Istatistik

Sürekli Genellikle ayrık veri, tam sayı cevaplarıdır. Kaç tane ağaç, masa veya insan gibi. Ayrıca ayakkabı boyutları gibi şeyler ayrık. Ancak ağırlık, boy ve zaman sürekli veri örnekleridir. 9 saniye ve 10 saniye gibi iki kez alırsanız karar vermenin bir yöntemi, bu ikisi arasında bir zaman olabilir mi? Evet Usain Bolt'in dünya rekoru 9.58 saniye 9 masa ve 10 masa alırsanız, arada masalar olabilir mi? 9 1/2 masa yok, 9 masa ve bozuk bir masa! Devamını oku »

1/435 = 0.0023 "Sanırım gösterilen 22 kart var demek, yani" "sadece 52-22 = 30 bilinmeyen kart var." "4 takım var ve her kartın bir sırası var," "bütün kartların bir" "sayısının, bazılarının yüz kartlarının olmadığı gibi" demek istediğinin bu olduğunu varsayıyorum. "Yani iki kart seçildi ve birisi uygun ve" "sıralamasını tahmin etmeli. Bunun için olasılıklar" 2 * (1/30) * (1/29) = 1/435 = 0.0023 =% 0.23 "Açıklama: kartların ters çevrilmiş kartlardan biri olmadığını biliyoruz, bu yüzden "" ilk ka Devamını oku »

"4 taraflı kalıbı atmanın olası sonuçları:" "1, 2, 3 veya 4. Ortalama: (1 + 2 + 3 + 4) / 4 = 2.5." "Varyans E [x²] - (E [x]) ² = (1² + 2² + 3² + 4²) / 4 -2.5²'ye eşittir" "= 30/4 - 2.5² = 7.5 - 6.25 = 1.25" " 8 taraflı kalıbı atmanın olası sonuçları: "" 1, 2, 3, 4, 5, 6, 7 veya 8. Yani ortalama 4.5. " "Varyans eşittir (1² + 2² + ... + 8²) / 8 - 4.5² = 5.25." "İki zarın toplamının ortalaması, araçların toplamı" "yani 2.5 + 4.5 = 7'dir." "Varyans ayn Devamını oku »

A = 1.7 Aşağıdaki diyagram, dikdörtgenin alan = 1 olan alan için eşit dağılımını göstermektedir; bu yüzden (6-1) k = 1 => k = 1/5 istedik P (X <= a) = 0.14. diyagramdaki gri gölgeli alan olarak: (a-1) k = 0.14 (a-1) xx1 / 5 = 0.14 a-1 = 0.14xx5 = 0.7: .a = 1.7 Devamını oku »

K = 3/4 P (x> 1) = 1/2 E (X) = 1 V (X) = 1/5 k bulmak için, int_0 ^ 2f (x) dx = int_0 ^ 2k (2x-x kullanın ^ 2) dx = 1:. k [2x ^ 2/2-x ^ 3/3] _0 ^ 2 = 1 k (4-8 / 3) = 1 => 4 / 3k = 1 => k = 3/4 P (x> 1 değerini hesaplamak için ) P (X> 1) = 1-P (0 <x <1) = 1-int_0 ^ 1 (3/4) (2x-x ^ 2) = 1-3 / 4 [2x ^ 2 / kullanın) 2-x ^ 3/3] _0 ^ 1 = 1-3 / 4 (1-1 / 3) = 1-1 / 2 = 1/2 E (X) E (X) = int_0 ^ 2xf (x) hesaplamak için ) 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 V (X) V (X) = E (X ^ 2) - (E (X)) ^ 2 = E (X ^ 2) -1 E hesaplamak i& Devamını oku »

1 - 0,2 sqrt (10) = 0,367544 "Ad" P [R] = "Sonunda bir R değmenin maviye dönmesi olasılığı" P [Y] = "Sonunda bir R değmenin maviye dönmesi olasılığı." P ["RY"] = "Muhtemelen bir R & Y çubuğunun her ikisi de mavi olayı açar." P ["RR"] = "İki R çubuğunun mavi olayı açma olasılığı." P ["YY"] = "İki Y çubuğunun mavi olayı açma olasılığı." "Sonra biz" P ["RY"] = P [R] * P [Y] P ["RR"] = (P [R]) ^ 2 P ["YY"] = (P [Y]) ^ var 2 "Yani P [R] ve P [Y] iki de Devamını oku »

44 Bir veri kümesinin ortalamasını hesaplamak için tüm verileri toplayın ve veri öğelerinin sayısına bölün. Yedinci öğretinin yaşı x olsun. Bununla, öğretmenlerin yaş ortalaması şöyle hesaplanır: {52 + 30 + 23 + 28 + 44 + 45 + x} / {7} = 38 Sonra elde etmek için 7 ile çarpabiliriz: {52 + 30 + 23 + 28 + 44 + 45 + x} / {7} xx7 = 38xx7 => 52 + 30 +23 +28 +44 +45 + x = 266 Almak için diğer tüm yaşları çıkarırız: x = 266-52- 30-23-28-44-45 = 44. Devamını oku »

Bağımsız olaylar değil. İki olay için ikisinin 'bağımsız' olduğu düşünülür: P (AnnB) = P (A) xxP (B) P (AnnB) = 1/16 P (A) = 2/5 P (B) = 2/15 P (A) ) P (B) = 2/5 * 2/15 = 4/75 4/75! = 1/16, olaylar bağımsız değil. Devamını oku »

Ortalama = 7.4 Standart Sapma ~~ 1.715 Varyans = 2.94 Ortalama, tüm veri noktalarının, veri noktalarının sayısına bölünmesiyle elde edilen toplamdır. Bu durumda, (5 + 5 + 5 + 5 + 6 + 6 + 6 + 6 + 7 + 8 + 8 + 8 + 8 + 8 + 9 + 9 + 9 + 9 + 9 + 9 + 10 + 10) / 20 = 148/20 = 7.4 Varyans "ortalamadan karelik uzaklıkların ortalaması" dır. http://www.mathsisfun.com/data/standard-deviation.html Bunun anlamı, her bir veri noktasını ortalamanın içinden çıkarmanız, cevapları karelemeniz, sonra hepsini bir araya eklemeniz ve bunları veri noktalarının sayısına bölmenizdir. Bu soru şuna benziyor: 4 (5 Devamını oku »

17160/6497400 Toplam 52 kart var ve bunlardan 13 tanesi maça. İlk küreyi çizme olasılığı şudur: 13/52 İkinci küreyi çizme olasılığı şudur: 12/51 Bunun nedeni, küreyi seçtiğimizde geriye sadece 12 maça kaldı ve sonuç olarak toplam 51 kart olur. üçüncü bir kürek çekme olasılığı: 11/50 4. bir kürek çekme olasılığı: 10/49 Bir kürek çizme olasılığını elde etmek için hepsini birlikte çarpmamız gerekir: 13/52 * 12/51 * 11 / 50 * 10/49 = 17160/6497400 Bu yüzden aynı anda dört maça çekme imkanı yoktur: 17160/ Devamını oku »

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 şapka beta_2 = (toplam _ {i = 1} ^ {i = 9} x_i * y_i) / (toplam_ {i = 1} ^ {i = 9} x_i ^ 2) "" x_i = X_i - bar X "ile ve" y_i = Y_i - bar Y => şapka 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 => şapka beta_1 = bar Y - şapka beta_2 * bar X = 0.4 - (6.1 / 60) * 16 = -1.226666 &qu Devamını oku »

30.2 Ortalama, değerlerin toplamı alınarak ve sayıma bölünerek hesaplanır. Örneğin, 6 kadın için ortalama 31 olan yaşın 186: 186/6 = 31'e ulaştığını görebiliriz. Erkekler için de aynı şeyi yapabiliriz: 116/4 = 29 Ve şimdi Büro için ortalama bulmak için kadın ve erkeklerin toplamı ve sayısı: (186 + 116) /10=302/10=30.2 Devamını oku »

Veri kümenizde birkaç aşırı değer olduğunda. Örnek: Değerleri birbirinden çok uzak olmayan 1000 vakaya sahip bir veri kümeniz var. Ortalamaları, medyanları gibi 100'dür. Şimdi sadece bir davayı 100000 değerinde (sadece aşırı olmak üzere) bir dava ile değiştiriyorsunuz. Medyan etkilenmeyecekken, ortalama çarpıcı biçimde (neredeyse 200'e kadar) yükselecek. Hesaplama: 1000 vaka, ortalama = 100, değerlerin toplamı = 100000 Bir 100 kaybet, 100000 ekle, değerlerin toplamı = 199900, ortalama = 199.9 Medyan (= vaka 500 + 501) / 2 aynı kalır. Devamını oku »

6h çubuğun uzunluğu = 265.2-230 = 35.2'dir. 6 çubuğun ortalama uzunluğu = 44.2 cm'dir. 5 çubuğun ortalama uzunluğu = 46 cm'dir. 5 çubuğun = 46xx5 = 230 cm olduğu 6 saat çubuğun uzunluğu = [Toplam 6 çubuğun uzunluğu] - [5 çubuğun toplam uzunluğu] 6 saat çubuğun uzunluğu = 265.2-230 = 35,2 Devamını oku »

X = 5 3,4,5,8, x ortalama = mod = medyan sumx_i = (20 + x) / 5 = 4 + x / 5 çünkü bir mod olmasını istedik: .x> 0 çünkü x = 0 = > barx = 4, "medyan" = 4 "fakat" x = 5 => barx = 4 + 5/5 = 5 modumuz yok, 3,4,5,5,8 medyan = 5 mod = 5:. X = 5 Devamını oku »

Altı sayının ortalaması "" 270/6 = 45 Burada yer alan 3 farklı sayı kümesi vardır. Altı küme, iki küme ve sekiz küme. Her setin kendi anlamı vardır. "mean" = "Toplam" / "sayıların sayısı" "" VEYA M = T / N Eğer ortalamayı ve kaç sayı olduğunu biliyorsanız, toplamı bulabileceğinizi unutmayın. T = M xxN Sayı ekleyebilir, toplam ekleyebilirsiniz, ancak bir arada araç ekleyemeyebilirsiniz. Yani, sekiz sayının tümü için: Toplam 8 x x 41 = 328 Sayılardan ikisi için: Toplam 2xx29 = 58'dir. Bu nedenle diğer altı sayının toplamı Devamını oku »

8 Bir sayı kümesinin ortalaması, kümenin sayısı üzerindeki sayıların toplamıdır (değerlerin sayısı). Dört sayı kümemiz var ve ortalamanın 5 olduğunu görüyoruz. Değerlerin toplamının 20: 20/4 = 5 olduğunu görüyoruz. Ortalama 12 olan üç sayı başka kümemiz var. Bunu şöyle yazabiliriz: 36 / 3 = 12 Yedi sayının ortalamasını birlikte bulmak için değerleri bir araya getirip 7'ye bölebiliriz: (20 + 36) / 7 = 56/7 = 8 Devamını oku »

Bu durumda dayanıklı, aşırı değerlere dayanabileceği anlamına gelir. Örnek: Bankada ortalama 1000 dolarlık ortalama (= ortalama) olan 101 kişilik bir grup düşünün. Aynı zamanda ortadaki adamın (banka bakiyesini sıraladıktan sonra) bankada da 1000 doları var. Bu medyan, 50'nin (%) daha azının ve 50'nin daha fazlasının olduğu anlamına gelir. Şimdi onlardan biri 100000 dolarlık bir çekiliş ödülü kazandı ve bankaya yatırmaya karar verdi. Ortalama hemen 1000 $ 'dan 2000 $' a yükselecek, toplam miktar 101 ile bölünerek hesaplanacaktır. Ortanca ("sıranın Devamını oku »

259459200 Bunu doğru okuyorsam, denetçi sadece 2 katlarında işaret atayabilirse, bu durumda 30 işaretten sadece 15 seçenek var demektir. 30/2 = 15 Daha sonra 8 soruya dağıtılmış 15 seçeneğimiz var. Permütasyonlar için formülü kullanma: (n!) / ((N - r)!) Burada n sayısı nesnedir (Bu durumda 2'li gruplar içindeki işaretler). Ve r, bir defada kaç tane alındığıdır (Bu durumda 8 soru) Yani biz: (15!) / ((15 - 8)!) = (15!) / (7!) = 259459200 Devamını oku »

Bağımlılar. "Geç saatlere kadar uyumayan" olayı diğer etkinliğin "okula geç kalma" olasılığını etkiler. Bağımsız olaylara bir örnek, bozuk parayı tekrar tekrar çeviriyor. Madeni para hafızasında olmadığı için, ikinci (veya daha sonra) fırlatma ihtimalleri hala 50/50 - adil para olması şartıyla! Ekstra: Bunun üzerinde düşünmek isteyebilirsiniz: Yıllardır konuşmadığınız bir arkadaşınızla tanışırsınız. Tek bildiğin iki çocuğu olduğu. Onunla tanıştığında, onunla birlikte oğlu var. Diğer çocuğun da bir evlat olma şansı nedir? (hayır, 50/50 değil) Eğer bunu al Devamını oku »

7! = 7 * 6 * 5 * 4 * 3 * 2 * 1 = 5040. Bu özel problem bir permütasyondur. Hatırlama, permütasyonlar ve kombinasyonlar arasındaki fark, permutasyonlarla siparişin önemli olduğudur. Bu sorunun öğrencilerin kaçıncı sıraya girebileceğini (yani kaç farklı emir) sıraladığını sorduğu göz önüne alındığında, bu bir permütasyondur. Sadece iki pozisyonu, pozisyon 1 ve pozisyon 2'yi doldurduğumuz anı hayal edin. Öğrencilerimiz arasında ayrım yapmak için, çünkü sipariş önemlidir, her birine A'dan G'ye bir harf atayacağız. Bir zamanlar, ilk Devamını oku »

84 şekilde bu grup seçilebilir. Verilen "n" nesnelerinden "r" nesnelerinin seçim sayısı nC_r ile gösterilir ve nC_r = (n!) / (R! (N-r)!) N = 9, r = 3: olarak verilir. 9C_3 = (9!) / (3! (9-3)!) = (9 * 8 * 7) / (3 * 2) = 84 84 şekilde bu grup seçilebilir. [Ans] Devamını oku »

Bu cevaba nasıl yaklaşılacağına dair bir fikir için aşağıya bakınız: Bu problemi çözme konusundaki metodoloji sorusuna verilen cevabın, popülasyon içinde aynı maddelere sahip kombinasyonlar olduğu düşüncesindeyim. ve D) kombinasyon formülünün hesaplama kabiliyetinin dışında kalmaktadır. Bunun yerine, mathforum.org'daki Dr. Math'a göre, birkaç tekniğe ihtiyacınız var: nesneleri farklı hücrelere dağıtma ve dahil etme-hariç tutma ilkesi. Bu soruyu tekrar tekrar nasıl hesaplayacağımızla doğrudan ilgili olan bu yazıyı (http://mathforum.org/library/drm Devamını oku »

Bu ifade, Mark Twain'in 1800'lerde İngiliz Başbakanı Benjamin Disraeli'ye olan otobiyografisinde atfedildi. Twain, Sir Charles Dilke ve diğerleri tarafından daha önce kullanılmış olmasına rağmen, bu cümlenin yaygın olarak kullanılmasından sorumluydu. Temel olarak ifade, alaycı bir şekilde istatistiksel kanıtların kuşkusunu yalanlarla karşılaştırarak ifade eder, bu da genellikle yanıltıcı olarak değiştirildiğini veya bağlam dışında kullanıldığını gösterir. Bu cümlenin amaçları doğrultusunda, 'istatistikler', 'veri' anlamına gelir. Devamını oku »

"Sahip olduğunuz örnekleri üçe katlayabilirsiniz" "İki kez sahip olduğunuz örnekleri kopyalarsanız," "sizin üç kat daha fazla numuneye sahipseniz, çalışması gerekir." “Yani elbette DV değerlerini de üç kez tekrarlamalısınız.” Devamını oku »

Verilerin% 50'si kutunun içindedir Bir kutu ve bıyık arsasındaki kutu, Q1 ve Q3 değerleri bitiş noktaları olarak kullanılarak oluşturulur. Bu, Q1-> Q2 ve Q2-> Q3'ün dahil olduğu anlamına gelir. Her bir Q verisi aralığı bir kutu ve bıyık arsasındaki verinin% 25'ini içerdiğinden, kutu% 50 dak -> Q1 =% 25 Q1 -> Q2 =% 25 Q2 -> Q3 =% 25 Q3 -> maks = % 25 Devamını oku »

% 75 Çeyreklerle çalışıyorsanız, ilk olarak davalarınızı değerine göre sıralarsınız. Daha sonra davalarınızı dört eşit gruba böldünüz. Birinci çeyrek ve ikinci arasındaki sınırdaki davanın değeri birinci çeyrek veya Q1 olarak adlandırılır İkinci ve üçüncü arasındakiler Q2 = medyandır ve üçüncü ve dördüncü arasındakiler Q3'tür. Yani Q3 noktasında dörtte üçünü geçtiniz Değerlerin Bu% 75'tir. Ekstra: Büyük veri setleriyle yüzdelikler de kullanılır (vakalar daha sonra 100 Devamını oku »

N = 3 p (n) = "n. denemede ilk defa vurma" => p (n) = 0.8 ^ (n-1) * 0.2 "Eşitsizliğin sınırı" 625 p ^ 2 - 175 p + 12 = 0 "", "p": "" diskindeki "ikinci dereceden bir denklemin çözümü:" 175 ^ 2 - 4 * 12 * 625 = 625 = 25 ^ 2 => p = (175 pm 25) / 1250 = 3/25 "veya" 4/25 "" Yani "p (n)", bu iki değer arasında negatif. " p (n) = 3/25 = 0,8 ^ (n-1) * 0,2 => 3/5 = 0,8 ^ (n-1) => log (3/5) = (n-1) log (0,8) = > n = 1 + log (3/5) / log (0,8) = 3,289 .... p (n) = 4/25 = ... => n = 1 + log (4/5) / log ( Devamını oku »

22 Ortalama, değerlerin toplamı alınarak ve değerlerin sayısına bölünerek ölçülür: "ortalama" = "toplam" / "sayım" Katie zaten dört sınava girmiştir ve beşinci kez olması nedeniyle, 76 74, 90, 88 ve x. Genel ortalamasının en az 70 olmasını istiyor. X'in en az 70: 70 = (76 + 74 + 90 + 88 + x +) / 5 seviyesine ulaşmak için gereken minimum puanı bilmek istiyoruz. Ve şimdi x için çözüyoruz: 328 + x = 350 x = 22 Devamını oku »

122 Ortalama = Toplam test sayısına bölünen testlerin toplamı x = 5'inci test puanını alın Ortalama = (76 + 74 + 90 + 88 + x) / 5 = 90 Denklemin her iki tarafını da 5 ile çarparak çözün: = (5 (76 + 74 + 90 + 88 + x)) / 5 = 90 * 5 = 76 + 74 + 90 + 88 + x = 450 x için çöz: x = 450 - 76-74-90-88 = 122 Devamını oku »

"I) P = 0.3085" "II) P = 0.4495" "varyans = 25" => "standart sapma" = sqrt (25) = 5 "N (10, 5) 'den normalize normal dağılıma geçiyoruz:" I) z = (7.5 - 10) / 5 = -0.5 => P = 0.3085 "(z-değerleri tablosu)" II) z = (13.5 - 10) / 5 = 0.7 => P = 0.7580 "(z- tablosu değerler) "=> P (" 8 ile 13 arasında ") = 0.7580 - 0.3085 = 0.4495" 8 ve 13 yerine 7.5 ve 13.5 ", ayrık değerlerde bir devamlılık nedeniyle" "düzeltildi." Devamını oku »

20 bağlantının her biri için 7 seçenek vardır, seçim önceki seçimlerden bağımsız olduğunda, bu yüzden ürün alabiliriz. Toplam seçenek sayısı = 7 * 7 * 7 ... * 7 = = 7 ^ (20) Fakat zincir tersine çevrilebildiğinden, farklı dizileri saymamız gerekir. İlk olarak, simetrik dizilerin sayısını sayarız: yani son 10 bağlantı ilk 10 bağlantının ayna görüntüsünü alır. Simetrik dizilerin sayısı = yol sayısı ilk önce 10 bağlantıyı seç = 7 ^ (10) Bu simetrik dizilerin haricinde, simetrik olmayan dizilerin yeni bir zincir üretmek için tersine Devamını oku »

N = 13 "Torbadaki misket sayısını belirtin", n. "Sonra biz var" (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 "disk:" 385 ^ 2 - 4 * 21 * 1456 = 25921 = 161 ^ 2 => n = (385 pm 161) / 42 = 16/3 "veya" 13 "n bir tam sayı olduğundan ikinci çözümü almalıyız (13):" => n = 13 Devamını oku »

0,0,12,19,19 bir ihtimal Tyler'ın ortalama 10 sayı ve ortanca 12 puan aldığı 5 basketbol oyunumuz var. Ortanca orta değerdir ve bu nedenle puanlarının 12'nin altında iki değerin ve yukarıda iki değerin olduğunu biliyoruz. Ortalama, değerlerin toplanması ve sayıma bölünmesiyle hesaplanır. 5 oyun üzerinden ortalama 10 puan alabilmek için şunu biliyoruz: "ortalama" = "toplam puan" / "oyun sayısı" => 10 = 50/5 Ve 5 oyun üzerinden atılan puan sayısı 50 puan. Bir oyunda 12 puan kazanıldığını biliyoruz, ve geriye kalan puanlar eşit olacak: 50-12 = 38, yine 12 ve ik Devamını oku »

Bir veri kümesi birkaç çok aşırı durumda olduğunda. Örnek: İçinde çoğu değerin 1000 işaretinin üzerinde olduğu 1000 veri kümesine sahibiz. Diyelim ki ortalama ve ortanca her ikisi de 1000'dir. Şimdi bir 'milyoner' ekliyoruz. Ortalama, neredeyse 2000'e kadar çarpıcı bir şekilde artacak, medyan ise gerçekten değişmeyecek, çünkü bu, dava 500 ile dava 501 arasındaki durum (501) yerine (dava sırasına göre düzenlenmiş) Devamını oku »

P (z <1.96) standart normal dağılım kullanmak ve 1.96'nın solundaki eğri altındaki alanı bulmak anlamına gelir, tablomuz bize z-skorunun solundaki alanı verir, sadece değere bakmamız gerekir. bize verecek olan masanın üzerinde. P (z <1.96) =% 97.5 olarak yazabileceğiniz 0.975 Devamını oku »

Açıklama Bölümüne Bakın z değerlerinin hesaplanmasında yer alan adımlar aşağıdaki gibidir: Serinin ortalamasını hesapla. Serinin standart sapmasını hesaplayın. Son olarak, z = sum (x-barx) / sigma formülünü kullanarak her x değeri için z değerlerini hesaplayın. Hesaplamaya göre, 209'un z değeri 2'den büyüktür. Aşağıdaki tabloya bakınız - Normal Dağılım Bölüm 2 Devamını oku »

Dayanıklı bir önlem, aykırı değerlerden etkilenmeyen önlemdir.Örneğin, sıralı bir numara listemiz varsa: 1, 3, 4, 5, 6, 8, 50 Ortalama: 11 Medyan 5'tir. Bu durumda, listedeki sayıların çoğundan daha büyüktür, çünkü 50 bu kadar güçlü bir şekilde etkilenir, bu durumda güçlü bir dışlayıcıdır. Sıralı listedeki son sayı çok daha büyük olsa bile medyan 5 olarak kalır, çünkü sıralı bir sayı listesinde ortadaki sayıyı sağlar. Devamını oku »

Kutu ve bıyık arsası, beş sayılık bir özetden istatistik alan bir grafik türüdür. İşte bir örnek: Beş sayılık özet aşağıdakilerden oluşur: Minumum: en düşük değer / gözlem Alt çeyrek veya Q1: verinin alt yarısının "medyanı"; verilerin% 25'inde bulunur Medyan: orta değer / gözlem Yüksek çeyreklik veya Q3: verilerin üst yarısının "medyanı"; Verilerin% 75'inde yer almaktadır Maksimum: en yüksek değer / gözlem Ara çeyrek aralığı (IQR) alt çeyrek (Q1) ve üst çeyrek (Q2) aralığıdır. Bazen aykırı değerle Devamını oku »

Değerleri sınıflarda gruplandırırken, limitleri ayarlamanız gerekir. Örnek 10.000 erişkinin boyunu ölçtüğünüzü söyleyin. Bu yükseklikler mm'ye (0,001 m) doğru olarak ölçülür. Bu değerlerle çalışmak ve bunlarla ilgili istatistikler yapmak veya histogramlar yapmak için, böyle iyi bir bölüm çalışmaz. Yani değerlerinizi sınıflar halinde gruplandırıyorsunuz. Diyelim ki bizim durumumuzda 50 mm (0,05 m) aralık kullanıyoruz. Daha sonra 1.50- <1.55 m, 1.55- <1.60 m vb. Bir sınıfa sahip olacağız. Aslında 1.50-1.55 m sınıfı 1.495& Devamını oku »

Bir nüfus sayımı yerine bir örnek kullanmanın birincil yararı verimliliktir. Birinin Kongre'nin ortalama görüşünün 18-24 bireyler arasında ne olduğunu bilmek istediğini varsayalım (yani, Kongre'nin bu derecelendirme notu arasında hangi derece olduğunu onaylamak istiyorlar). ABD nüfus sayımına göre, 2010 yılında, bu yaş aralığında ABD'de 30 milyondan fazla kişi vardı. Bu 30 milyon insanın her birine gitmek ve fikirlerini sormak kesinlikle kesin sonuçlara yol açacak olsa da (kimsenin yalan söylemediği varsayılır) zaman ve kaynaklar açısından çok pah Devamını oku »

Devamını oku »

BInomial ortamında, olay başına iki olası sonuç vardır. Öncelikle binom ayarını kullanmak için önemli koşullar şunlardır: İyi veya Başarısızlık olarak adlandırmamız gereken sadece iki olasılık vardır. İyi ve Başarısızlık arasındaki oranın denemeler sırasında değişmemesi Başka bir deyişle: bir deneme bir sonraki Örneği etkilemez: Zarları (her defasında bir tane) yuvarlarsınız ve 3 denemede en az 1 altıda atma şansınızın ne olduğunu bilmek istersiniz. Bu tipik bir binom örneğidir: Sadece iki olasılık vardır: 6 (şans = 1/6) ya da değil-6 (şans = 5/6) Kalıbın hafızası yoktur, yani: Her sonraki rul Devamını oku »

"Pasta Grafiği" nin önemli özellikleri "Pasta Grafiği" oluşturmadan önce bazı önemli şeylere ihtiyacımız var. sahip olmamız gerekenler: TOP 5 ÖNEMLİ ELEMANLAR İki veya daha fazla veri. Verilerimizi kolayca görmek için mükemmel renkleri seçin. Grafiğimizin önüne bir başlık yaz. Grafiğinize bir açıklama ekleyin (sola veya sağa) Grafiğimizin altına, grafiği tanımlayan bir cümle ekleyin. (kısa olan) Resmi de görün: Devamını oku »

R-kare model doğrulama için kullanılmamalıdır. Bu, modelinizi doğruladığınızda bakacağınız bir değerdir. Veriler homojense normal bir dağılım izlerse, doğrusal bir model doğrulanır, açıklayıcı değişkenler bağımsızdır ve açıklayıcı değişkenlerinizin değerini tam olarak biliyorsanız (X üzerinde dar hata) R-kare iki modeli karşılaştırmak için kullanılabilir. sen zaten onayladın. En yüksek değere sahip olan, verilere en uygun olanıdır. Ancak, AIC (Akaike kriteri) gibi daha iyi endeksler mevcut olabilir. Devamını oku »

Aritmetik Ortalama ~~ 424.4 Standart Sapma ~~ 642.44 Girdi Veri Seti: {115, 89, 230, -12, 1700} Aritmetik Ortalama = (1 / n) * Sigma (x_i), burada, Sigma x_i tümünün Toplamını belirtir Giriş Veri Kümesi'ndeki öğeler. n toplam eleman sayısıdır. Standart Sapma sigma = sqrt [1 / n * Sigma (x_i - bar x) ^ 2) Sigma (x_i - bar x) ^ 2, Ortalama değerinden kareler arasındaki farkların ortalamasını gösterir. Aritmetik Ortalama ~~ 424.4 Standart Sapma ~~ 642.44 Umarım yardımcı olur. Devamını oku »

Ortalama 3.5 ve Standart Sapma 1.83'tür. Terimlerin toplamı 35'tir, bu nedenle, {2,3,3,5,1,5,4,4,2,6} 'nın ortalaması 35/10 = 3,5'tir; şartlar. Standart Sapma için, terim ortalamalarının sapmalarının kareleri ortalamasının ardından karelerinin ortalamasını bulmak gerekir. Sapmalar {-3.5, -0.5, -0.5, 1.5, -2.5, 1.5, 0.5, 0.5, -1.5, 2.5} ve karelerinin toplamıdır (12.25 + 0.25 + 0.25 + 2.25 + 6.25 + 2.25 + 0.25 + 0.25 + 2.25 + 6.25) / 10 veya 33.50 / 10 yani 3.35. Dolayısıyla, Standart Sapma sqrt3.35, yani 1.83'tür. Devamını oku »

Ortalama = 5.25color (beyaz) ("XXX") Medyan = 4.5color (beyaz) ("XXX") Mod = 4 Nüfus: Varyans = 3.44 renk (beyaz) ("XXX") Standart Sapma = 1.85 Örnek: renk (beyaz (beyaz) ) ("X") Varyans = 43.93color (beyaz) ("XXX") Standart Sapma = 1.98 Ortalama, veri değerlerinin aritmetik ortalamasıdır Median, veri değerleri sıralandığında orta değerdir (veya 2'nin ortalamasıdır). çift değer varsa, ortadaki değerler). Mod, en yüksek frekansta meydana gelen veri değerleridir. Varyans ve Standart Sapma, verilerin tüm popülasyon olarak mı kabul edildiğine Devamını oku »

Ortalama (ortalama) ve Medyan (orta nokta). Bazıları Modu ekleyecektir. Örneğin, değerler kümesiyle: 68.4, 65.7, 63.9, 79.5, 52.5 Ortalama, aritmetik ortalamadır: (68.4 + 65.7 + 63.9 + 79.5 + 52.5) / 5 = 66 Medyan, eşit (sayısal) değerdir. aralık aşırı. 79,5 - 52,5 = 27 27/2 = 13,5; 13.5 + 52.5 = 66 NOT: Bu veri setinde, Ortalama ile aynı değerdedir, ancak bu genellikle böyle değildir. Mod, kümedeki en yaygın değerlerdir. Bu sette hiçbiri yok (kopya yok). Genel olarak, merkezi eğilimin istatistiksel bir ölçütü olarak bulunur. İstatistiklerle ilgili kişisel tecrübem, kesinl Devamını oku »

Ortalama (ortalama) ve standart sapmalar doğrudan stat modunda bir hesap makinesinden elde edilebilir. Bu, barx = 1 / nsum_ (i = 1) ^ nx_i = 219,77 verir. Sonuç olarak, örneklem alanındaki tüm veri noktaları tamsayı olduğundan, ortalamayı anlamlı sayıların doğru bir tamsayı olarak da ifade etmemiz gerekir. yani, barx = 220. Numune veya popülasyon standart sapmasının olmasını istediğinize bağlı olarak 2 standart sapma, aynı zamanda en yakın tamsayı değerine yuvarlanır, s_x = 291 ve sigma_x = 280 Aralık, x_ (maks) -x_ (min) = 1100- ( -90) 1190 =. Ortancayı bulmak için, ortadaki değeri bulmak içi Devamını oku »

Evet, bu örnek “korelasyona nedensellik” ile uyuyor. Sahibinin verileri dikkate değer bir korelasyon kanıtı olsa da, bu nedensellik sonucunu çıkaramaz çünkü bu rastgele bir deneme değildir. Bunun yerine, burada muhtemelen olan şey, bir evcil hayvan sahibi olmak isteyen ve bunu karşılayabilenlerin, evcil hayvan sahibi olan insanlar olduğudur. Evcil hayvan sahibi olma isteği daha sonra mutluluklarını haklı çıkarır ve evcil hayvanı alma yeteneği muhtemelen finansal olarak bağımsız olduklarına işaret eder, büyük borçları, ölümcül hastalıkları vb. Olmadıklarını gö Devamını oku »

Verilen veriler tüm popülasyon ise: renkli (beyaz) ("XXX") sigma_ "pop" ^ 2 = 1.62; sigma_ "pop" = 1.27 Verilen veriler popülasyonun bir örneğiyse, renkli (beyaz) ("XXX") sigma_ "sample" ^ 2 = 1.80; sigma_ "sample" = 1.34 Bir popülasyonun varyansını (sigma_ "pop" ^ 2) ve standart sapmayı (sigma_ "pop") bulmak için Popülasyon değerlerinin toplamını bulun Ortalamaları elde etmek için popülasyondaki değerlerin sayısına bölün Her bir popülasyon değeri için, bu değer ile o ortalama ara Devamını oku »

Varyans = 3,050,000 (3s.f.) Sigma = 1750 (3s.f.) önce ortalamayı bulur: ortalama = (1 + 1 + 1 + 1 + 1 + 1 + 7000 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1) / 15 = 7014/15 = 467.6 her sayı için sapma buluyor - bu, ortalamayı çıkartarak yapılır: 1 - 467.6 = -466.6 7000 - 467.6 = 6532.4, sonra her sapmayı kareleyin: (-466.6) ^ 2 = 217,715.56 6532.4 ^ 2 = 42,672,249.76 varyansı bu değerlerin ortalamasıdır: varyans = (((14 * 217715.56) + 42672249.76) / 15 = 3.050.000 (3s.f.) Standart sapma varyansın kareköküdür: Sigma = sqrt (3050000) = 1750 (3s.f.) Devamını oku »

Nüfus varyansı: sigma ^ 2 ~ = 476.7 ve popülasyon standart sapması bu değerin kareköküdür: sigma ~ = 21.83 İlk olarak, bunun tüm değerler popülasyonu olduğunu varsayalım. Bu nedenle popülasyon varyansını arıyoruz. Bu sayılar daha büyük bir popülasyondan bir grup örnek olsaydı, popülasyon varyansından n faktörüne göre farklılık gösteren örneklem varyansını arardık. // (n-1) Popülasyon varyansı için formül sigma ^ 2 = 1 / N sum_ (i = 1) ^ N (x_i-mu) ^ 2 burada mu, popülasyon ortalamasıdır; bu, mu = 1 / N sum_'dan Devamını oku »

Sadece bir örneklem ile değil, tüm popülasyonla ilgilendiğimizi varsayalım: Varyans sigma ^ 2 = 44,383.45 Standart Sapma sigma = 210.6738 Çoğu bilimsel hesap makinesi veya elektronik tablo, bu değerleri doğrudan belirlemenize izin verecektir. Daha metodik bir şekilde yapmanız gerekiyorsa: Verilen veri değerlerinin toplamını belirleyin. Toplamı veri girişleri sayısına bölerek ortalamayı hesaplayın. Her veri değeri için, veri değerini ortalamadan çıkararak, ortalamadan sapmasını hesaplayın. Her veri değerinin ortalamadan sapması, sapmanın karesiyle ortalamadan kare sapma hesaplanır.Kare sap Devamını oku »

S = sigma ^ 2 = 815.41-> varyans sigma = 28.56-> 1 standart sapma Varyans, en iyi uyum çizgisi hakkındaki verilerin varyasyonunun bir tür ortalama ölçüsüdür. Aşağıdakilerden türetilmiştir: sigma ^ 2 = (sum (x-barx)) / n Toplamı hepsini topladığında, barx ortalama değerdir (bazen mu kullanırlar) n, sigma ^ 2'nin varyansıdır. (bazen s kullanırlar) sigma bir standart sapmadır. Bu denklem biraz manipülasyonla sonuçlanır: sigma = 2 = (toplam (x ^ 2)) / n - barx ^ 2 "" varyansı için sigma = sqrt (( toplam (x ^ 2)) / n - barx ^ 2) "" 1 standart s Devamını oku »

Varyans (popülasyon): sigma_ "pop" ^ 2 = 12.57 Standart Sapma (popülasyon): sigma_ "pop" = 3.55 Veri değerlerinin toplamı 42'dir. Veri değerlerinin ortalaması (mu) 42/7 = 6'dır. Her biri için veri değerlerinden veri değeri ile ortalama ve sonra arasındaki farkı hesaplayabiliriz. Kare değerlerin toplamının veri değerlerinin sayısına bölünmesiyle popülasyon varyansı elde edilir (sigma_ "pop" ^ 2). Nüfus varyansının karekökü popülasyona standart sapma verir (sigma_ "pop") Not: Veri değerlerinin tüm popülasyonu temsil et Devamını oku »

Bir F testi, verilerin normal dağıldığını ve örneklerin birbirinden bağımsız olduğunu varsayar. Bir F testi, verilerin normal dağıldığını ve örneklerin birbirinden bağımsız olduğunu varsayar. Normal dağılımdan farklı olan veriler birkaç nedenden dolayı olabilir. Veriler çarpık olabilir veya örnek büyüklüğü normal dağılıma ulaşamayacak kadar küçük olabilir. Sebep ne olursa olsun, F testleri normal bir dağılıma bürünür ve eğer veriler bu dağılımdan önemli ölçüde farklılaşırsa yanlış sonuçlara yol açar. F testleri ayrıca v Devamını oku »

Normal eğri altındaki alanı iki nokta arasında hesaplayabilen bir matematiksel denklem olmadığı için, z-tablosunda elle çözülme olasılığını bulma formülü yoktur. Z-tablolarının genellikle 4 ondalık hassasiyetle sunulmasının nedeni budur. Ancak bu olasılıkları excel, R ve TI hesap makinesi gibi donanımlar kullanarak çok yüksek bir hassasiyetle hesaplamak için formüller vardır. Excel'de, z'nin solunda bulunur: NORM.DIST (z, 0,1, true) TI-hesaplayıcıda, bu z değerinin solundaki alanı almak için normalcdf (-1E99, z) 'yi kullanabiliriz. . Devamını oku »

Ki Kareler dağılımları, karelerin toplamının bir fonksiyonu olan istatistiksel nicelikleri tanımlamak için kullanılabilir. Ki Kare dağılımı, normalde rastgele dağıtılmış değişkenlerin k karelerinin toplamı olan bir değerin dağılımıdır. Q = sum_ (i = 1) ^ k Z_i ^ 2 Chi Squared dağılımının PDF'si şu şekilde verilir: f (x; k) = 1 / (2 ^ (k / 2) Gama (k / 2)) x ^ (k / 2-1) e ^ (- x / 2) Burada k, serbestlik derecelerinin sayısıdır ve x, olasılık aradığımız Q'nun değeridir. Chi Squared dağılımının faydası, kare değerlerin toplamını içeren şeyleri modellemektir. İki özel örnek şunlardır: Varyans testl Devamını oku »

Eş varyansın bir kullanımı, korelasyonu incelemektir. İki bağımlı değişkene ilişkin örnek verilerimiz olduğunda, eş değişkenlik önem kazanır. Eş değişkenlik, iki değişken arasındaki varyasyonun etkisinin bir ölçüsüdür. X ve Y diye adlandırılan iki bağımlı değişkenimiz olduğunda, X değerleri içindeki varyasyonu inceleyebiliriz - bu sigma_x ^ 2, Y değerleri içindeki varyasyon, y sigma_y ^ 2 varyansıdır. X ve Y arasındaki eşzamanlı varyasyon çalışmasına COV (X, Y) veya sigma_ (xy) denir. Devamını oku »

Değişkenler arasındaki ilişki biçimini ortaya koymaktadır. Lütfen “Regresyon analizi nedir?” Konusundaki cevabımı okuyunuz. Değişkenler arasındaki ilişki biçimini ortaya koymaktadır. Örneğin, ilişkinin güçlü bir şekilde pozitif olarak ilişkili olup olmadığı, güçlü bir şekilde olumsuz yönde ilişkili olduğu veya hiçbir ilişkisi olmadığı. Örneğin, yağış ve tarım verimliliğinin güçlü bir şekilde ilişkilendirildiği farz edilmektedir, ancak ilişki bilinmemektedir. Tarım verimliliğini belirtmek için mahsul verimini belirlersek ve iki değişkeni &# Devamını oku »

X değeri antrenman verilerinin x değeri aralığı dışında olan bir noktayı tahmin etmek için regresyon çizgisini kullandığımızda, buna ekstrapolasyon denir. (Kasıtlı olarak) ekstrapolasyon yapmak için, regresyon çizgisini sadece eğitim verilerinden uzak olan değerleri tahmin etmek için kullanırız. Ekstrapolasyonun güvenilir tahminler vermediğini unutmayın; çünkü regresyon çizgisi, antrenman veri aralığının dışında geçerli olmayabilir. Devamını oku »

Z-Score, veriler normal bir dağılıma sahip olduğunda, standart sapmalarla ölçülen dağılımının geri kalanına ilişkin bir gözlemin konumunu gösterir. Pozisyonu genellikle gözlemin gerçek değerini veren bir X Değeri olarak görürsünüz. Bu sezgiseldir, ancak farklı dağıtımlardan gelen gözlemleri karşılaştırmanıza izin vermez. Ayrıca, X Puanlarınızı Z Puanlarına dönüştürmeniz gerekir, böylece Z-Score ile ilgili değerleri aramak için Standart Normal Dağılım tablolarını kullanabilirsiniz. Örneğin, sekiz yaşındaki bir çocuğun atma hızının Devamını oku »

Korelasyon: iki değişken birlikte değişme eğilimindedir. Olumlu bir korelasyon için, eğer bir değişken artarsa, diğeri de verilen verilerde artar. Sebep: bir değişken başka bir değişkende değişikliklere neden olur. Önemli fark: Korelasyon sadece bir tesadüf olabilir. Ya da belki bazı üçüncü değişken ikisini değiştiriyor. Örneğin: "Ayakkabı giyecek uyku" ile "baş ağrısı ile uyanma" arasında bir ilişki vardır. Ancak bu ilişki nedensel değildir, çünkü bu tesadüfün asıl nedeni (çok fazla) alkoldür. Devamını oku »

Aşağıya bakınız. Verilen: p -> [(p ^^ q) vv ~ p] değil Mantık operatörleri: "değil p:" değil p, ~ p; "ve:" ^^; veya: vv Mantık Tabloları, olumsuzlama: ul (| "" p | "" q | "" ~ p | "" ~ q |) "" T | "" T | "" F | "" F | "" T | "" F | "" F | "" T | "" F | "" T | "" T | "" F | "" F | "" F | "" T | "" T | Mantık Tabloları ve & veya: ul (| "" p | "" q | "" p ^^ q "&q Devamını oku »

~ = 0.9391 Sorunun içine girmeden önce, onu çözme yönteminden bahsedelim. Örneğin, üç kez adil bir parayı çevirmenin olası tüm sonuçlarını hesaba katmak istediğimi varsayalım. HHH, TTT, TTH ve HHT'yi alabilirim. H olasılığı 1/2 ve T olasılığı da 1/2'dir. HHH ve TTT için, her biri 1 / 2xx1 / 2xx1 / 2 = 1 / 8'dir. TTH ve HHT için, ayrıca her biri 1 / 2xx1 / 2xx1 / 2 = 1 / 8'dir, ancak her sonucu almamın 3 yolu olduğundan, her biri 3xx1 / 8 = 3/8 olur. Bu sonuçları topladığımda, 1/8 + 3/8 + 3/8 + 1/8 = 1 olur - bu da artık hesaplanan jeton & Devamını oku »

Hızlı Tanımlar Nicel Veriler sayılardır: Yükseklikler; ağırlıkları; hızları; sahip olunan evcil hayvan sayısı; yıl; Nitel Veriler sayı değildir. Favori yiyecekleri içerebilirler; dinler; etnikler; etc .. Ayrık Veri, belirli, ayrılmış değerleri alabilen sayılardır. Örneğin, bir kalıbı yuvarladığınızda 1, 2, 3, 4, 5 veya 6 elde edersiniz. 3,75 değerinde elde edemezsiniz. Sürekli Veri her türlü ondalık ya da kesirli değeri alabilen sayılardır. Örneğin, kilonuz tam olarak 92.234 kilogram olarak ölçülebilir. Hızınız 10 mil ila 11 mil arasında atlamaz; 10.5 mil gibi - arasında he Devamını oku »

Biri, verilerimizdeki aykırı değerleri ortadan kaldıracağı için, verilere daha "Realist" bir görünüm elde etmek için genellikle IQR'ye (Interquartile Range) bakardı. Böylece, 4,6,5,7,2,6,4,8,2956 gibi bir veri kümeniz olsaydı O zaman sadece IQR'nin ortalamasını almak zorunda olsaydık, veri setimiz için daha "Gerçekçi" olurdu, Sanki normal ortalamayı yeni almışsak, 2956'nın bir değeri veriyi biraz karıştırır. Böyle bir aykırı bir yazım hatası gibi basit bir şey gelebilir, böylece IQR kontrol etmek için nasıl yararlı olabileceğin Devamını oku »

Konunun adından da anlaşılacağı gibi, varyans bir "Değişkenlik Ölçümü" dür. Varyans, bir değişkenlik ölçüsüdür. Bu, bir veri kümesi için söyleyebileceğiniz anlamına gelir: "Ne kadar yüksek varyans, o kadar farklı veri". Örnekler Küçük farklılıklar içeren bir veri kümesi. A = {1,3,3,3,3,4} bar (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 Bir veri kümesi daha büyük farklar ile. B = {2,4,2,4,2, Devamını oku »

Nominal Seviye - Yalnızca farklı kategorilerdeki verileri etiketler, örneğin şu kategorilere ayrılır: Erkek veya Kadın Sıralı Seviye - Veriler düzenlenebilir ve sıralanabilir ancak fark anlamlı değildir, örneğin: 1., ikinci ve 3. olarak sıralama. Aralık Seviyesi - Veriler sıralanabilir, farklılıklar alınabilir, ancak çarpma / bölme mümkün değildir. örneğin: 2011, 2012 gibi farklı yıllara göre sınıflandırma vb. Oran Seviyesi - Sipariş, fark ve çarpma / bölme - tüm işlemler mümkündür. Örneğin: Yıllar arası yaş, derece cinsinden sıcaklık vb. Ayrık Devamını oku »

Ogive, bir kümülatif frekans eğrisinin başka bir adıdır. Mağdurun her noktasında, gözlem noktasını, o noktanın apsisinden daha az elde ederiz. Bu cevap, dikkate almaktan daha az dikkate alınarak verilir. Aksi takdirde eğri, absisisten daha büyük gözlem sayısını verecektir. Sınıf frekanslarını art arda ekleyerek ve bunları sınıfların üst sınırlarına yazarak kümülatif frekans dağılımından daha az elde edilebilir. Devamını oku »

(32/52) Kart destesinde, kartların yarısı kırmızıdır (26) ve (şaka yapmazsak) 4 adet jak, 4 adet kraliçe ve 4 adet kral (12) vardır. Bununla birlikte, görüntü kartlarından 2 jak, 2 kraliçe ve 2 kral kırmızıdır. Bulmak istediğimiz, "kırmızı kart VEYA resim kartı çizme olasılığı" dır. İlgili olasılıklarımız kırmızı kart veya resim kartı çizmektir. P (kırmızı) = (26/52) P (resim) = (12/52) Birleşik etkinlikler için şu formülü kullanırız: P (A uu B) = P (A) + P (B) -P (A nn B) Çeviren: P (resim veya kırmızı) = P (kırmızı) + P (resim) -P (kırmızı ve resim) P (resi Devamını oku »

Hem tahmin hem de güven aralığı ortalamanın yakınında daha dardır, bu hataların karşılık gelen marjı formülünde kolayca görülebilir. Aşağıdakiler güven aralığı hata payıdır. E = t _ { alfa / 2, df = n-2} çarpı s_e sqrt {( frak {1} {n} + frak {(x_0 - bar {x}) ^ 2} {S_ {xx }})} Tahmin aralığı için hata payı aşağıdadır E = t _ { alpha / 2, df = n-2} times s_e sqrt {(1 + frac {1} {n} + frac {( x_0 - bar {x}) ^ 2} {S_ {xx}})} Bunların her ikisinde de, mesafenin karesi olarak ölçeklenen (x_0 - bar {x}) ^ 2 terimini görüyoruz. ortalamadan tahmin noktası. Bu nedenle CI ve Devamını oku »

Yaklaşık% 61,5 Bir dizüstü bilgisayarın arızalı olma olasılığı (6/22) Bir dizüstü bilgisayarın arızalı olma olasılığı (16/22) En az bir dizüstü bilgisayarın arızalı olma olasılığı şu şekilde verilmiştir: P (1 arızalı) + P (2 arızalı) + P (3 arızalı), bu olasılık kümülatif olduğu için. X, kusurlu bulunan dizüstü bilgisayarların sayısı olsun. P (X = 1) = (3 tercih 1) (6/22) ^ 1 kez (16/22) ^ 2 = 0.43275 P (X = 2) = (3 tercih 2) (6/22) ^ 2 kez ( 16/22) ^ 1 = 0.16228 P (X = 3) = (3 tercih 3) (6/22) ^ 3 = 0.02028 (Tüm olasılıkları topla) = 0.61531 yaklaşık 0.615 Devamını oku »

"Bi" harfleri iki anlamına gelir. Böylece, iki modlu bir dağılımın iki modu vardır. Örneğin, {1,2,3,3,3,5,8,12,12,12,12,18}, ayrı ayrı modlar olarak hem 3 hem de 12 ile çift modludur. Modların aynı frekansa sahip olmadığına dikkat edin. Yardımcı oldu umarım Kaynak: http://www.fao.org/wairdocs/ilri/x5469e/x5469e0e.htm Devamını oku »

İki modlu bir grafik, iki modlu sürekli bir olasılık dağılımı olarak tanımlanan iki modlu bir dağılımı gösterir. Genel olarak, bu dağılımın olasılık yoğunluğu fonksiyonunun grafiği bir "iki çarpma" dağılımına benzeyecektir; yani, normal dağılım veya zil eğrisinde mevcut olan tek tepe noktası yerine, grafik iki tepe noktasına sahip olacaktır. İki modlu dağılımlar, normal dağılımlardan daha az yaygın olsa da, hala doğada meydana gelir. Örneğin, Hodgkin Lenfoması iki yaş grubu içinde diğer yaştaki insanlardan daha sık görülen bir hastalıktır; özellikle 15-35 yaş arasındaki gen Devamını oku »

Histogramdaki "kutu", X ekseni üzerindeki birim ve aralık seçimidir.Bir histogram tarafından görsel olarak temsil edilen olasılık dağılımındaki tüm veriler, ilgili kutulara doldurulur. Her bölmenin yüksekliği, dağıtımdaki verinin aralığının içinde hangi sıklıkta göründüğünü gösterir. Örnek olarak, aşağıdaki bu örnek histogramında, X ekseninden yukarı doğru çıkan her bir çubuk tek bir bölmedir. Yükseklikten 75'e, Yükseklikten 80'e kadar olan bölmede 10 veri noktası vardır (bu durumda, yüksekliği 75 Devamını oku »

Sunulan tam açıklamaya bakınız. 100 madeni paramız olduğunda ve bu madeni paraları bir gruba herhangi bir şekilde verdiğimizde, madeni para dağıttığımız söylenir. Benzer şekilde, toplam olasılık (1 olan) rastgele değişkenle ilişkili farklı değerler arasında dağıtıldığında, olasılık dağıtıyoruz. Bu nedenle, olasılık dağılımı denir. Hangi değere hangi olasılıkın atanması gerektiğini belirleyen bir kural varsa, o zaman böyle bir kurala olasılık dağılım fonksiyonu denir. Binom dağılımı adını alır çünkü farklı olasılıkları belirleyen kural binom genişlemesinin şartlarıdır. Devamını oku »

Ki-kare dağılımı en yaygın kullanılan dağılımlardan biridir ve ki-kare istatistiğinin dağılımıdır. Ki-kare dağılımı en çok kullanılan dağıtımlardan biridir. Kare standart normal sapmaların toplamının dağılımıdır. Dağılımın ortalaması, serbestlik derecesine eşittir ve ki-kare dağılımının varyansı, serbestlik dereceleri ile çarpılır. Bu, beklenen değerlerle karşılaştırılan değerleri karşılaştırarak bir chi kare testi yaparken ve iki kategorideki farklılıkları test etmek için bir chi kare testi yaparken kullanılan dağılımdır. Ki-kare dağılımının kritik değerleri burada bulunabilir. Yardımcı olabilecek ilgili bi Devamını oku »

Aynı popülasyondan iki veya daha fazla kategorik veri grubu arasında anlamlı bir ilişki varsa bağımsızlık testleri için ki-kare testi. Aynı popülasyondan iki veya daha fazla kategorik veri grubu arasında anlamlı bir ilişki varsa bağımsızlık testleri için ki-kare testi. Bu test için boş hipotez, ilişki olmadığıdır. İstatistiklerde en sık kullanılan testlerden biridir. Bu testi kullanmak için gözlemleriniz bağımsız olmalı ve beklenen değerleriniz beşten büyük olmalıdır. Elle bir ki kare hesaplamak için denklem İşte bir örnek: Ki kare'nizi hesapladıktan sonra, serbest Devamını oku »

Kategorik değişkenlerin dağılımının birbirinden farklı olup olmadığını araştırmak için chi ^ 2 testi kullanılmıştır. Ki ^ 2 testi, yüzdelerde, oranlarda veya ortalamalarda değil, sadece gerçek sayılarda kullanılabilir. Chi ^ 2 istatistiği, iki veya daha fazla bağımsız grup arasındaki kategorik cevapların listelerini veya sayısını karşılaştırır. Özetle: chi ^ 2 testi, kategorik değişkenlerin dağılımının birbirinden farklı olup olmadığını araştırmak için kullanılır. Devamını oku »

Aşağıya bakınız: Bir kombinasyon, gruplamanın yapıldığı sıraya bakılmaksızın farklı nesnelerin gruplandırılmasıdır. Örnek olarak, bir poker eli bir kombinasyondur - kartları hangi sırayla aldığımızla ilgilenmiyoruz, yalnızca bir Royal Flush (veya bir çift 3s) tutuyoruz. Bir kombinasyon bulma formülü şudur: n = "popülasyon" ile C_ (n, k) = ((n), (k)) = (n!) / ((K!) (Nk)!) "Örneğin, olası 5 kartlı poker eli sayısı şöyledir: C_ (52,5) = (52!) / ((5)! (52-5)!) = (52!) / (( 5!) (47!)) Hadi değerlendirelim! (52xx51xxcancelcolor (turuncu) (50) ^ 10xx49xxcancelcolor (kırmızı) kahve Devamını oku »

Standart bir kutu ve bıyık grafiği, veri kümesinde en sağa veya en sağa yerleştirilen noktalar dahil olmak üzere tüm veri noktalarının görsel bir temsilidir. Bu uç veri noktalarına 'aykırı değerler' denir. Standart kutu grafiğinin aksine, değiştirilmiş bir kutu grafiği ayraçları içermez. Bunun yerine, aykırı değerler, verilerin dağılımını daha doğru bir şekilde göstermek için 'bıyıkların' ötesindeki noktalar olarak temsil edilir. Devamını oku »

F-testi. F testi, popülasyon varyans eşitliğini test etmek için tasarlanmış istatistiksel bir test mekanizmasıdır. Bunu, varyansların oranını karşılaştırarak yapar. Yani, eğer varyanslar eşitse, varyansların oranı 1 olacaktır. Tüm hipotez testleri, varsayımlar altında yapılmış, sıfır hipotezi doğrudur. Devamını oku »

Ortalamalar arasındaki anlamlı farkları test etmek için bir ANOVA kullanıyoruz. Çoklu gruplar arasındaki anlamlı farkları test etmek için bir ANOVA veya varyans analizi kullanıyoruz. Örneğin, ortalama biyoloji, kimya, fizik ve matematik uzmanlarının genel not ortalamasının farklı olup olmadığını bilmek istersek, bir ANOVA kullanabiliriz. Sadece iki grubumuz olsaydı, ANOVA'mız t-testi ile aynı olurdu. Bir ANOVA'nın üç temel varsayımı vardır: Her gruptaki bağımlı değişkenler normal dağılmıştır Her gruptaki popülasyon varyansları eşittir Gözlemler birbirinden bağımsızdır Devamını oku »

Aşağıya bakınız. Kategorik bir değişken bir kategori veya türdür. Örneğin, saç rengi kategorik bir değerdir veya memleket kategorik bir değişkendir. Tür, tedavi tipi ve cinsiyet kategorik değişkenlerdir. Sayısal değişken, ölçümün veya sayının sayısal bir anlamı olan bir değişkendir. Örneğin, inç cinsinden ölçülen toplam yağış sayısal bir değerdir, kalp atış hızı sayısal bir değerdir, bir saat içinde tüketilen çizburger sayısı sayısal bir değerdir. Kategorik bir değişken, istatistik amacıyla bir sayı olarak ifade edilebilir, ancak bu sayıla Devamını oku »

Tek yönlü ANOVA, ikiden fazla koşulu olan bir bağımsız değişkene sahip olduğunuz bir ANOVA'dır. İki veya daha fazla bağımsız değişken için iki yönlü bir ANOVA kullanırsınız. Tek yönlü ANOVA, ikiden fazla koşulu olan bir bağımsız değişkene sahip olduğunuz bir ANOVA'dır. Bu, iki bağımsız değişkeninizin olduğu ve her birinin birden fazla koşulu olduğu iki yönlü ANOVA'nın aksinedir. Örneğin, kahve markalarının kalp atış hızı üzerindeki etkilerini belirlemek isteseniz tek yönlü bir ANOVA kullanırsınız. Bağımsız değişkeniniz kahve markası. Kahve markala Devamını oku »

Bir olay kavramı, Olasılık Teorisi'nde son derece önemlidir. Aslında, Geometri'deki bir nokta veya Cebir'deki denklem gibi temel kavramlardan biridir. Her şeyden önce, rastgele bir deneme olarak kabul ediyoruz - belirli sayıda sonucu olan herhangi bir fiziksel veya zihinsel eylem. Örneğin, cüzdanımızdaki parayı sayarız veya yarının borsa endeksi değerini tahmin ederiz. Hem diğer hem de birçok vakada rastgele deney belirli sonuçlara (kesin para miktarı, kesin borsa endeks değeri vb.) Yol açar. Bu bireysel sonuçlara temel olaylar denir ve belirli bir rastgele deneyle ilişki Devamını oku »

Lütfen aşağıya bakın. Rastgele bir değişken, rastgele bir deneydeki bir dizi olası değerin sayısal sonuçlarıdır. Örneğin, bir ayakkabı mağazasından rastgele bir ayakkabı seçeriz ve büyüklüğünün ve fiyatının iki sayısal değerini ararız. Kesikli bir rasgele değişken sınırlı sayıda olası değere veya sınırsız sayıdaki gerçek sayı dizisine sahiptir. Örneğin, yalnızca sınırlı sayıda olası değeri alabilen ayakkabı boyutu. Sürekli bir rastgele değişken ise tüm değerleri gerçek sayılar aralığında alabilir. Örneğin, ayakkabı fiyatları para cinsinden her t Devamını oku »

Regresyon analizi, değişkenler arasındaki ilişkileri tahmin etmek için yapılan istatistiksel bir süreçtir. Regresyon analizi, değişkenler arasındaki ilişkileri tahmin etmek için yapılan istatistiksel bir süreçtir. İki değişken grubu arasındaki ilişkiyi ölçmek için gözlemlenen verilere bir modele uymaya çalışan tüm yöntemler için genel bir terimdir; burada odak, bir bağımlı değişken ile bir veya daha fazla bağımsız değişken arasındaki ilişkidir. Bununla birlikte, ilişki gözlemlenen tüm veri noktaları için kesin olmayabilir. Bu nedenle,  Devamını oku »

Tüm sayıların tam örneklem büyüklüğünün bir kesri veya yüzdesi olarak temsil edildiği bir frekans dağılımıdır. Daha fazlası yok. Genel bir toplam elde etmek için tüm frekans numaralarını eklersiniz = örneklem büyüklüğünüz. Daha sonra göreli bir frekans kesri elde etmek için her bir frekans numarasını örneklem büyüklüğünüze bölün. Yüzde elde etmek için bu oranı 100 ile çarpın. Bu yüzdeleri (veya kesirleri) sıklık numaralarınızdan sonra ayrı bir sütuna ekleyebilirsiniz. K& Devamını oku »

Göreceli bir frekans tablosu, veri sayımını yüzde formunda, yani göreceli frekansta kaydeden bir tablodur. Tablodaki kategorileri karşılaştırmaya çalıştığınızda kullanılır. Bu göreceli bir sıklık çizelgesidir. Tablodaki hücrelerin değerlerinin gerçek frekanslar yerine yüzde cinsinden olduğunu unutmayın. Bu değerleri, bireysel frekansları toplam satırın üzerine koyarak bulabilirsiniz. Göreceli frekans tablolarının frekans tablolarına göre avantajı, yüzdelere göre kategorileri karşılaştırabilmenizdir. Devamını oku »

Örnek kovaryansı, bir örnek içindeki değişkenlerin birbirinden ne kadar büyük farklılıklar gösterdiğinin bir ölçüsüdür. Kovaryans, iki değişkenin doğrusal bir ölçekte birbirleriyle nasıl ilişkili olduğunu gösterir. Size X'inizin Y'nizle ne kadar güçlü bir şekilde ilişkilendirildiğini söyler. Örneğin, kovaryansınız sıfırdan büyükse, X'iniz arttıkça Y'niz artar. İstatistiklerdeki bir örnek, daha büyük bir popülasyonun veya grubun sadece bir alt kümesidir. Örneğin, ül Devamını oku »

Unimodal dağılım, bir modu olan bir dağılımdır. Unimodal dağılım, bir modu olan bir dağılımdır. Verilerde belirgin bir tepe görüyoruz. Aşağıdaki resimde bir tekdüze dağılım gösterilmektedir: Buna karşılık, iki modlu bir dağılım şöyle görünür: İlk resimde, bir tepe görüyoruz. İkinci resimde, iki tepe olduğunu görüyoruz. Unimodal bir dağıtım normal olarak dağıtılabilir, ancak böyle olması gerekmez. Devamını oku »

Açıklamaya bakın Büyük hacimli bir sayısal veri mevcut olduğunda, her bir sayısal verinin incelenmesi ve bir sonuca ulaşmak her zaman mümkün değildir. Bu nedenle, verilerin bir ya da bir avuç sayıya düşürülmesi ve böylece karşılaştırmanın mümkün olması gerekmektedir. Bunun için İstatistik'te tanımlanan merkezi eğilim ölçütlerine sahibiz. Merkezi eğilim ölçüsü bize karşılaştırma için kullanılabilecek bir sayısal değer verir. Dolayısıyla, büyük miktarda veri etrafında toplanmış bir sayı olmalıdır - diğer t&# Devamını oku »

Büyük ölçüde iki tür veri seti vardır - Kategorik veya kalitatif - Sayısal veya kantitatif Kategori verisi veya sayısal olmayan veriler - değişken kategoriler halinde gözlem değerine sahipse, bunun yanında iki tip olabilir - a. Nominal b. Ordinal a.Nominal veriler, örneğin kategorilere sahiptir. Medeni durum, aşağıdaki kategorilerde gözlem alacağı için nominal bir veri olacaktır - Evlenmemiş, evli, boşanmış / ayrılmış, dul. B.Ordinal veriler aynı zamanda adlandırılmış kategoriler alacak ancak kategoriler sıralanacaktır. Örneğin. Hastane kaynaklı bir enfeksiyona yakalan Devamını oku »

Normal bir dağılım tamamen simetrik, çarpık bir dağılım değil. Olumlu bir eğri dağılımda, büyük taraftaki "ayak parmağı" diğer tarafa göre daha uzundur ve medyanın ve özellikle ortalamanın sağa doğru hareket etmesine neden olur. Olumsuz bir eğri dağılımda bunlar daha küçük değerlerde daha uzun "toe" olması nedeniyle sola hareket eder. Eğriltilmemiş normal dağılım modundayken, medyan ve ortalamanın hepsi aynı değerdedir. (internetten resimler) Devamını oku »

Bütün bunlar, gerçek y değeri ile öngörülen y değeri arasındaki farkın toplamı arasındaki minimum değerdir. min sum_ (i = 1) ^ n (y_i-haty) ^ 2 Sadece tüm sonuçların toplamı arasındaki minimum anlamına gelir min sum_ (i = 1) ^ nhatu_i ^ 2 tüm bu farkın toplam arasındaki minimumdur gerçek y değeri ile öngörülen y değeri arasında. min sum_ (i = 1) ^ n (y_i-haty) ^ 2 Bu şekilde tahmin edilen ve hata arasındaki hatayı en aza indirerek regresyon çizgisine en iyi şekilde uyursunuz. Devamını oku »

Bir Pearson'un ki-kare testi bağımsızlık testine veya uygunluk testinin iyiliğine işaret edebilir. "Pearson'un ki-kare testi" ne baktığımızda, iki testten birine atıfta bulunuyor olabiliriz: Pearson'un ki-kare bağımsızlık testi veya Pearson'un ki-kare uygunluk testi. Uyumluluk testleri, bir veri setinin dağılımının teorik bir dağılımdan önemli ölçüde farklı olup olmadığını belirler. Veriler eşleştirilmemelidir. Bağımsızlık testleri, iki değişkenin eşleştirilmemiş gözlemlerinin birbirinden bağımsız olup olmadığını belirler. Gözlenen değerler Beklenen değerler Ki-kare f Devamını oku »