τιμή είναι η μεσαία τιμή σε μια σειρά τιμών από το χαμηλότερο στο υψηλότερο (ή το υψηλότερο στο χαμηλότερο - απλά δεν μπορούν να ανακατωθούν): 28,30,30,31,31 διάμεσος = 30 Η κατάσταση είναι η τιμή που αναφέρεται πιο συχνά. Στην περίπτωση αυτή, και τα 30 και τα 31 παρατίθενται δύο φορές, επομένως είναι και τα δύο. Διαβάστε περισσότερα »

Barx = 14 Μ = 12 Ζ = 12 μέσος όρος barx = (άθροισμα) / n = 70/5 = 14 barx = 14 διάμεσος Μ = (n + 1) / 2 ο στοιχείο = (5 + 1) / 2 = 6/2 = 3ο στοιχείο M = 12 Ο τρόπος λειτουργίας [Z] είναι ο αριθμός που εμφανίζεται κατά το μεγαλύτερο μέρος του χρόνου. Στην δεδομένη κατανομή 12 εμφανίζεται 2 φορές. Ζ = 12 Διαβάστε περισσότερα »

Μέσος όρος: 87.5 Τρόπος λειτουργίας NO: Μέσος όρος: 88 Μέσος όρος = "άθροισμα όλων των αριθμών" / "πόσοι αριθμοί υπάρχουν" Υπάρχουν 6 αριθμοί και το άθροισμα τους είναι 525 Συνεπώς, ο μέσος όρος τους είναι 525/6 = με την υψηλότερη συχνότητα, δηλ. ποιος αριθμός εμφανίζεται περισσότερο στην ακολουθία Σε αυτή την περίπτωση, δεν υπάρχει λειτουργία NO, επειδή κάθε αριθμός εμφανίζεται μόνο μία φορά Median είναι ο μεσαίος αριθμός όταν τοποθετείτε τους αριθμούς με αύξουσα σειρά 79, 85, 86, 90, 92 , 93 Ο μεσαίος αριθμός είναι μεταξύ 86 και 90. Έτσι ο μέσος αριθμός σας μπορεί να βρεθεί από (86 + 90) / 2 = 88 Έτσι Διαβάστε περισσότερα »

Βλέπε παρακάτω πρέπει να θέσουμε τον αριθμό αμαρτίας σειρά 0, 1,1, 2,8,3,4,6% αριθμοί Median = μεσαίο αριθμό 0, 1,1, χρώμα (κόκκινο) (2,8), 3,4,6 2,8 mode = πιο συχνός αριθμός. Δεν υπάρχει τέτοιος αριθμός στη λίστα, κανένας τρόπος Εύρος = μεγαλύτερος-μικρός αριθμός Εύρος = 4.6-0 = 4.6 μέσος όρος = άθροισμα (x_i / n) barx = (0+ 1.1 + 2.8 + 3 + 4.6) / 5 barx = 11,5 / 5 = 2,3 Διαβάστε περισσότερα »

Εύρος = 7 Μεσαία = 6 Τρόποι = 3,6,8 Μέση = 5,58 2,3,3,3,3,4,4,5,6,6,6,6,7,7,8,8,8, 8,9 Μετρήστε πρώτα τον αριθμό των τιμών: Υπάρχουν 19 εύρος: Διαφορά μεταξύ των υψηλότερων και των χαμηλότερων τιμών: χρώμα (μπλε) (2), 3,3,3,3,4,4,5,6,6,6, 6,7,7,8,8,8,8, χρώμα (μπλε) (9) Εύρος = χρώμα (μπλε) (9-2 = 7) Διάμεσος: Τιμή ακριβώς στη μέση ενός συνόλου δεδομένων ταξινομημένων στη σειρά. Υπάρχουν 19 τιμές, ώστε αυτό να είναι εύκολο να το βρείτε. Θα είναι η (19 + 1) / 2η τιμή = 10ο 19 = 9 + 1 + 9 χρώμα (κόκκινο) (2,3,3,3,3,4,4,5,6), 6, χρώμα κόκκινο) (6,6,7,7,8,8,8,8,9) χρώμα (λευκό) (wwwwwwwwwwww) χρώμα (άσπρο) (wwwwwwwwwww) διάμεσ Διαβάστε περισσότερα »

66, 66, Κανένας, 27 Ο μέσος όρος είναι ο αριθμητικός μέσος όρος (68,4 + 65,7 + 63,9 + 79,5 + 52,5) / 5 = 66 Ο διάμεσος είναι η τιμή ισότιμη (από αριθμητικά) 79,5 - 52,5 = 27 27/2 = 13,5. 13.5 + 52.5 = 66 ΣΗΜΕΙΩΣΗ: Σε αυτό το σύνολο δεδομένων έχει την ίδια τιμή με το μέσο, αλλά αυτό δεν συμβαίνει συνήθως. Η λειτουργία είναι η πιο κοινή τιμή σε ένα σετ. Δεν υπάρχει κανένα σε αυτό το σύνολο (δεν υπάρχουν αντίγραφα). Το εύρος είναι η αριθμητική τιμή της διαφοράς μεταξύ της χαμηλότερης και της υψηλότερης τιμής. 79,5 - 52,5 = 27 Διαβάστε περισσότερα »

("Σύνολο των μέτρων") / ("ο αριθμός των μέτρων") rArr "mean" = (7,6 + 7,6 + 6,1 + 6 + 14,3 ) / 5 χρώμα (άσπρο) (rArr "σημαίνει" x) = 8.32 • "η λειτουργία είναι το πιο συχνό μέτρο" rArr "mode" = 7.6larr " (6), χρώμα (άσπρο) (x) 6.1, χρώμα (άσπρο) (x) χρώμα (ματζέντα) (7.6), χρώμα λευκό) (x) 7.6, χρώμα (λευκό) (x) 14.3 rArr "διάμεσος" = 7.6 Διαβάστε περισσότερα »

(11 + 12 + 13 + 12 + 14 + 11 + 12) / 7 ή 85/7 ή 12.1428 Μεσαίο: Ακύρωση (χρώμα (κόκκινο) (11) να ακυρώσετε (χρώμα (πράσινο χρώμα) (13)), να ακυρώσετε (χρώμα (πράσινο χρώμα) (11) (11), χρώμα (κόκκινο) (11), χρώμα (κόκκινο) (14)) Εύρος: , χρώματος (μπλε) (12), χρώματος (μπλε) (12), χρώματος (ροζ) (13), χρώματος (πορτοκαλί) (14) χρώματος (λευκό) (............. .........) χρώμα (μπλε) (12). Διαβάστε περισσότερα »

Είναι 9 - ο μέσος όρος μεταξύ 8 και 10 'Μεσαίο' ορίζεται ως η μεσαία τιμή, αφού το σύνολο δεδομένων ταξινομηθεί σύμφωνα με την τιμή. Έτσι, στην περίπτωσή σας, αυτό θα έδινε 2 8 10 16. Εάν υπάρχουν δύο μέσες τιμές, ο διάμεσος ορίζεται ως ο μέσος όρος μεταξύ τους. Με μεγαλύτερα σύνολα δεδομένων αυτό συνήθως δεν έχει σημασία, καθώς οι μέσες τιμές τείνουν να είναι στενές. Π.χ. τα ύψη λένε 1000 ενήλικα αρσενικά ή το εισόδημα των ανθρώπων μιας πόλης. Σε ένα σύνολο δεδομένων τόσο μικρό όσο το δικό σας, θα δίσταζα να δώσω οποιοδήποτε κέντρο ή μέτρα διάδοσης. Πρόκληση: δοκιμάστε να κάνετε ένα κουτί σχεδίου αυτού! Διαβάστε περισσότερα »

Διαβάστε περισσότερα »

0.4335 "Το συμπληρωματικό γεγονός είναι ότι το μέγιστο είναι ίσο ή μικρότερο από 25, έτσι ώστε τα τρία εισιτήρια να είναι και τα τρία" "μεταξύ των πρώτων 25. Οι αποδόσεις γι 'αυτό είναι:" (25/30) (24/29) (23) = 0.5665 "Έτσι η ζητούμενη πιθανότητα είναι:" 1 - 0.5665 = 0.4335 "Περαιτέρω εξήγηση:" P (A, B, C) "Στην πρώτη ισοπαλία οι πιθανότητες ότι το πρώτο εισιτήριο έχει αριθμό μικρότερο" "ή ίσο με 25 είναι (25/30). Έτσι P (A) = 25/30." "Κατά την εκτύπωση του δεύτερου εισιτηρίου, υπάρχουν μόνο 29 εισιτήρια που έχουν απομείνει στην τσάντα και 5" "έ Διαβάστε περισσότερα »

Μέσος όρος = 19.133 Median = 19 Mode = 19 Ο μέσος όρος είναι ο αριθμητικός μέσος όρος, 19.133 Ο διάμεσος είναι "([ο αριθμός των σημείων δεδομένων] + 1) ÷ 2" ή η τιμή PLACE εξισορροπημένη (αριθμητικά) σειρά. Αυτό το σετ περιέχει 15 αριθμούς, διατεταγμένους ως 5,13,13,15,15,18,19,19,19,20,22,26,27,27,29. Έτσι η μέση θέση είναι (15 + 1) / 2 = 8η θέση. Ο αριθμός στη θέση αυτή είναι 19. Η λειτουργία είναι η πιο συνηθισμένη τιμή σε ένα σετ. Στην περίπτωση αυτή είναι 19, με τρία περιστατικά στο σετ. Η εγγύτητα και των τριών αυτών μέτρων σημαίνει ότι τα δεδομένα «διανέμονται κανονικά». Διαβάστε περισσότερα »

Αυτό το σετ δεν έχει λειτουργία. Βλέπε εξήγηση. Η λειτουργία (τιμή μεταβολής) ενός συνόλου δεδομένων είναι η πιο συχνή τιμή στο σετ. Ωστόσο, ένα σετ μπορεί να έχει περισσότερες από μία τιμές για τις μεταφορές ή να μην έχει τιμές τροχιάς. Ένα σετ δεν έχει τιμές μετατροπής εάν όλες οι τιμές έχουν τον ίδιο αριθμό εμφανίσεων (όπως στο συγκεκριμένο παράδειγμα). Ένα σετ μπορεί επίσης να έχει περισσότερες από μία τιμές για τις μεταφορές. Παράδειγμα: S = {1,1,1,2,3,4,5,5,6,6,6} Σε αυτό το σύνολο τρόπων είναι 1 και 6 με 3 εμφανίσεις. Διαβάστε περισσότερα »

Δεν υπάρχει λειτουργία. Ο "τρόπος" είναι ο συχνότερος αριθμός. την τιμή που εμφανίζεται πιο συχνά. Αλλά στην περίπτωση αυτή, κάθε τιμή εμφανίζεται ακριβώς μία φορά το καθένα, οπότε δεν υπάρχει "πιο συχνή". Εάν ένας από τους αριθμούς είχε συμβεί ακόμη και δύο φορές, αυτό θα ήταν ο τρόπος, αλλά αυτό δεν συμβαίνει. Επομένως, δεν υπάρχει τρόπος για αυτή τη λίστα αριθμών. Διαβάστε περισσότερα »

Έχει μόνο μία λειτουργία, η οποία είναι 12 Δεδομένου ότι το 12 επαναλαμβάνεται στο σύνολο δεδομένων και δεν υπάρχει άλλος επαναλαμβανόμενος αριθμός στο σύνολο δεδομένων, η λειτουργία αυτού του συνόλου δεδομένων είναι 12. Η διάμεση τιμή αυτού του συνόλου δεδομένων είναι 15. Διαβάστε περισσότερα »

Ο μέσος όρος ή ο αριθμητικός μέσος όρος. Το μέσο είναι το πιο κοινό μέτρο της κεντρικής τάσης που χρησιμοποιείται σε μια μεγάλη ποικιλία δεδομένων. Αυτό συμβαίνει επειδή είναι ένας από τους πρώτους υπολογισμούς που μαθαίνουν γενικά τα μαθηματικά που ισχύουν και για τις στατιστικές. Χρησιμοποιείται (και συχνά χρησιμοποιείται κατά λάθος) από τους περισσότερους ανθρώπους, επειδή είναι πιο εύκολο για αυτούς να κατανοήσουν και να υπολογίσουν. Διαβάστε περισσότερα »

0.1841 Αρχικά, ξεκινάμε με ένα διωνυμικό: X ~ B (10 ^ 4,6 * 10 ^ -5), αν και το p είναι εξαιρετικά μικρό, το n είναι μαζικό. Επομένως, μπορούμε να προσεγγίσουμε αυτό χρησιμοποιώντας κανονικά. Για το X ~ B (n, p), Y = N (np, np (1-p)) Έτσι έχουμε Y = N (0.6,0.99994) Θέλουμε P (x> = 2) (Y-np) / sqrt (np (1-p)) = (1.5-0.6) / sqrt (0.99994) ~~ 0.90 P (Z> = 0.90) = 1-P (Z <= 0.90) Χρησιμοποιώντας έναν πίνακα Z, (Ζ <= 0,90) = 1-0,8159 = 0,1841 Διαβάστε περισσότερα »

Η κύρια χρήση της γραμμικής παλινδρόμησης είναι η τοποθέτηση μιας γραμμής σε 2 σύνολα δεδομένων και ο καθορισμός του ποσοστού τους. Παραδείγματα είναι: 2 σειρές τιμών μετοχών βροχόπτωσης και ωρών καλλιέργειας και βαθμίδες μελέτης Σε σχέση με τη συσχέτιση, η γενική συναίνεση είναι: Οι τιμές συσχέτισης 0,8 ή υψηλότερες δηλώνουν ισχυρή συσχέτιση Οι τιμές συσχέτισης 0,5 ή υψηλότερη έως 0,8 υποδηλώνουν μια αδύναμη συσχέτιση Συσχέτιση τιμές μικρότερες από 0,5 υποδηλώνουν μια πολύ αδύναμη συσχέτιση f Υπολογισμός γραμμικής παλινδρόμησης και συσχέτισης Διαβάστε περισσότερα »

(0,0078125) (0,0078125) ~~ 0,2095 Η πιθανότητα να πάρει μια κεφαλή σε οποιοδήποτε δεδομένο flip είναι 1/2. Ίδια με την πιθανότητα να πάρει ουρές σε οποιοδήποτε δεδομένο flip. Το ζήτημα που πρέπει να γνωρίζουμε είναι ο αριθμός των τρόπων με τους οποίους μπορούμε να παραγγείλουμε τα αποτελέσματα Heads and Tails - και αυτό είναι ((14), (7)). Συνολικά, έχουμε: ((14), (7)) (1/2) ^ 7 (1/2) ^ 7 = 3432 (0.0078125) (0.0078125) ~~ 0.2095 Διαβάστε περισσότερα »

Υποθέτοντας ότι μια "ειλικρινής" 6-όψεων πεθαίνει η απάντηση, όπως λέει η Συμισίνη είναι "1/6". Εάν όλα τα πιθανά αποτελέσματα είναι εξίσου πιθανόν, η πιθανότητα ενός συγκεκριμένου αποτελέσματος (στην περίπτωσή σας, "απόκτηση ενός 3") είναι ο αριθμός των τρόπων για να επιτευχθεί το συγκεκριμένο αποτέλεσμα διαιρούμενο με το συνολικό αριθμό πιθανών αποτελεσμάτων. Αν κυλίνεις μια αμερόληπτη πεθαίνουν, υπάρχουν 6 συνολικά πιθανά αποτελέσματα: 1, 2, 3, 4, 5 και 6. Το συγκεκριμένο αποτέλεσμα που σας ενδιαφέρει, ένα 3, συμβαίνει μόνο 1 τρόπος. Επομένως η πιθανότητα είναι 1/6. Εάν είχατε ζητήσει την π Διαβάστε περισσότερα »

Π = (x = 4 κεφαλές)) = 0.15625 p = 0.5 q = 0.5 Ρ (x = 4 κεφαλές) = "^ nC_xp ^ xp ^ (nx) (0,5) ^ 4 (0,5) ^ (5-4) Ρ ((χ = 4 κεφαλές)) = 5 (0,5) (0.5) Ρ _ ((χ = 4 κεφαλές)) = 0.15625 Διαβάστε περισσότερα »

N = 115 Εννοείτε με περιθώριο σφάλματος 5%; Ο τύπος για ένα διάστημα εμπιστοσύνης για μια αναλογία δίνεται από το καπέλο p + - ME, όπου ME = z * * SE (hat p). Το καπέλο p είναι η αναλογία δείγματος z * είναι η κρίσιμη τιμή του z, που μπορείτε να αποκτήσετε από μια αριθμομηχανή γραφικών ή έναν πίνακα SE (καπέλο p) είναι το τυπικό σφάλμα της αναλογίας δείγματος, το οποίο μπορεί να βρεθεί χρησιμοποιώντας sqrt ((hat p hat q) / n), όπου το καπέλο q = 1 - το καπέλο p και n είναι το μέγεθος δείγματος Γνωρίζουμε ότι το περιθώριο λάθους πρέπει να είναι 0,05. Με ένα διάστημα εμπιστοσύνης 90%, z * ~~ 1,64. ME = z * * SE (hat p) 0,05 Διαβάστε περισσότερα »

L_1 = 3, L_2 = 7, L_ (n + 1) = 2L_n + L_ (n-1) "" (n> = 2) Πρώτα πρέπει να βρούμε L_1 και L_2. L_1 = 3 καθώς υπάρχουν μόνο τρεις συμβολοσειρές: (0) (1) (2). (0,1), (1,0), (1,1), (1,2), (2,1), (2) 2,2) Τώρα θα βρούμε την επανάληψη του L_n (n> = 3). Εάν η συμβολοσειρά τελειώσει με 1, μπορούμε να βάλουμε κάποια λέξη μετά από αυτό. Ωστόσο, εάν οι συμβολοσειρές τελειώνουν σε 0 μπορούμε να βάλουμε μόνο 0 ή 1. Παρόμοια, εάν οι συμβολοσειρές τελειώνουν σε 2 μπορούμε να βάλουμε μόνο 1 ή 2. Ας P_n, Q_n, R_n να είναι ο αριθμός των συμβολοσειρών χωρίς 0 και 2 σε γειτονικά και τελειώνει σε 0,1,2, αντίστοιχα. L_n, P_n, Q Διαβάστε περισσότερα »

Δες αυτό . Πίστωση στον Gaurav Bansal. Προσπαθούσα να σκεφτώ τον καλύτερο τρόπο να το εξηγήσω αυτό και σκόνταψα σε μια σελίδα που κάνει μια πολύ ωραία δουλειά. Θα προτιμούσα να δώσω στον άντρα αυτό την πίστωση για την εξήγηση. Σε περίπτωση που ο σύνδεσμος δεν λειτουργεί για μερικούς, έχω συμπεριλάβει ορισμένες πληροφορίες παρακάτω. Η τιμή R ^ 2 είναι απλώς το τετράγωνο του συντελεστή συσχέτισης R. Ο συντελεστής συσχέτισης (R) ενός μοντέλου (π.χ. με τις μεταβλητές x και y) παίρνει τιμές μεταξύ -1 και 1. Περιγράφει πώς x και y είναι συσχετισμένη.Εάν τα x και y είναι σε απόλυτη ομολογία, τότε αυτή η τιμή θα είναι θετική 1 Εάν Διαβάστε περισσότερα »

Το {1,2,3,4,5,6} του είναι πράγματι ένα σύνολο όλων των πιθανών αποτελεσμάτων που καθορίζει ο ορισμός του χώρου δείγματος. Όταν μετακινείτε ένα ζάρια 6 πλευρών, ο αριθμός των τελειών στο ανώτατο όριο καλείται ως αποτέλεσμα. Τώρα, κάθε φορά που ένα ζάρι είναι τυλιγμένο μπορούμε να πάρουμε είτε 1, 2,3,4,5 ή 6 τελείες πάνω στην ανώτερη όψη ... που είναι τώρα αποτέλεσμα. Έτσι το πείραμα εδώ είναι "Rolling a 6 faces ζάρια" και ο κατάλογος πιθανών αποτελεσμάτων είναι "{1,2,3,4,5,6}". Δείγμα χώρου με τον ορισμό του είναι λίστα όλων των πιθανών αποτελεσμάτων ενός πειράματος. Έτσι απαντήστε στην ερώτησή σας είνα Διαβάστε περισσότερα »

0.563 πιθανότητα Θα χρειαστεί να κάνετε ένα διάγραμμα δέντρων πιθανότητας ώστε να μπορείτε να υπολογίσετε τις αποδόσεις: Συνολικά θα καταλήξετε με 8/11 (αρχική ποσότητα μαύρων στυλό) πολλαπλασιασμένο με 7/10 (ποσό μαύρων στυλό που έχει απομείνει στο κουτί) + 3/11 (συνολική ποσότητα κόκκινου στυλογράφου) πολλαπλασιασμένη με 2/10 (ποσό κόκκινων στυλογράων που απομένει στο κουτί). Αυτή = 0.563 πιθανότητα να επιλέξετε 2 στυλό του ίδιου χρώματος, είτε είναι 2 μαύρα ή 2 κόκκινα. Διαβάστε περισσότερα »

Πρέπει να δείτε την πλήρη απάντηση για να καταλάβετε ότι δεν ξέρω πλήρως τι εννοείτε πρώτα ότι παίρνετε το σύνολο δεδομένων σας όπου παλινδρομείτε στο x για να βρείτε πώς μια αλλαγή στα x αποτελέσματα y. xy 1 4 2 6 3 7 4 6 5 2 Και θέλετε να βρείτε τη σχέση μεταξύ x και y, έτσι λέτε ότι πιστεύετε ότι το μοντέλο είναι σαν y = mx + c ή σε στατιστικά στοιχεία y = beta_0 + beta_1x + u αυτά τα beta_0, beta_1 είναι οι παράμετροι στον πληθυσμό και το u είναι η επίδραση των μη παρατηρημένων μεταβλητών ονομάζεται διαφορετικά ο όρος σφάλματος έτσι θέλετε εκτιμητές hatbeta_0, hatbeta_1 So haty = hatbeta_0 + hatbeta_1x Αυτό σας λέει ότ Διαβάστε περισσότερα »

Αν οι υποθέσεις Gauss-Markof κατέχουν τότε το OLS παρέχει το χαμηλότερο τυποποιημένο σφάλμα οποιουδήποτε γραμμικού εκτιμητή ώστε ο καλύτερος γραμμικός αμερόληπτος εκτιμητής Δεδομένων αυτών των παραδοχών Οι παράμετροι συν-αποτελεσματικότητας είναι γραμμικές, αυτό σημαίνει απλώς ότι οι beta_0 και οι beta_1 είναι γραμμικές αλλά η μεταβλητή x δεν έχει για να είναι γραμμική μπορεί να είναι x ^ 2 Τα δεδομένα έχουν ληφθεί από ένα τυχαίο δείγμα Δεν υπάρχει τέλεια πολύ-collinearity έτσι δύο μεταβλητές δεν είναι απολύτως συσχετισμένες. E (u / x_j) = 0 σημαίνει ότι η υποθετική προϋπόθεση είναι μηδενική, πράγμα που σημαίνει ότι οι μετ Διαβάστε περισσότερα »

Η τυπική απόκλιση των {1, 2, 3, 4, 5} = [(5 ^ 2-1) / (12)] ^ (1/2) = sqrt2 Ας αναπτύξουμε ένα γενικό τύπο. από 1, 2, 3, 4 και 5. Αν έχουμε {1, 2,3, ...., n} και πρέπει να βρούμε την τυπική απόκλιση αυτών των αριθμών. Σημειώστε ότι "Var" (X) = 1 / n sum_ {i = 1} ^ n x_i ^ 2 - (1 / n άθροισμα _ / n sum_ {i = 1} ^ Ni ^ 2 - (1 / n άθροισμα (i = 1) ^ ni) ^ 2 σημαίνει "Var" 1)) / (6) - (1 / n * (n + n)) / 2) ^ 2 σημαίνει "Var" ) - ((n + 1) / 2) ^ 2 σημαίνει «Var» (X) = (n + 1) / (2) (X) = (n + 1) / (2) * (n-1) / 6 υποδηλώνει "Var" , 3, ...., n} είναι ["Var" (X)] ^ (1/2) Διαβάστε περισσότερα »

Μηδέν Εάν έχετε μόνο έναν αριθμό ή ένα εκατομμύριο αριθμούς που είναι ακριβώς ίδιοι (όπως όλοι είναι 25), η τυπική απόκλιση θα είναι μηδενική. Για να έχετε μια τυπική απόκλιση μεγαλύτερη από μηδέν, πρέπει να έχετε δείγμα που περιέχει τιμές που δεν είναι οι ίδιες. Έτσι, στο ελάχιστο, χρειάζεστε σε δείγμα με τουλάχιστον δύο τιμές που δεν είναι ισοδύναμες για να έχετε μια τυπική απόκλιση μεγαλύτερη από το μηδέν. ελπίζω ότι βοηθάει Διαβάστε περισσότερα »

"Μέρος 1) 0.80164" "Μέρος 2) 0.31125" "Υπάρχουν 5 διακόπτες από ό, τι μπορεί να ανοίξει ή να κλείσει." "Ως εκ τούτου, υπάρχουν το πολύ" 2 ^ 5 = 32 "περιπτώσεις για να ερευνήσουν." "Μπορούμε όμως να πάρουμε μερικές συντομεύσεις:" "Αν και οι 1 & 4 είναι ανοιχτές Ή και τα 2 & 5 είναι ανοιχτά, το τρέχον" "δεν μπορεί να περάσει". "Έτσι (1 ή 4) ΚΑΙ (2 ή 5) πρέπει να κλείσει." "Υπάρχουν όμως και πρόσθετα κριτήρια:" Εάν είναι ανοιχτά (4 & 2), πρέπει να κλείσουν 3 ". "Εάν είναι ανοικτά (1 & 5), 3 πρέπει να ε Διαβάστε περισσότερα »

Το τυπικό σφάλμα είναι η εκτίμησή μας για το άγνωστο σφάλμα παραμέτρων (τυπική απόκλιση). Το τυπικό σφάλμα είναι η τετραγωνική ρίζα της εκτίμησης διακύμανσης. s.e. = sqrt (hat sigma ^ 2). Είναι ένα μέτρο της μέσης κατακόρυφης απόστασης μια από τις παρατηρήσεις μας είναι από την υπολογισμένη γραμμή παλινδρόμησης. Με αυτόν τον τρόπο, υπολογίζει την άγνωστη ποσότητα σίγμα, η οποία θα ήταν πόσο θα περίμενε κανείς πιθανή παρατήρηση από την πραγματική γραμμή παλινδρόμησης (τη γραμμή που έχουμε λάβει την εκτιμώμενη από τις ελάχιστες τιμές μας). Διαβάστε περισσότερα »

Η πιθανότητα να τραβήξετε είτε ένα επτά, δύο ή άσσο είναι 3/13. Η πιθανότητα να τραβήξετε είτε ένα άσσο είτε ένα επτά ή δύο είναι το ίδιο με την πιθανότητα να τραβήξετε έναν άσσο συν την πιθανότητα ενός επτά συν την πιθανότητα ενός δύο. P = P_ (άσος) + P_ (επτά) + P_ (δύο) Υπάρχουν τέσσερις άσοι στο κατάστρωμα, έτσι η πιθανότητα πρέπει να είναι 4 (ο αριθμός των "καλών" δυνατοτήτων) πάνω από 52 ) = 4/52 = 1/13 Δεδομένου ότι υπάρχουν 4 και τα δυο και τα επτά, μπορούμε να χρησιμοποιήσουμε την ίδια λογική για να καταλάβουμε ότι η πιθανότητα είναι ίδια και για τα τρία: P_ (επτά) = P_ (δύο) = P_ άσο) = 1/13 Αυτό σημαίν Διαβάστε περισσότερα »

1884 γενικά μπορείτε να έχετε 8 επιλέξτε 6 για τους άνδρες και 10 επιλέξτε 5 για τις γυναίκες. Μη με ρωτάτε γιατί έχετε περισσότερες γυναίκες και η επιτροπή σας ζητά λιγότερη εκπροσώπηση, αλλά αυτή είναι μια άλλη ιστορία. Εντάξει, έτσι είναι ότι 1 από αυτούς τους ανθρώπους αρνείται να συνεργαστεί με ένα από αυτά τα κορίτσια. Έτσι το συγκεκριμένο άτομο δεν μπορεί να χρησιμοποιηθεί με όλους τους τύπους, έτσι αφαιρούμε 1 από 8 και προσθέτουμε τους συνδυασμούς του στο σύνολο των 7 επιλέγουμε 1 τρόπους στο τέλος. Έτσι ξεκινάμε με τους άλλους τύπους (7!) / ((7-6)! 6!) = 7 τώρα μπορούν να συνδυαστούν με (10!) / ((10-5)! γυναίκες Διαβάστε περισσότερα »

"630" (7!) / ((2!) ^ 3) = 630 "Γενικά όταν κανονίζουμε n στοιχεία, όπου υπάρχουν k διαφορετικά στοιχεία που εμφανίζονται κάθε φορά" n_i " , ..., k ", τότε έχουμε" (n!) / ((n_1)! (n_2)! ... (n_k)!) "δυνατότητες τακτοποίησης τους". "Πρέπει λοιπόν να μετρήσουμε πόσες φορές τα αντικείμενα εμφανίζονται:" "Εδώ έχουμε 7 στοιχεία: δύο 579 και ένα 6, έτσι" (7!) / (2! 2! 2! 1!) = 630 " Αυτό ονομάζεται πολυεστιακός συντελεστής. " "Η φιλοσοφία πίσω από αυτή είναι απλή, θα μπορούσαμε να τις διευθετήσουμε εάν ήταν διαφορετικές, αλλά τα ίδια στοιχεία" &q Διαβάστε περισσότερα »

Q_1 = 24 Εάν διαθέτετε έναν υπολογιστή TI-84 στο χέρι: Μπορείτε να ακολουθήσετε αυτά τα βήματα: Αρχικά τοποθετήστε τους αριθμούς στη σειρά. Στη συνέχεια, πατήστε το πλήκτρο stat. Στη συνέχεια "1: Επεξεργασία" και προχωρήστε και εισαγάγετε τις τιμές σας στη σειρά Μετά από αυτό πατήστε ξανά το κουμπί STAT και μεταβείτε στο "CALC" και πατήστε "1: 1-Var Stats" πιέστε τον υπολογισμό. Στη συνέχεια, μετακινηθείτε προς τα κάτω μέχρι να δείτε Q_1. Αυτή η τιμή είναι η απάντησή σας :) Διαβάστε περισσότερα »

Μικρό δείγμα, κανονική κατανομή και μπορείτε να υπολογίσετε την τυπική απόκλιση και τη μέση τιμή, χρησιμοποιούνται τα στατιστικά στοιχεία. Για ένα μεγάλο δείγμα, τα στατιστικά στοιχεία Ζ (Z score) έχουν περίπου μια κανονική κανονική κατανομή. Όταν το δείγμα είναι μικρό, η μεταβλητότητα της κατανομής του Z προκύπτει από τυχαιότητα. Αυτό σημαίνει ότι η κατανομή πιθανότητας θα είναι πιο απλωμένη από την κανονική κανονική κατανομή. Όταν το n είναι αριθμός δείγματος και df = n-1, η βαθμολογία t (στατιστικά στοιχεία t) μπορεί να υπολογιστεί με t = (x¯ -μ0) / (s / n ^ 0.5) τυπική απόκλιση δείγματος n = μέγεθος δείγματος Διαβάστε περισσότερα »

Η διακύμανση είναι sigma ^ 2 = 15.81 και η τυπική απόκλιση είναι sigma περίπου 3.98. Σε μια διωνυμική κατανομή έχουμε πολύ ωραίες φόρμουλες για τον μέσο όρο και τη διαφορά: mu = Np textr και sigma ^ 2 = Np (1-p) Νρ (1-ρ) = 124 * 0.85 * 0.15 = 15.81. Η τυπική απόκλιση είναι (ως συνήθως) η τετραγωνική ρίζα της διακύμανσης: sigma = sqrt (sigma ^ 2) = sqrt (15.81) περίπου 3.98. Διαβάστε περισσότερα »

Χρώμα (κόκκινο) (sigma ^ 2 = 3.25) Για να βρούμε τη διακύμανση, πρέπει πρώτα να υπολογίσουμε το μέσο όρο. Για να υπολογίσετε τον μέσο, προσθέστε απλώς όλα τα σημεία δεδομένων και στη συνέχεια διαιρέστε τον αριθμό των σημείων δεδομένων. Ο τύπος για τον μέσο όρο είναι mu = (sum_ (k = 1) ^ nx_k) / n = (x_1 + x_2 + x_3 + cdots + x_n) / n Όπου x_k είναι το kth σημείο δεδομένων και n είναι ο αριθμός δεδομένων σημεία. Για το σύνολο δεδομένων μας έχουμε: n = 4 {x_1, x_2, x_3, x_4} = {2, 4, 5, 7} Έτσι ο μέσος όρος είναι mu = (2 + 4 + 5 + 7) 4 = 9/2 = 4.5 Τώρα για να υπολογίσουμε τη διακύμανση, ανακαλύπτουμε πόσο μακριά κάθε σημείο Διαβάστε περισσότερα »

Η απόκλιση είναι 27500 Ο μέσος όρος των δεδομένων δίδεται από το άθροισμα των δεδομένων διαιρούμενο διά του αριθμού τους (Sigmax) / N. Συνεπώς, ο μέσος όρος είναι 1/4 (1000 + 600 + 800 + 1000) = 3400/4 = (Sigmax ^ 2) / Ν- ((Sigmax) / N) ^ 2 (Sigmax ^ 2) / N = 1/4 (1000 ^ 2 + 600 ^ 2 + 1000000 + 360000 + 640000 + 1000000) = 300000/4 = 750000 Επομένως η διακύμανση είναι 750000- (850) ^ 2 = 750000-722500 = 27500 Διαβάστε περισσότερα »

Διακύμανση του πληθυσμού: 56.556 Διακύμανση δείγματος: 67.867 Για να υπολογίσετε τη διακύμανση: Υπολογίστε τον αριθμητικό μέσο όρο (το μέσο όρο) Για κάθε τιμή δεδομένων τετράγωνο η διαφορά μεταξύ αυτής της τιμής δεδομένων και του μέσου υπολογίζει το άθροισμα των τετραγωνικών διαφορών Εάν τα δεδομένα σας αντιπροσωπεύουν ολόκληρο τον πληθυσμό: 4. Διαχωρίστε το άθροισμα των τετραγωνικών διαφορών από τον αριθμό των τιμών δεδομένων για να λάβετε τη διακύμανση του πληθυσμού Εάν τα δεδομένα σας αντιπροσωπεύουν μόνο ένα δείγμα που λαμβάνεται από μεγαλύτερο πληθυσμό 4. Χωρίστε το άθροισμα των τετραγωνικών διαφορών κατά 1 μικρότερο Διαβάστε περισσότερα »

Η απόκλιση είναι 25,14 Δεδομένα. D = {12, 6, -2, 9, 5, -1} Η απόκλιση (sigma ^ 2) είναι ο μέσος όρος της τετραγωνικής διαφοράς από τον μέσο όρο. Η μέση τιμή είναι (sumD) / 6 = 29/6 ~~ 4.83 (2dp) sigma ^ 2 = {(12-4.83) ^ 2 + (6-4.83) 4.83) ^ 2 + (5-4.83) ^ 2 + (-1-4.83) ^ 2) / 6 = 150.83 / 6 ~ 25.14 (2dp) Η απόκλιση είναι 25.14 [Ans] Διαβάστε περισσότερα »

Ανάλογα με το αν τα δεδομένα δεδομένα πρέπει να ληφθούν ως ολόκληρος ο πληθυσμός (όλες οι τιμές) ή ένα δείγμα από κάποιο μεγαλύτερο πληθυσμό: Διακύμανση του πληθυσμού sigma ^ 2 = 66.7 Απόκλιση δείγματος s ^ 2 = = 77.8 Αυτό μπορεί να προσδιοριστεί χρησιμοποιώντας τυπικά ενσωματωμένα σε λειτουργίες μιας επιστημονικής αριθμομηχανής ή ενός φυλλαδίου (όπως παρακάτω): ... ή μπορεί να υπολογιστεί με βήματα ως εξής: Προσδιορισμός του αθροίσματος των τιμών δεδομένων Διαχωρίστε το άθροισμα των τιμών δεδομένων με τον αριθμό των τιμών δεδομένων για να αποκτήσετε mean Για κάθε τιμή δεδομένων αφαιρέστε το μέσο * από την τιμή δεδομένων γ Διαβάστε περισσότερα »

Η διακύμανση του συνόλου δεδομένων είναι 6,29. Σημειώστε ότι ο τύπος διακύμανσης για τον σκοπό υπολογισμού είναι 1 / n sum_ (i = 1) ^ n x_i ^ 2 - (1 / n sum_ (i = 1) ^ n x_i) ^ 2 όπου n είναι ο συνολικός αριθμός τιμών το δεδομένο σύνολο δεδομένων. Στα δεδομένα δεδομένα σας έχουμε n = 7 και οι τιμές των x_i είναι {15, 14, 13, 13, 12, 10, 7}. Έτσι, η διαφορά σας είναι 1/7 [15 ^ 2 + 14 ^ 2 + 13 ^ 2 + 13 ^ 2 + 12 ^ 2 + 10 ^ 2 + 7 ^ 2] 13 + 12 + 10 + 7]) ^ 2 = 150. 29 -144 = 6,29 Διαβάστε περισσότερα »

47.9 Πάω να υποθέσω ότι εννοείτε τη μεταβλητότητα του πληθυσμού (η διακύμανση του δείγματος θα διαφέρει ελαφρώς). sigma ^ 2 = (Sigmax ^ 2- (Sigmax) ^ 2 / N) / N Παρακαλώ διαχωρίστε τα δύο. Το πρώτο σημάδι λέει "προσθέστε τα τετράγωνα των αριθμών σας", το δεύτερο λέει "προσθέστε πρώτα, THEN τετράγωνο το άθροισμα" Sigmax ^ 2 = 15 ^ 2 + 4 ^ 2 + ... + 10 ^ 2 = 458 (Sigmax) 2 = (15 + 4 + 2 + ...) ^ 2 = 1024 Ν = 6 sigma ^ 2 = (458- (1024/6) Διαβάστε περισσότερα »

Απόκλιση sigma ^ 2 = 1054/25 = 42.16 Υπολογίζουμε τον αριθμητικό μέσο πρώτον mu = (15 + 9 + (- 3) + 8 + 0) / 5 mu = 29/5 Για να υπολογίσουμε για τη διαφορά sigma ^ ^ 2 = (άθροισμα (x-mu) ^ 2) / n sigma ^ 2 = ((15-29 / 5) ^ 2+ (9-29 / 5) + (8-29 / 5) ^ 2 + (0-29 / 5) ^ 2) / 5 sigma ^ 2 = 1054/25 = 42.16 Ο Θεός ευλογεί ... Ελπίζω ότι η εξήγηση είναι χρήσιμη. Διαβάστε περισσότερα »

Απόκλιση sigma ^ 2 = 6903/64 = 107.8593 υπολογίζει τον αριθμητικό μέσο όρο mu αρχικά n = 8 mu = (- 2 + 5 + 18 + (- 8) + (- 10) + 14 + m = (- 32 + 41) / 8 mu = 9/8 υπολογίζει τη διαφορά sigma ^ 2 χρησιμοποιώντας τον τύπο διακύμανσης για τον πληθυσμό sigma ^ 2 = 2-9 / 8) ^ 2 + (5-9 / 8) ^ 2 + (18-9 / 8) ^ 2 + (-8-9 / 8) + (14-9 / 8) ^ 2 + (- 12-9 / 8) ^ 2 + (4-9 / 8) ^ 2) / 8 sigma ^ 2 = 6903/64 sigma ^ 2 = 107.8593 Ο Θεός ευλογεί .. Ελπίζω ότι η εξήγηση είναι χρήσιμη. Διαβάστε περισσότερα »

211/2 ή 105.5 βρείτε τον μέσο όρο: -3 + -6 + 7 + 0 + 3 + 2 = 3 3/6 = 1/2 αφαιρέστε το μέσο όρο από κάθε αριθμό στα δεδομένα και τετράγωνο το αποτέλεσμα: -3 -1 / 2 = - 7/2 -6 - 1/2 = -13/2 7 - 1/2 = 13/2 0 - 1/2 = -1/2 3 - 1/2 = 5/2 2 - 1/2 = 3/2 (-7/2) ^ 2 = 49/4 (-13/2) ^ 2 = 169/4 (13/2) ^ 2 = 169/4 (-1/2) ^ 2 = 4 (5/2) ^ 2 = 25/4 (3/2) ^ 2 = 9/4 βρείτε τον μέσο όρο των τετραγωνικών διαφορών: 49/4 + 169/4 + 169/4 + 1/4 + 25/4 + 9/4 = 422/4 = 211/2 ή 105,5 Διαβάστε περισσότερα »

Η διακύμανση του {3, 6, 7, 8, 9} = 5.3 Ο τύπος για τη διακύμανση, s ^ 2 είναι το χρώμα (άσπρο) (XXX) s ^ 2 = 1) όπου barx είναι ο μέσος όρος του χρώματος του δείγματος (λευκό) ("XXX") στην περίπτωση αυτή ο μέσος όρος του {3,6,7,8,9} είναι (sumx_i) / 5 = 6,6 Διαβάστε περισσότερα »

Διακύμανση του πληθυσμού: sigma _ ("pop.") ^ 2 ~ = 32.98 Διακύμανση δείγματος: sigma _ ("δείγμα") ^ 2 ~ = 38.48 Η απάντηση εξαρτάται από το αν τα δεδομένα που δίνονται είναι ολόκληρος ο πληθυσμός ή δείγμα από τον πληθυσμό . Στην πράξη θα χρησιμοποιούσαμε απλώς μια αριθμομηχανή, λογιστικό φύλλο ή κάποιο πακέτο λογισμικού για να καθορίσουμε αυτές τις τιμές. Για παράδειγμα, ένα υπολογιστικό φύλλο Excel μπορεί να μοιάζει με: (Σημειώστε ότι η στήλη F προορίζεται μόνο για την τεκμηρίωση των ενσωματωμένων λειτουργιών που χρησιμοποιούνται στη στήλη D) Δεδομένου ότι αυτή η άσκηση πιθανότατα προορίζεται για το πώ Διαβάστε περισσότερα »

Παραλλαγή (sigma_ "pop" ^ 2) = 31 7/12 Δεδομένα πληθυσμού: χρώμα (άσπρο) ("XXX") {- 4,5, -7,0, -1,10} ("XXX") (- 4) +5 + (- 7) +0 + (- 1) + 10 = 3 Μέγεθος πληθυσμού: Χρώμα (λευκό) ") 3/6 = 1/2 = 0,5 Αποκλίσεις από το μέσο: χρώμα (λευκό) (" XXX ") {(- 4-0.5), (5- , (-1-0,5), (10-0,5)} χρώμα (λευκό) ("XXX") = {-4,5,4,5, -7,5, -0,5, -1,5,9,5} Πλατείες αποκλίσεων από μέση: ("XXX") {20.25,20.25,56.25,0.25,2.25,90.25} Άθροισμα των τετραγώνων των αποκλίσεων από το μέσο: χρώμα (λευκό) ("XXX") 189.5 Απόκλιση: sigma_ pop "^ 2 = τετράγωνα αποκλίσεων από τ Διαβάστε περισσότερα »

(51 + 3 + 9 + 15 + 3 + (- 9) +20 + (- 1) + 5 + 3 + 2) / 11 = 101/11 Παραλλαγή "" "sigma ^ 2 = (άθροισμα (x-barx) ^ 2) / n" "" sigma ^ 2 = (3-101/11) ^ 2 + (9-101 / 11) ^ 2 + (15-101 / 11) ^ 2 + (3-101 / 11) ^ 2 + (- ) ^ 2 + (- 1-101 / 11) ^ 2 + (5-101 / 11) ^ 2 + (3-101 / 11) ^ 2 + sigma ^ 2 = 27694/121 = 228.876 Ο Θεός ευλογεί .... Ελπίζω ότι η εξήγηση είναι χρήσιμη. Διαβάστε περισσότερα »