סטטיסטיקה

= 0.999979973 "האירוע המשלים קל יותר לחישוב". "אז אנחנו מחשבים את ההסתברות לקבל יותר מ -18 ראשי". "זה שווה את ההסתברות של מקבל 19 ראשי, בתוספת ההסתברות של מקבל 20 ראשי". "אנחנו מיישמים את ההפצה הבינומית". P = "20 ראשים" = C (20,20) (1/2) ^ 20 "עם" C (n, k) ) (= + 20) 20 (1 + 1) (1/2) ^ 20 = 21/1048576 => P ["לכל היותר 18 ראשים"] = 1 - 21/104876 = 1048555/1048576 = 0.999979973 קרא עוד »

Z = -1.5 מאחר שאנו יודעים את הזמן הדרוש כדי לסיים את הבדיקה מופץ בדרך כלל, אנו יכולים למצוא את z- ציון עבור זמן מסוים זה. הנוסחה עבור z- ציון הוא z = (x - mu) / sigma, כאשר x הוא הערך שנצפה, mu הוא הממוצע, ו sigma הוא סטיית תקן. z = (45 - 60) / 10 z = -1.5 זמן הסטודנט הוא 1.5 סטיות תקן מתחת לממוצע. קרא עוד »

ראה למטה. הערך R ^ 2 בעצם אומר לך איזה אחוז מהשונות במשתנה התגובה שלך מטופל על ידי וריאציה במשתנה ההסבר שלך. הוא מספק מידה של כוח של אסוציאציה ליניארית. במצב זה, R = 2 = 0.7569. הכפלת העשרונית ב- 100, אנו מוצאים כי 75.69% מהשונות בתכולת האנרגיה של חפיסת צ'יפס ניתנת להסבר על ידי שינוי בתכולת השומן שלהם. כמובן, משמעות הדבר היא כי 24.31% של וריאציה בתוכן האנרגיה מטופל על ידי גורמים אחרים. קרא עוד »

Z - ציון עבור רווח סמך של 98% הוא 2.33 כיצד להשיג זאת. מחצית מ -0.98 = 0.49 חפש ערך זה באזור מתחת לטבלת העקומה הרגילה. הערך הקרוב ביותר הוא 0.4901 הערך z שלה הוא 2.33 קרא עוד »

Z = (73-74) / (3 / sqrt) (135) = = () (SCC) (135) / 3 התפלגות נורמלית רגילה ממירה את קבוצת הנתונים בחלוקת התדרים כך שהממוצע הוא 0 וסטיית התקן היא 1 אנו יכולים להשתמש: z = (x-mu) / sigma בהנחה שיש לנו sigma אבל כאן יש לנו במקום SD = s; z = (x-mu) / (s / sqrt (n)); כאשר n הוא גודל המדגם ... קרא עוד »

Z-score הוא 0.866 z- ציון של משתנה x עם mu ממוצע, וסטיגמת סטיית תקן ניתנת על ידי (x-mu) / (sigma / sqrtn) כמו mu = 55, sigma = 2, n = 3 ו x = 56 z- ציון (56-55) / (2 / sqrt3) = ((- 1) * sqrt3) /2=-0.866 קרא עוד »

Z = 0 יש לי ספק שלי לגבי נכונות הבעיה. גודל המדגם הוא 5. ראוי למצוא ציון t. Z = יחושב רק כאשר גודל המדגם הוא = 30 = חלק מהסטטיסטיקאים, אם הם סבורים שהתפלגות האוכלוסייה היא נורמלית, השתמש בציון z גם אם גודל המדגם קטן מ 30-. לא ציינת במפורש איזו חלוקה תרצה לחשב z. זה עשוי להיות התפלגות נצפתה או שזה יכול להיות התפלגות הדגימה. מכיוון ששאלת את השאלה, אענה בכך בהנחה שהיא התפלגות הדגימה. (= 0) = (= 60) (0-60) (0-60) = / = / == == = 0 = שווה כלומר כלומר, mu הציון z תמיד 0. קרא עוד »

Z-score הוא -26.03 z-score של משתנה x עם mu ממוצע, וסטיגמה סטית תקן ניתנת על ידי (x-mu) / (sigma / sqrtn) כמו mu = 35, sigma = 5, n = 57 ו x = 13 z- ציון הוא (13-35) / (5 / sqrt35) = ((- 22) * sqrt35) /5 / 26.03 קרא עוד »

התשובה היא z = 0.05 בהתפלגות נורמלית. כדי לפתור בעיה זו, תזדקק לגישה לטבלת z (הנקראת גם "טבלה רגילה רגילה") עבור ההפצה הרגילה. יש אחד טוב על ויקיפדיה. על ידי שואל מה הערך של z כך 52% מהנתונים משמאל, המטרה שלך היא למצוא z- ערך שבו השטח המצטבר עד הערך של z סכומים ל 0.52. לכן אתה צריך Z- טבלה מצטבר. מצא את הערך בטבלת z המצטברת המציגה כאשר ערך מסוים של z הוא הקרוב ביותר לפלט בטבלה של 0.52 (המהווה 52% מההפצה המצטברת). במקרה זה, הערך z של 0.05 גורם לערך הקרוב ביותר ל -0.52. מקור: ויקיפדיה קרא עוד »

בסך הכל, אני חושב את ההחלטה להשתמש בר או תרשים עוגה היא בחירה אישית. אם אתה משתמש בתרשימים כחלק מצגת, התמקד בסיפור הכולל שאתה מנסה לשתף עם תרשימים ותמונות גרפיים. להלן הנתיב מקוצר אני משתמש בהערכת אם להשתמש בר או תרשים עוגה: בר תרשים כאשר מציינים ביצועים trended (למשל, אומר, לאורך זמן) תרשים עוגה כאשר מראה הפצה של כולו דוגמה: נניח שאתה רוצה לעקוב אחר איך אתה להוציא את הכסף שלך. ואת החודש הזה בילית 1,000 דולר. אם אתה רוצה להמחיש את השקעתך ב -1,000 דולר לפי קטגוריה (למשל, מזון, ביגוד, בנזין), תרשים תרשים עוגה עשוי להיות הגיוני ביותר. עם זאת, אם ברצונך להציג את המגמה של הוצאה חודשית לאורך זמן (למשל, במהלך 6 החודשים האחרונים), קרא עוד »

P = 2,3,5 או 7 = 1 = 1 (הסתברות של הנחיתה על מספר ראשוני) P_c = 1 - 1/2 = 1/2 (ההסתברות לא נחיתה על ראש) (בהנחה 1-8 פירושו כלולים) ישנם 4 primes ברשימה, מתוך סך 8 מספרים. לכן ההסתברות היא מספר התוצאות החיוביות (4) חלקי סך כל התוצאות האפשריות (8). זה שווה חצי. ההסתברות להשלמה של כל אירוע היא P_c = 1 - P_1. ההשלמה של ראש הממשלה היא {1, 4, 6, 8} זה לא קבוצה של מספרים מרוכבים (כמו 1 נחשב לא ראש ולא מורכב). לכן המשלים הוא קבוצה של מספרים שאינם ראשוניים מ 1 עד 8. E_2 = נחיתה על מספר לא ראשוני קרא עוד »

1) ההסתברות היא 0.9xx0.08 = 0.072 = 7.2% 2) ההסתברות היא 0.9xx0.92xx0.12 = 0.09936 = 9.936% שיעורי הדחייה של שלוש המחלקות הם 0.1, 0.08 ו -0.12 בהתאמה. משמעות הדבר היא 0.9, 0.92 ו -0.88 היא ההסתברות שהסרום יעבור את הבדיקה בכל מחלקה בנפרד. ההסתברות כי הסרום עובר את הבדיקה הראשונה היא 0.9 ההסתברות שהיא נכשלת הבדיקה השנייה היא 0.08. לפיכך, ההסתברות המותנית היא 0.9xx0.08 = 0.072 = 7.2% כדי שהדרישה תידחה על ידי המחלקה השלישית, עליה לעבור תחילה את הבדיקות הראשונה והשנייה. ההסתברות המותנית לכך היא 0.9xx0.92. שיעור הדחייה של המחלקה השלישית הוא 0.12, ולכן ההסתברות המלאה לדחייה על ידי המחלקה השלישית היא 0.9xx0.92xx0.12 = 0.09936 = 9. קרא עוד »

בכל מקום בין 0% לבין פחות מ -50% אם כל הערכים במערך נתונים בגודל 2N + 1 נבדלים, אז N / (2N + 1) * 100% אם האלמנטים של קבוצת הנתונים מסודרים בסדר עולה, החציון הוא הערך של האלמנט האמצעי. עבור נתונים גדולים להגדיר עם ערכים ברורים, אחוז הערכים פחות החציון יהיה רק תחת 50%. שקול את נתוני הנתונים [0, 0, 0, 1, 1].החציון הוא 0 ו 0% מהערכים הם פחות מהחציון. קרא עוד »

0.40075 = P ["5 שערים על 6 יריות"] + P ["6 שערים על 6 זריקה"] = C (6,5) (7/10) ^ 5 (3/10) + C (6,6) (7/10) ^ 5 (25/10) = 7 ^ 5 * 25/10 ^ 6 = 420175 / 1000000 = 0.420175 קרא עוד »

0.2252 "יש 5 + 7 + 8 = 20 עפרונות בסך הכל". = (15) (5) (5/20) ^ 4 (15/20) ^ 11 = (15!) 5 ^ 4 15 ^ 11) / ((11!) (4!) 20 ^ 15 ) = 0.2252 "הסבר:" "מכיוון שאנו מחליפים, הסיכויים לציור עפרון כחול הם בכל פעם" 5/20 "אנו מבטאים כי אנו מציירים 4 פעמים כחול אחד" "ולאחר מכן 11 פעמים לא כחול על ידי ( 5/20) ^ 4 (15/20) ^ 11 ". "כמובן שהכחולים לא צריכים להיות מושכים קודם לכן" "הם C (15,4) דרכים לצייר אותם, אז אנחנו מתרבים על ידי C (15,4)". "ו- C (15,4)" = (15!) / (11! 4!) "(שילובים)" קרא עוד »

ישנם מספר סוגים של ממוצעים, אבל בדרך כלל ההנחה היא להיות ממוצע אריתמטי. החציון, שנחשב גם הוא רופף כ"ממוצע ", מחושב בצורה שונה. תן לנו לשקול רשימה זו של מספרים אשר, לנוחות. מופיעים בסדר מספרי: 4, 7, 8, 12, 13, 16, 20, 21 כדי לקבל את הממוצע האריתמטי, הוסף את המספרים יחד כדי לקבל את הסכום. לספור את המספרים כדי לקבל את הספירה. מחלקים את הסכום על ידי הספירה כדי לקבל את הממוצע האריתמטי. 4 + 7 + 8 + 12 + 13 + 16 + 20 + 21 = 101 -> הסכום. יש 8 מספרים, כך 101/8 = 12.625 ממוצע אריתמטי הוא 12.625. עבור חציון, לקחת את רשימת המספרים בסדר מספרי ולספור אותם למשל 8. חפש את מספר האמצע ברשימה. אם יש מספר לא אחיד של מספרים (למשל קרא עוד »

ראה למטה :) כדי למצוא את הממוצע של קבוצה של מספרים אתה הראשון להוסיף את כל המספרים במערך ולאחר מכן לחלק את הסכום הכולל של מספרים. לדוגמה, למשל, הערכים שלך כוללים: 32,40,29,45,33,33,38,41 היית מוסיף אותם: 32 + 40 + 29 + 45 + 33 + 33 + 38 + 40 = 290 עכשיו ייקח את סך 290 ולחלק לפי הסכום הכולל של המספרים, במקרה שלנו יש לנו סך של 8 מספרים. 290/8 = 36.25 הממוצע שלנו הוא 36.25 קרא עוד »

"רציף" אין פערים. "בדידים" יש ערכים נפרדים מופרדים על ידי אזורים "לא ערך". רצף עשוי להיות משהו כמו גובה, אשר עשוי להשתנות באוכלוסייה "ברציפות", ללא מגבלות ספציפיות. "בדידה" יכולה להיות בחירה או תוצאה של מבחן - היא או "היא" או "לא" - אין דרגות או "המשכיות" בין הבחירות. http://stattrek.com/probability-distributions/discrete-continuous.aspx קרא עוד »

כמו כן, המצב יגדל במספר זהה. תן שם להיות קבוצת נתונים: a_1; a_2; a_3; ... a_n. תן m להיות מצב של קבוצה זו. אם תוסיף מספר n לכל ערך, כמות המספרים לא תשתנה, רק המספרים ישתנו, כך שאם מספר m היה הכי גדול (m הוא מצב), לאחר הוספת מספר m + n יהיה הכי הרבה התרחשות (היא תתרחש באותן עמדות בקבוצה כמו מ 'ב הראשון). קרא עוד »

פירוט לדוגמה: מטבע מרפרף באופן כללי את האפשרות של זנב וראש צריך להיות 50% אבל למעשה זה יכול להיות 30% ראש & 70% זנב או 40% ראש & 60% זנב או ...... אבל יותר פעמים אתה עושה את הניסוי => המדגם הוא גדול יותר (בדרך כלל מעל 30) על ידי CLT (משפט הגבול המרכזי), ולבסוף הוא יתכנס ל 50% 50% קרא עוד »

אם יש לך ערכים רבים מדי. דוגמה: נניח שאתה מודד את הגובה של 2000 גברים מבוגרים. ואתה מודד למילימטר הקרוב ביותר. יהיו לך 2000 ערכים, רובם שונים. עכשיו אם אתה רוצה לתת את הרושם של התפלגות הגובה באוכלוסייה שלך, יהיה עליך לקבץ את המידות האלה בכיתות, למשל 50 כיתות מ"מ (תחת 1.50m, 1.50- <1.55m, 1.55 - <160m, וכו '). יש גבולות הכיתה שלך. כל אחד מ 1.500 ל 1.549 יהיה בכיתה, כל אחד מ 1.550 ל 1.599 יהיה בכיתה הבאה, וכו 'עכשיו אתה יכול להיות מספרי המחזור ניכר, זה יאפשר לך לעשות גרפים כמו היסטוגרמות, וכו' קרא עוד »

כאשר אתה: 1) לא יודע את כל הפרטים של המודל שלך; 2) זה לא שווה את זה כדי לדגמן את כל הפרטים; 3) המערכת שיש לך היא אקראית מטבעו. קודם כל, אנחנו צריכים להגדיר מה הוא "תופעות אקראיות". אפקטים אקראיים הם כל דבר, פנימי או חיצוני, המשפיעים על התנהגות המערכת שלך, למשל. הפסקות חשמל ברשת חשמל בעיר. אנשים רואים אותם אחרת, למשל אנשים מהאקולוגיה אוהבים לקרוא להם קטסטרופות, במקרה של האפלה, או דמוגרפית, במקרה של העיר זה יהיה גידול בשימוש באנרגיה כי יהיה להקטין את המתח של הרשת החשמל. לבסוף, מהו מודל? המודל הוא כל ייצוג של המציאות, למשל. משוואה אלגברית לצמיחת האוכלוסייה. לדוגמה, אתה יכול לשחק שני פנים (batman), ומחליט את החיים של קרא עוד »

"(5) 36" (5) 36 "") 5 "36" "). ), (4,4), (5,3), ו (6,2). " (א) זה שווה הסיכויים שיש לנו 7 פעמים ברציפות "" סכום שונה מ 8, ואלה "(1 - 5/36) ^ 7 = (31/36) ^ 7 = 0.351087" (P = "x = 8, x>> = 2") / (P = "x = ] = (= = "=" = = = "=") = (= X = 8 ") = "] = P =" בפעם הראשונה לא 8 "] = 31/36 => P [" x = 8 | x> = 2 "] = 0.048762 * 36/31 = 0.056627 קרא עוד »

4.1051 * 10 ^ -7% עבור 2 אדומים, 1 צהוב w / o תחליף; 3.7037 x 10 ^ -7% עבור 2 אדומים, 1 צהוב w / תחליף ראשון, להגדיר משוואה המייצגת את הבעיה מילה: 10 דיסקים אדומים + 10 דיסקים ירוקים + 10 דיסקים צהובים = 30 דיסקים סה"כ 1) צייר 2 דיסקים אדומים ו 1 דיסק צהוב ברצף בלי להחליף אותם. אנו ניצור שברים, כאשר המונה הוא הדיסק שאתה מצייר והמכנה הוא מספר הדיסקים שנותרו בתיק. 1 הוא דיסק אדום ו -30 הוא מספר הדיסקים שנותרו. כאשר אתם מוציאים דיסקים (ולא מחליפים אותם!) מספר הדיסקים בשק ירד. מספר הדיסקים הנותרים פוחת ל -29 עבור החלק השני מכיוון שדיסק אחד כבר הוסר ולא הוחלף. התהליך חוזר על עצמו עם דיסק צהוב, ומספר הדיסקים שנותרו הוא 28 מ קרא עוד »

31 תחילה שתי הגדרות: מדיאן הוא הערך האמצעי של קבוצת מספרים. ממוצע הוא סכום של קבוצת מספרים מחולק במספר המספרים. בעבודה זו, מתברר כי המטרה בתרגיל זה היא להגדיל את החציונים השונים. אז איך עושים את זה? המטרה היא לארגן את קבוצות המספרים כך שיש לנו את הערכים האמצעיים של כל קבוצה להיות גבוה ככל האפשר. לדוגמה, החציון הגבוה ביותר האפשרי הוא 41, כאשר המספר 42, 43, 44 ו -45 גבוה יותר מזה וקבוצה של ארבעה מספרים נמוכה ממנה. הסט הראשון שלנו, אם כן, מורכב (עם מספרים אלה מעל חציון בירוק, חציון עצמו בכחול, ואלו מתחת לאדום): צבע (ירוק) (45, 44, 43, 42), צבע (כחול) 41), צבע (אדום) (x_1, x_2, x_3, x_4) אז מה הוא החציון הבא? יש צורך להיות חמי קרא עוד »

48 פעמים מספר פעמים היא צפויה להכות את הכדור = P פעמים "סה"כ פעמים היא בת" = 3/5 פעמים 80 = 3 / לבטל 5 פעמים לבטל 80 ^ 16 = 3 פעמים 16 = 48 פעמים קרא עוד »

"ראה הסבר" "אנחנו לוקחים פרק זמן עם" t "אורך, המורכב מתוך n חתיכות" דלתא t = t / n ".נניח כי הסיכוי לאירוע מוצלח" "ב חתיכה אחת היא" p ", ואז המספר הכולל של האירועים בפריטי הזמן "n" מופץ בינומי לפי "p_x (x) = C (n, x) p ^ x (1-p) ^ (nx), x = 0,1, ... , "n" (n, k) = (n!) / (nk)! (k!)) "(צירופים)" "עכשיו אנחנו נותנים" n-> oo ", אז" p>> 0 , "n = p = lambda" אז אנחנו מחליפים את "p = lambda / n" ב "p_x": "p_x (x) = (n!) / (x!) (nx)!) (lambda / n ) (1-lambda / n) ^ (nx) (nx) = ( קרא עוד »

"ראה הסבר" "y הוא רגיל רגיל (עם ממוצע 0 וסטיית תקן 1)" "אז אנחנו משתמשים בעובדה זו." "1 =" = P = 1 = = (xz) / 2 <= 2] "כעת אנו מחפשים את ערכי z בטבלה עבור ערכי z עבור" "z = 2 ו - z = 1. אנחנו מקבלים" 0.9772 "ו -" 0.1587. = + = = 0,587 = 0.8185 = 0.8185 "2") var = E [x ^ 2] - (E [x]) ^ 2 => E [x ^ 2] = var + (E [x]) ^ 2 " כאן יש לנו var = 1 וממוצע = E [Y] = 0. " => E [Y ^ 2] = 1 + 0 ^ 2 = 1 "3)" P [Y <= a [P = B = = 0.8413 - 0.1587 = 0.6826 "(z ערכי טבלה)" P [Y <= a "ו-" B ] = "=" קרא עוד »

M + -ts כאשר t הוא t- ניקוד המשויך מרווח ביטחון אתה צריך. [אם גודל המדגם שלך גדול מ -30, אזי המגבלות ניתנות על-ידי mu = bar x + - (z xx SE)] חישוב ממוצע המדגם (m) ואוכלוסיית המדגם באמצעות הנוסחאות הרגילות. m = 1 / Nsum (x_n) s = sqrt (1 / (N-1) סכום (x_n-m) ^ 2 אם הנכם מניחים אוכלוסיה מבוזרת של iid (משתנים מופצים זהים באופן עצמאי עם שונות סופית) עם מספר מספיק עבור (N = 35), אזי זה יחולק כהפצה t עם df = N 1. רווח הסמך הוא אז: m + -ts כאשר t הוא ציון t המשויך למרווח הסמך אם אתה מכיר את סטיית התקן של האוכלוסייה ואינך צריך לאמוד אותה (sigma), לאחר מכן החלף את הסיגריה עם סיגמא והשתמש בציון Z מההפצה הרגילה במקום ב t-score מכיוון קרא עוד »

החציון מושפע פחות מן הערכים הגבוהים יותר מהממוצע. החציון מושפע פחות מן הערכים הגבוהים יותר מהממוצע. הבה ניקח את מערך הנתונים הראשון הזה ללא חריגים כדוגמה: 20, 24, 26, 26, 26, 27, 29 הממוצע הוא 25.43 והחציון הוא 26. הממוצע והחציון דומים זה לזה. במערך זה השני עם outlier, יש יותר הבדל: 1, 24, 26, 26, 26, 27, 29 הממוצע הוא 22.71 והחציון הוא 26. החציון אינו מושפע כלל על ידי outlier בדוגמה זו . ראה שאלות סוקראטיות קשורות אלו לקבלת מידע נוסף: כיצד משפיעות חריגות על מדד הנטייה המרכזית? איזה מידה של נטייה מרכזית מושפעת במידה רבה יותר אם יש נוכחות חריגה יותר? קרא עוד »

"יש לך את זה נכון!" "אני יכול לאשר כי הגישה שלך נכונה לחלוטין." "מקרה 1: מתג פתוח (0.3 הסתברות 0.3):" 0.49 + 0.49 - 0.2401 = 0.7399 "מקרה 2: מתג 3 סגור (הסתברות 0.7):" (0.7 + 0.7 - 0.49) ^ 2 = 0.8281 "אז ההסתברות הכללית המעגל שהזרם יכול לעבור הוא: "0.3 * 0.7399 + 0.7 * 0.8281 = 0.80164 קרא עוד »

1) 0.180447 2) 0.48675 3) 0.37749 "פואסון: הסיכויים לאירועים k בזמן t הוא" ((lambda * t) ^ k exp (-lambda * t)) / (k!) "כאן אין לנו (2 ^ k * exp (-2)) / (k!) ") 1 (1) "(3/3) = (3/3) e = -2 = 0.180447" 2) "(6/10) ^ 2 = 36 / 100 = 0.36 "הוא משטח השבר של המעגל הקטן לעומת הגדול יותר". "הסיכויים כי במעגל גדול יותר (BC) נופל מטאור נופל במעגל קטן יותר (SC) 0.36 ככזה." = P = "0 אירועים ב BC"] + 0.64 * P ["אירוע 1 לפני הספירה"] + 0.64 ^ 2 * P ["2 אירועים לפני הספירה"] + .. (= 2 ^ i * exp (-2)) / (i!) (= i = 0 ^ ^ ^ * (= 0.8) exp (= 1.2) exp (1.28) קרא עוד »

לנתונים הקטגוריים יש ערכים שלא ניתן להזמינם בכל דרך ברורה ומשכנעת. מין הוא דוגמה. זכר אינו פחות או יותר מאשר נקבה. צבע עיניים הוא השני ברשימה שלך. ציונים מכתב הם נתונים בכיתה: יש סדר משכנע בהם: אתה צריך להזמין אותם מן גבוה לנמוך (או נמוך עד גבוה). הדוגמאות האחרות שאתה מזכיר הן נתונים מתמשכים פחות או יותר: ישנם ערכים רבים, שניתן לקבץ לשיעורים, אך יש לך בחירה מסוימת לגבי רוחב המחלקה. קרא עוד »

14 "לחמניות" P ["כל המספרים נזרקו"] = 1 - P ["1,2,3,4,5 או 6 לא נזרקו"] P ["A או B או C או D או E או F"] P [A] + P [B] + ... P [F] - P [A ו- B] - P [A ו- C] ... + P [A ו- B ו- C] + ... "כאן זהו" P_1 = 6 * (5/6) ^ n - 15 * (4/6) ^ n + 20 * (3/6) ^ n - 15 * (2/6) ^ n + 6 * (1/6 - 1) - 15 * (4/6) ^ (= 1/6) ^ n = P = P_1 (n) - P_1 (n-1) = 6 * (1 / 6-1) + (= 1 /) + (= 1 /) + (= 1 /) + ^ (n-1) + 10 * (2/6) ^ (n-1) -5 * (1/6) ^ (n-1) "שלילי זה ההסתברות שלנו". (n / 1) = n = (d / {da}) (a = n) = (d / {da}) a ^ n = (d / {da}) (1 / (1- א () = 1 / a-1 = a) ^ 2 => E [n] = n קרא עוד »

כי בתיאור קבוצת נתונים, האינטרס העיקרי שלנו הוא בדרך כלל הערך המרכזי של ההתפלגות. בסטטיסטיקה תיאורית, אנו מסבירים את המאפיינים של קבוצת נתונים ביד - אנחנו לא עושים מסקנות על האוכלוסייה גדולה יותר מהמקום שבו הנתונים מגיעים (זה סטטיסטיקה סטטיסטית). בעשותנו כן, השאלה העיקרית שלנו היא בדרך כלל 'איפה מרכז ההפצה'. כדי לענות על שאלה זו, אנחנו בדרך כלל להעסיק גם את הממוצע, החציון או את המצב, בהתאם לסוג הנתונים. שלושת אמצעי נטייה מרכזיים אלה מצביעים על הנקודה המרכזית שעליה מתרכזים כל הנתונים. לכן זה אחד משני חלקים חיוניים של סטטיסטיקה תיאורית. החלק האחר הוא מדד הפיזור, המסביר עד כמה הנתונים מופצים סביב הנטייה המרכזית. אז עם קרא עוד »

"ראה" הסבר "" מאז "" "variance =" E (X ^ 2) - (E (X)) ^ 2 "אשר נמצא כאן:" 1 - 1 ^ 2 = 0 "," אין שונות ". פירושו שכל הערכים של X שווים לממוצע E (X) = 1. "אז X הוא תמיד 1." "מכאן" X ^ 100 = 1. => E [X ^ 100] = 1 קרא עוד »

"תשובה D)" "זו התשובה ההגיונית היחידה, האחרים הם בלתי אפשריים." "זו הבעיה של חורבן המהמר". "מהמר מתחיל עם דולר k." "הוא משחק עד שהוא מגיע דולר G או נופל בחזרה 0." p = "סיכוי שהוא ינצח 1 דולר במשחק אחד". q = 1 - p = "סיכוי שהוא מאבד דולר אחד במשחק אחד". "התקשר" r_k "ההסתברות (סיכוי) שהוא נהרס." "אז יש לנו" r_0 = 1 r_k = 0 r = k = p * r_ {k + 1} + q * r_ {k-1}, עם "1 <= k <= G-1" אנו יכולים לשכתב את המשוואה הזו ל - p = q = 1 כדלקמן: "r_ {k + 1} - r_k = (q / p) (r / k - r_ {k-1}) = r_ {k + 1} - r_k = (q / p קרא עוד »

Z = 2.33 אתה צריך לחפש את זה מתוך טבלת z- ציון (למשל http://www.had2know.com/academics/normal-distribution-table-z-sc-scores.html) או להשתמש ביישום המספרי של נורמלי הפוך הפונקציה צפיפות צבירה מצטבר (למשל normsinv ב - Excel). מכיוון שאתה רוצה את המרווח 98% אחוז אתה רוצה 1% על כל צד של + -z, חפש 99% (0.99) עבור z כדי להשיג את זה. הערך הקרוב ביותר עבור 0.99 על השולחן נותן z = 2.32 על השולחן (2.33 ב- Excel), זה הציון שלך z. קרא עוד »

R-squared מציין עד כמה הנתונים הנצפים מתאימים לנתונים הצפויים, אבל זה רק נותן לך מידע על קורלציה. ערך R-squared מציין עד כמה הנתונים הנצפים שלך, או הנתונים שאספת, מתאימים למגמה הצפויה. ערך זה אומר לך את עוצמת הקשר, אבל, כמו כל המבחנים הסטטיסטיים, אין דבר נתון זה אומר לך את הסיבה מאחורי הקשר או כוחו. בדוגמה הבאה, אנו יכולים לראות את התרשים בצד שמאל אין מערכת יחסים, כפי שצוין על ידי ערך נמוך R- ריבוע. לתרשים מימין יש קשר חזק מאוד, כפי שמציין הערך R-squared של 1. אף אחד מהגרפים הללו לא ניתן לדעת מה גורם בסופו של דבר למערכת יחסים זו. המתאם אינו אומר סיבתיות. ערכי X שלך עשוי להשפיע מאוד על ערכי Y שלך, אבל גורמים אחרים עשויים לה קרא עוד »

כי יש הבדל בסוג הנתונים שאתה מציג. בתרשים עמודות, אתה משווה נתונים קטגוריים, או איכותיים. תחשוב על דברים כמו צבע עיניים. אין סדר בהם, כמו ירוק הוא לא "גדול" מאשר חום. למעשה אתה יכול לסדר אותם בכל סדר. בהיסטוגרמה, הערכים הם כמותיים, כלומר ניתן לחלק אותם בקבוצות מסודרות. חשוב על גובה או משקל, שם אתה מכניס את הנתונים שלך לשיעורים, כמו 'מתחת ל -1.50 מטר', '1,50-1.60m' וכן הלאה. השיעורים האלה מחוברים, כי מחלקה אחת מתחילה במקום השני. קרא עוד »

ראה להלן על המחשבות שלי: הצורה הכללית של הסתברות בינומית היא: sum_ (k = 0) ^ (n) C_ (n, k) (p) ^ k ((~ p) ^ (nk)) השאלה היא למה אנחנו צריכים את המונח הראשון, המונח שילוב? בואו נעבוד דוגמה ואז זה יהיה ברור. בואו נסתכל על ההסתברות הבינומית של היפוך מטבע 3 פעמים. בואו להגדיר מקבל ראשי להיות p ולא מקבל ראשי ~ p (שניהם = 1/2). כאשר אנו עוברים את תהליך הסיכום, 4 תנאי הסיכום יהיו שווים 1 (למעשה, אנו מוצאים את כל התוצאות האפשריות ולכן ההסתברות של כל התוצאות שסוכמו היא 1): sum_ (k = 0) ^ ( 3) צבע (כחול) (C_ (3,1) (1/2) (3) 1 () 1 () 1/2 (^)) 2 () + (C_) 3) ) ^ 3 ((1/2) ^ (0)) אז בואו נדבר על המונח האדום ועל המונח הכחול. המונח האדום קרא עוד »

83% תחילה אנחנו כותבים P (70 <X <110) אז אנחנו צריכים לתקן את זה על ידי לקיחת גבולות, עבור זה אנחנו לוקחים את הקרוב .5 בלי לעבור, כך: P (69.5 <= Y <= 109.5) כדי להמיר Z = (Y-mu) / sigma P (69.5-100) / 10 <= Z <= (109.5-100) / 10) P (-3.05 <= Z <= 0.95) P (= <0.95) -P (Z <= - 3.05) P (Z <= 0.95) - (1-P (Z <= 3.05)) 0.8289- (0-0.9989) = 0.8289-0.0011 = 0.8278 = 82.78% ~~ 83% קרא עוד »

"a") "0.08523" b) "0.88913" c) "0.28243" יש לנו חלוקה בינומית עם n = 12, p = 0.1 ". (n) k (n, k) = (n!) / (n) k ")" (C) (12) 3 * 0.1 ^ 3 * 0.9 ^ 9 = 220 * 0.001 * 0.38742 = 0.08523 " (0) + 0 ^ 0 + 12 * 0.1 * 0.9 ^ + 66 * 0.1 ^ 2 * 0.9 ^ 10 = = 0.9 ^ 12 + 12 * 0.1 * 0.9 + 66 * 0.1 ^ 2) = 0.9 ^ 10 * (0.81 + 1.08 + 0.66) = 0.9 ^ 10 * 2.55 = 0.88913 "c" 0.9 ^ 12 = 0.28243 קרא עוד »

בגלל השונות מחושב במונחים של חריגות מהממוצע, אשר נשאר זהה תחת תרגום. השונות מוגדרת כערך הציפיות E [x-mu) ^ 2] כאשר mu הוא הערך הממוצע. כאשר ערכת הנתונים מתורגמת, כל נקודות הנתונים מועברות באותה כמות x_i -> x_i + a ממוצע גם משמרות באותה כמות mu -> mu + a כך שההסטיות מהממוצע נשארות זהות: x_i -mu -> (x_i + a) - (mu + a) = x_i -mu קרא עוד »

(SSR) / SST, כאשר SST = SSRG + SSE, ואנו יודעים שסכום הריבועים הם תמיד ge. אז SSE Ge 0 פירושו SSReg + SSE GA SSReg משמעו SST ge SSReg מרמז (SSReg) / (SST) le 1 מרמז R ^ 2 le 1 קרא עוד »

לכל היותר 3 אנשים בתור יהיו. P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) = 0.1 + 0.3 + 0.4 + 0.1 = 0.9 כך P (X <= 3) = 0.9 להיות קל יותר אם להשתמש בכללים מחמאה, כמו שיש לך ערך אחד שאתה לא מעוניין, אז אתה יכול פשוט מינוס זה מן ההסתברות הכוללת. (X = 4) = 1 - 0.1 = 0.9 כך P (X <= 3) = 0.9 קרא עוד »

זהו מצב ... או מצב. אתה יכול להוסיף את ההסתברויות. התנאים הם בלעדיים, כלומר: אתה לא יכול להיות 3 ו 4 אנשים בשורה. ישנם שלושה אנשים או 4 אנשים בתור. אז יש לבדוק את התשובה (אם יש לך זמן בזמן הבדיקה), על ידי חישוב ההסתברות ההפוכה: P (<3) P = (0) + P (1) + P (2) = 0.1 + 0.3 + 0.4 = 0.8 וזה התשובה שלך להוסיף עד 1.0, כפי שהם צריכים. קרא עוד »

המספר הצפוי במקרה זה יכול להיחשב כממוצע משוקלל. זה הכי טוב הגיע על ידי סיכום ההסתברות של מספר נתון על ידי מספר זה. אז, במקרה זה: 0.1 * 0 + 0.3 * 1 + 0.4 * 2 + 0.1 * 3 + 0.1 * 4 = 1.8 קרא עוד »

אני מאמין שאתה מתכוון או 'אתה להעיף מטבע שלוש פעמים' או 'אתה להעיף שלושה מטבעות'. X נקרא "משתנה אקראי" כי לפני שאנחנו להעיף את המטבעות אנחנו לא יודעים כמה ראשים אנחנו הולכים לקבל. אבל אנחנו יכולים לומר משהו על כל הערכים האפשריים עבור X. מכיוון שכל היפוך של מטבע הוא בלתי תלוי מהטלות אחרות, הערך האפשרי של המשתנה האקראי X הוא {0, 1, 2, 3}, כלומר, אתה יכול לקבל 0 ראשים או ראש אחד או 2 ראשים או 3 ראשים. נסה עוד אחד שבו אתה חושב על ארבע זמזום של קובייה. תן משתנה אקראי Y לציין את מספר 6s בארבע זמזום של קובייה. מה הם כל הערכים האפשריים של משתנה אקראי Y? קרא עוד »

0.5 או 1/2 אם יש לנו מטבע הוגן יש שתי אפשרויות: ראשי או זנבות שניהם יש סיכוי שווה. אז אתה מחלק את הסיכויים החיוביים ("הצלחה") S על ידי המספר הכולל של הסיכויים T: S / T = 1/2 = 0.5 = 50% דוגמה נוספת: מה הסיכוי לגלגל פחות משלושה עם למות רגיל? S = T = 2/6 = 1/3 אקסטרה: כמעט אין מטבע אמיתי הוא הוגן לחלוטין. בהתאם לפנים של הראש והזנב, מרכז הכובד עשוי להיות קצת על הראש או בצד הזנב. זה יהיה רק להראות על ארוך טווח מרפרף, אבל זה נעשה! Google! קרא עוד »

~ 1.9% סיכוי שתצייר את אס של אתים ישנם 52 קלפים על הסיפון ואחד של אתים של הסיפון על הסיפון. זה יכול לבוא לידי ביטוי כמו 1/52. מחלקים כדי למצוא את האחוז. 1/52 = 0.01923076923 יש סיכוי של 1.9% שתצייר אס של אתים. אתה לא ממש צריך לחלק 1/52 לדעת לך אחוז ההסתברות ..... ראה כי 1/52 ניתן לכתוב 2/104 אשר .. כ .. הוא 2/100 אשר 2% אבל זכור כי אני רק עושה את זה כי 104 הוא קרוב ל 100 את המספר הגדול יהיה שונה מ 100 התשובה תהיה שונה מזו האמיתית קרא עוד »

זה תלוי. זה ייקח מספר הנחות כי הם צפויים להיות אמיתי כדי להסיק את התשובה הזאת מן הנתונים שניתנו עבור זה להיות ההסתברות האמיתית של ביצוע זריקה. ניתן להעריך את הצלחתו של משפט אחד על סמך שיעור הניסויים הקודמים שהצליח אם ורק אם הניסויים יהיו עצמאיים ויופצו באופן זהה. זוהי ההנחה שנעשתה בהפצה הבינומית (ספירה) וכן בחלוקה הגיאומטרית (ההמתנה). עם זאת, זריקה חופשית זורק מאוד לא סביר להיות עצמאית או מופץ זהה. עם הזמן, אחד יכול לשפר על ידי מציאת "זיכרון שריר", למשל. אם אחד משפר בהתמדה, ההסתברות של יריות מוקדם היו נמוכים מ -10% וגימור הגמר היו גבוהים מ -10%. בדוגמה זו, אנחנו עדיין לא יודעים איך לחזות את ההסתברות לעשות את הזרי קרא עוד »

K = 3 P ["שרת אחד הוא למעלה"] = 0.98 = P ["לפחות שרת אחד מתוך שרתי K הוא למעלה"] = 1 - P ["0 שרתים מתוך שרתי K הם למעלה"] = 0.99999 = > 0 = 0.00001 => 0.02 ^ K = 0.00001 => K log (0.02) = log (0.00001) => K = log (0.00001) / log (0.02) = 2.94 => "אנחנו חייבים לקחת לפחות 3 שרתים, אז K = 3". קרא עוד »

0.6 P ["הוא באוטובוס"] = 0.8 P = "הוא באוטובוס" = 0.75 P ["הוא בזמן"] = 4/6 = 2/3 P ["הוא לוקח אוטובוס הוא לא בזמן "] = P ["הוא לוקח אוטובוס, הוא לא בזמן"] * P ["הוא לא בזמן"] = P ["הוא לוקח אוטובוס והוא לא בזמן"] = P ["הוא לא בזמן! (0 = 0.75) * 0.8 = 0.25 * 0.8 = 0.2 = P ["הוא לוקח אוטובוס") הוא לא נמצא בזמן "= 0.2 / (P [ "הוא לא בזמן") = 0.2 / (1-2 / 3) = 0.2 / (1/3) = 0.6 קרא עוד »

ראה למטה. החציון הוא הערך האמצעי בקבוצת נתונים מסודרת. קרא עוד »

0.3828 ~ ~ 38.3% P ["k על 10 חולים משוחררים"] = C (10, k) (7/10) ^ k (3/10) ^ (10-k) "עם" C (n, k) (k) 8, 9 או 10, יש לנו: "P" "לפחות 8 מתוך 10 חולים ") 7/10 (10) 10 () 7 (10) 10) 10) 10 (10) 10) 10 10 (+ 10 + 405) / 49 = (7/10) ^ 10 (664) / 49 = 0.3828 ~~ 38.3 % קרא עוד »

יש נוסחה עבור פונקציה צפיפות בינומית תן n להיות מספר ניסויים. תן k להיות מספר הצלחות במשפט. תן p להיות ההסתברות להצלחה בכל משפט. אזי ההסתברות להצליח בניסויים k היא (n!) / (K) (nk)! P ^ k (1-p) ^ (nk) במקרה זה, n = 10, k = 8 ו- p = 0.2) 8 (= 8) = 10 () 8 (0) 0 (0) 0 קרא עוד »

0.200 ההסתברות כי ארבעה מתוך עשרה אנשים יש סוג דם זה 0.3 * 0.3 * 0.3 * 0.3 = (0.3) ^ 4. ההסתברות שלששת האחרים אין סוג דם זה (1-0.3) ^ 6 = (0.7) ^ 6. אנו מכפילים את ההסתברויות האלה יחד, אך מכיוון שתוצאות אלו יכולות לקרות בכל שילוב (לדוגמה, לאדם 1, 2, 3 ו -4 יש את סוג הדם, או אולי 1, 2, 3, 5 וכו '), אנו מתרבים צבע (לבן) I_10C_4. לפיכך, ההסתברות היא (0.3) ^ 4 * (0.7) ^ 6 * צבע (לבן) I_10C_4 ~ ~ 0.200. --- זוהי דרך נוספת לעשות זאת: מכיוון שסוג הדם הספציפי הזה הוא משפט ברנולי (יש רק שתי תוצאות, הצלחה וכישלון, ההסתברות להצלחה, 0.3, היא קבועה, והניסויים עצמאיים) , אנו יכולים להשתמש במודל בינומי. אנו נשתמש "binompdf" קרא עוד »

S = 2 = סכום (x_i - barx) ^ 2) (n - 1) כאשר: s ^ 2 = שונות = סך כל הערכים במדגם n = גודל המדגם barx = ממוצע x_i = תצפית לדוגמה עבור כל מונח שלב 1 - מצא את הממוצע של המונחים שלך. (3 + 6 + 7 + 8 + 9) / 5 = 6.6 שלב 2 - הפחת את הממוצע המדגם מכל מונח (barx-x_i). (3 - 6.6) = -3.6 (6 - 6.6) ^ 2 = -0.6 (7 - 6.6) ^ 2 = 0.4 (8 - 6.6) ^ 2 = 1.4 (9 - 6.6) ^ 2 = 2.4 הערה: תשובות אלה צריכות להיות 0 שלב 3 - ריבוע כל אחת מהתוצאות. (ריבוע עושה מספרים שליליים חיוביים). -3.6 ^ 2 = 12.96 -0.6 ^ 2 = 0.36 0.4 ^ 2 = 0.16 1.4 ^ 2 = 1.96 2.4 ^ 2 = 5.76 שלב 4 - מצא את סך המונחים בריבוע. (12.96 + 0.36 + 0.16 + 1.96 + 5.76) = 21.2 שלב 5 - לבסוף, נמצא קרא עוד »

ההסתברות היא frac {5} {6} תן להיות האירוע של בחירת מספר מתחלק על ידי 6 ו- B להיות האירוע של בחירת מספר לא ניתן לחלוקה על ידי 6: P (A) = frac {1} {6} P = (= A (= A (= A (= 1 = P = (1) = 6 = = frac {5} {6} באופן כללי, אם יש לך מספר פתקים של נייר 1 עד N (כאשר N הוא מספר חיובי גדול אומר 100) ההסתברות לבחור מספר מחולק על ידי 6 הוא ~ 1/6 ואם N הוא מתחלק בדיוק על ידי 6, אז ההסתברות היא בדיוק 1/6 כלומר P (A) = אם אתה לא יכול להתחלק בדיוק בשש, אז אתה יכול לחשב את יתרת, למשל אם N = 45: 45 שווה 3 mod 6 (6 * 7 = 42, 45-42 = 3, את השאר הוא 3) המספר הגדול ביותר מאשר N כי הוא מתחלק על ידי 6 הוא 42, ובגלל frac {42} {6} = 7 ישנם 7 מספרים מ קרא עוד »

P (אלפא) = 5/12, P (ביתא) = 11/18 הסכומים האפשריים הם: 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 לכן המספר הכולל של סכומים אפשריים הוא 11. עם זאת, מספר דרכים להגיע סך מסוים שונה. למשל כדי להגיע לסך של 2 אפשר רק 1 דרך - 1 ו 1 אבל בסך הכל 6 ניתן להגיע ב 5 דרכים - 1 ו 5, 5 ו 1, 2 ו 4, 4 ו 2, 3 ו 3. מיפוי החוצה הדרכים האפשריות להגיע לסכום נתון מניבות את הדברים הבאים. סכום -> לא של דרכים 2 -> 1 3 -> 2 4 -> 3 5 -> 4 6 -> 5 7 -> 6 8 -> 5 9 -> 4 10 -> 3 11 -> 2 12 -> 1 לכן, המספר הכולל של דרכים כל תוצאה יכולה להיות מושגת היא: (1 + 2 + 3 + 4 + 5) xx2 +6 = 36 מאז הקוביות הוא "הוגן" אז כל תוצאה קרא עוד »

163 דרכים. יש דרך אחת להצביע עבור 0 אנשים. ישנן 8 דרכים להצביע עבור אדם אחד. יש (8 * 7) / 2 דרכים להצביע עבור 2 אנשים. יש (8 * 7 * 6) / (2 * 3) דרכים להצביע עבור 3 אנשים. יש (8 * 7 * 6 * 5) / (2 * 3 * 4) דרכים להצביע עבור 4 אנשים. זה הכל כי אתה יכול לבחור אנשים אבל יש דרכים אתה יכול להזמין את האנשים. לדוגמה, ישנן 2 * 3 דרכים להזמין אותם 3 אנשים. הוספת הכל, אנחנו מקבלים 1 + 8 + 28 + 56 + 70 = 163. קרא עוד »

# u / u + 1 / u) du = # (int) / x-1) dx = int (u + 1) קרא עוד »

כל סוללה עם חיים של פחות מ 35 שעות צריך להיות מוחלף. זהו יישום פשוט של עקרונות סטטיסטיים. הדברים העיקריים שיש לשים לב הם סטיית תקן ואחוז. אחוז (1%) אומר לנו שאנחנו רוצים רק את אותו חלק של האוכלוסייה כי הוא פחות סביר מאשר 3sigma, או 3 סטיות תקן פחות הממוצע (זה בעצם על 99.7%). אז, עם סטיית תקן של 6 שעות, ההבדל מהממוצע עבור הגבול התחתון הרצוי בחיים הוא: 50 - 3xx6 = 50 - 18 = 32hours משמעות הדבר היא כי כל סוללה עם פחות מ 32 שעות של החיים יוחלפו. מה הנתונים הסטטיסטיים אומרים כי טווח של 32 עד 68 שעות יכלול 99.7% מכלל הסוללות ALL המיוצר. לדוגמה, בסוף "גבוה", זה אומר כי רק 0.3% מכלל הסוללות יש חיים של 68 שעות או יותר. אי קרא עוד »

"א") "4" b) 0.150158 "c) 0.133705" "שים לב שההסתברות לא יכולה להיות שלילית, לכן אני מניחה" "יש להניח ש - x עובר מ - 0 עד 10". "קודם כל עלינו לקבוע c כך שסכום כל ההסתברויות הוא 1:" int_0 ^ 10 cx ^ 2 (10 - x) "" dx = c int_0 ^ 10 x ^ 2 (10 - x) " "dx = 10 c int_0 ^ 10 x ^ 2 dx - c int_0 ^ 10 x ^ 3 dx = 10 c [x ^ 3/3] _0 ^ 10 - c [x ^ 4/4] _0 ^ 10 = 10000 c / 3 = 10000 c / 4 = 10000 c (1 - 1/4) = 10000 c (4 - 3) / 12 = 10000 c / 12 = = c = 12/10000 = 0.0012 "a" E (X ^ 2) - E (X) 2 - (2) E (X) 2 = 10 (x) ^ 10 * ^ 3 dx - 0.0012 int_0 ^ 10 קרא עוד »

ממוצע הוא 19 והשונות היא 5.29 * 9 = 47.61 תשובה אינטואיטיבית: מכיוון שכל הסימנים מוכפלים ב -3 ומוסיפים ב -7, הממוצע צריך להיות 4 * 3 + 7 = 19 סטיית התקן היא מדד של הפרש ריבועי ממוצע מ את הממוצע ואת לא משתנה כאשר אתה מוסיף את אותה כמות לכל סימן, זה רק משתנה כאשר להכפיל את כל הסימנים על ידי 3 לכן, sigma = 2.3 * 3 = 6.9 שונות = sigma ^ 2 = 6.9 ^ 2 = 47.61 תן n יהיה מספר המספרים שבו {n n in mathbb {Z_ +}} במקרה זה n = 5 תן mu להיות הממוצע טקסט {var} יהיה השונות,סיגמא סטיית התקן ממוצע: mu_0 = frac { sum _i ^ n x_i} {n} = 4 sum _i ^ n x_i = 4n mu = frac { sum _i ^ n (3x_i + 7}} {n} = frac {3 sum _i ^ n x_i + 7n} {n} = {n} = frac קרא עוד »

קופסא תיבת ו שפם צריך לספר לך את הערך החציוני של הנתונים שלך, את ערכי מקסימום ומינימום, טווח שבו 50% מהערכים נופלים ואת הערכים של חריגים כלשהם. מבחינה טכנית יותר, אתה יכול לראות את הקופסה ואת זיוף העלילה במונחים של רבעונים. שפם העליון הוא הערך המרבי, שפם התחתונה הערך המינימלי (בהנחה שאף אחד מהערכים הם חריגים (ראה להלן)). מידע על ההסתברויות הוא מלקט מן עמדות של רבעונים. החלק העליון של הקופסה הוא Q1, הרבעון הראשון. 25% מהערכים נמצאים מתחת לרבעון הראשון. אי שם בתוך הקופסה יהיה Q2. 50% מהערכים נמצאים מתחת לרבעון השני. Q2 הוא החציון של מערך הנתונים. החלק התחתון של הקופסה הוא Q3. 75% מהערכים נמצאים מתחת לרבעון השלישי. Q3 - Q1 (א קרא עוד »

1/2 P ["חליפה היא לבבות"] = 1/4 P ["הכרטיס הוא אדום"] = 1/2 P ["החליפה היא לבבות | הכרטיס הוא אדום"] = (P ["חליפה היא לבבות והכרטיס הוא ") P (" [אדום] ") / (P]" [אדום הוא אדום] = (= 1/4) / (1/2) = 2/4 = 1/2 קרא עוד »

+ (1/20) (5/20) (15/20) (5/20) (15/20) (5/20) (15/20) 19) = 2 (15/20) (5/19) = 2 * (3/4) (5/19) = (3/2) (5/19) = 15/38 = 0.3947 = 39.47% "הסבר : "" כאשר אנו לבחור הראשון יש 20 שוקולדים בתיבה. " "כאשר אנו בוחרים אחד אחר כך, יש 19 שוקולד". "אנו משתמשים בנוסחה" P [A ו- B] = P [A] * P [B | A] ", משום ששתי המגירות אינן עצמאיות". "אז קח לדוגמא: A = '1 הוא חלב' ו- B = '2 הוא שוקולד'" ואז יש לנו "P [A] = 15/20" (15 חלב על 20 שוקולדים) "P [B | A] = 5 / 19 "(5 רגיל נשאר על 19 chocs בסך הכל שמאל לאחר ציור חלב בהתחלה) קרא עוד »

עיין בסעיף הסבר השוק תחרותי. דברים אחרים נשארים ללא שינוי. א) עלייה בהכנסות הצרכנים. כדי להתחיל עם הביקוש לאספקת בתים לקבוע את שיווי המשקל מחיר ומספר של בתים. DD הוא עקומת הביקוש. ס"ס הוא עקומת ההיצע. הם הופכים שווים בנקודה E_1. E_1 היא נקודת שיווי המשקל. M_1 מספר בתים מסופקים ודורש במחיר P_1. לאחר גידול בהכנסות הצרכנים, עקומת הביקוש מועברת לימין. עקומת הביקוש החדשה היא D_1 D_1. זה חותך את עקומת אספקה SS בנקודה E_2 שיווי המשקל החדש המחיר הוא P_2. זה גבוה יותר מאשר המחיר המקורי. מספר שיווי המשקל החדש של הבתים הוא M_2. זה גדול יותר מאשר המספר המקורי של בתים. התוצאה נטו היא עליית מחיר ומספר בתים. ב) טכניקת בנייה חדשה המ קרא עוד »