통계

1/435 = 0.0023 "22 개의 카드가 있다는 것을 의미한다고 가정합니다."52-22 = 30 개의 알 수없는 카드 만 있습니다. " "4 개의 슈트가 있고 모든 카드는 계급을 가지고 있습니다." "이것은 모든 카드가 숫자를 가지고있는 것은 아니며, 일부는 얼굴 카드입니다." "2 장의 카드가 뽑히고, 누군가는"2 * (1/30) * (1/29) = 1/435 = 0.0023 = 0.23 % "의 확률로 추측해야합니다."설명 : 첫 번째 카드에는 30 개의 가능성이 있고 두 번째 카드에는 29 개의 가능성이 있습니다. ""우리는 두 카드의 순서가 다르기 때문에 기회를 곱하고 2 ""로 곱합니다. 중요하지 않으므로 두 번째 카드를 먼저 추측 한 다음 첫 번째 카드를 맞춰보십시오. " 자세히보기 »

"4 면체 주사위 던지기의 가능한 결과는"1, 2, 3 또는 4입니다. 따라서 평균은 (1 + 2 + 3 + 4) / 4 = 2.5입니다. " "분산은 E [x²] - (E [x]) ² = (1² + 2² + 3² + 4²) / 4 -2.5²" "= 30/4 - 2.5² = 7.5 - 6.25 = 1.25" " 8면 다이를 던질 때 발생할 수있는 결과는 "1, 2, 3, 4, 5, 6, 7 또는 8입니다. 따라서 평균은 4.5입니다." "분산은 (1² + 2² + ... + 8²) / 8 - 4.5² = 5.25와 같습니다." "두 개의 주사위의 합은 평균의 합입니다." "그래서 2.5 + 4.5 = 7입니다." "분산도 두 분산의 합계입니다 :" "1.25 + 5.25 = 6.5" " 표준 편차는 단지 분산의 제곱근입니다 : ""표준 편차 = "sqrt (6.5)"따라서 우리는 30 자세히보기 »

A = 1.7 아래의 다이어그램은 주어진 범위의 균일 분포를 보여줍니다. 사각형은 면적 = 1입니다. 따라서 (6-1) k = 1 => k = 1 / 5 원하는 P (X <= a) = 0.14 (a-1) k = 0.14 (a-1) xx1 / 5 = 0.14a-1 = 0.14xx5 = 0.7 : .a = 1.7 자세히보기 »

K = 3 / 4 P (x> 1) = 1 / 2 E (X) = 1 / 5 k를 구하기 위해 int_0 ^ 2f (x) dx = int_0 ^ 2k (2x-x ^ 2) dx = 1 :. P (x> 1)을 계산하기 위해, k = 2, 3, 4, P (X> 1) = 1-P (0 <x <1) = 1-int_0 ^ 1 (3/4) (2x-x ^ 2) = 1-3 / 4 [2x ^ 2 / E (X) E (X) = int_0 ^ 2xf (x (x))를 계산하려면 다음과 같이 계산하면된다. dx = 3 / 4 × 2 / 3 × 4 = 3 / 4 (16 / 3 × 4) 16/4) = 3 / 4 * 16 / 12 = 1 V (X) = E (X ^ 2) - (E (X)) ^ 2 = E (x ^ 2) = int_0 ^ 2x ^ 2f (x) dx = int_0 ^ 2 (3/4) (2x ^ 3-x ^ 4) dx = 3 / 4 [2x ^ 4 / 4-x ^ 5 / 5 ] = 0 / 2 = 3 / 4 (8-32 / 5) = 6 / 5 : .V (X) = 6 / 5-1 = 1 / 5 자세히보기 »

1 - 0.2 sqrt (10) = 0.367544 "이름"P [R] = "하나의 R 완드가 결국 파란색으로 변할 확률"P [Y] = "하나의 Y 지팡이가 결국 파란색으로 변합니다." P [ "RY"] = "R & Y 지팡이가 모두 파란색 이벤트가됩니다." P [ "RR"] = "두 명의 R wands가 파란색 이벤트를 돌릴 확률." P [ "YY"] = "두 명의 Y wands가 파란색 이벤트를 돌릴 확률." "그러면 우리는"P [ "RY"] = P [R] * P [Y] P [ "RR"] = (P [R]) ^ 2 P [ "YY"] = (P [Y]) ^ P [Y] = 1 / 4 + (1/4) P [Y] + (1/2) P [Y] ^ 2 개의 변수 P [R]와 P [Y] P [Y] + 1 = 0 => P [Y] = 1 / 2 "OR"취소 (1) => P [Y] = 1 / 2 "(P P [ "RR"] = 1 / 4 + (1 / 자세히보기 »

44 데이터 집합의 평균을 계산하려면 모든 데이터를 더하고 데이터 항목 수로 나눕니다. 일곱 번째 가르침의 시대를 x라고합시다. 그것으로 {52 + 30 + 23 + 28 + 44 + 45 + x} / {7} = 38 다음으로 우리는 7을 곱하면 {52 + 30 + 23 + 28 + 44 + 45 + x} / {7} xx7 = 38xx7 => 52 + 30 +23 +28 +44 +45 + x = 266 우리는 다른 모든 연령을 빼서 x = 266-52- 30-23-28-44-45 = 44. 자세히보기 »

평균 = 7.4 표준 편차 ~ ~ 1.715 분산 = 2.94 평균은 모든 데이터 포인트의 합을 데이터 포인트 수로 나눈 값입니다. 이 경우 5 + 5 + 5 + 5 + 6 + 6 + 6 + 6 + 7 + 8 + 8 + 8 + 8 + 9 + 9 + 9 + 9 + 9 + 10 + 10) / 20 = 148/20 = 7.4 분산은 "평균으로부터의 제곱 거리의 평균"입니다. http://www.mathsisfun.com/data/standard-deviation.html 이것이 의미하는 바는 평균에서 모든 데이터 요소를 뺀 다음 답을 제곱 한 다음 모두 함께 추가하고 데이터 요소의 수로 나눕니다. 4 (5-7.4) = 4 (-2.4) ^ 2 = 4 (5.76) = 23.04이 데이터 세트에 4 개의 5가 있기 때문에 괄호 앞에 4를 추가합니다. 우리는 나머지 숫자들에 대해 이렇게한다 : 4 (6-7.4) ^ 2 = 7.84 1 (7-7.4) ^ 2 = 0.16 4 (8-7.4) ^ 2 = 1.44 5 (9-7.4) ^ 2 = 12.8 2 (10-7.4) ^ 2 = 13.52 마지막 단계는 그것들을 모두 더한 다음 몇 개나 냐에 따라 나눕니다. (23.04 + 7.84 + 0.16 + 1.44 + 1 자세히보기 »

17160/6497400 총 52 개의 카드가 있으며 그 중 13 개는 스페이드입니다. 첫 번째 스페이드 그리기 확률은 다음과 같습니다. 13/52 두 번째 스페이드 그리기 확률은 12/51입니다. 스페이드를 선택하면 12 개의 스페이드가 남아 있기 때문에 결과적으로 51 개의 카드 만 남았습니다. 세 번째 스페이드 그리기 확률 : 11/50 네 번째 스페이드 그리기 확률 : 10/49 스페이드를 하나씩 그리는 확률을 얻으려면이 값을 모두 곱해야합니다. 13 / 52 * 12 / 51 * 11 / 50 * 10 / 49 = 17160 / 6497400 교체없이 4 개의 스페이드를 동시에 그릴 확률은 다음과 같습니다. 17160/6497400 자세히보기 »

Y = -1.226666 + 0.1016666 * X 바 X = (12 + 13 + 14 + ... + 20) / 9 = 9 * (12 + 20) / (2 * 9) = 16 바 Y = (0 + (sum_ {i = 1} ^ {i = 9} x_i * y_i) / (sum_ {i = 1} ^ {i = y_i = Y_i - bar Y => hat beta_2 = (4 * 0.4 + 3 * 0.3 + 2 * 0.2 + 0.2 + 0.1 + 2 * 0.2)를 사용하여 "x_i = X_i - bar X" 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) / X = 0.4 - (6.1 / 60) * 16 = -1.226666 "따라서 회귀 직선은"Y = -1.226666 + 0.1016666 * X 자세히보기 »

우리는 x = 0이므로 x = 5, 3,4,5,8, x mean = mode = 중간 값 sumx_i = (20 + x) / 5 = 4 + x / > barx = 4, "median"= 4 "그러나 모드가 없습니다."x = 5 => barx = 4 + 5 / 5 = 5 3,4,5,5,8 median = 5 mode = 5 : x = 5 자세히보기 »

6 개의 숫자의 평균은 ""입니다. 270/6 = 45 여기에는 3 가지 다른 숫자가 있습니다. 6 세트, 2 세트, 8 세트. 각 세트에는 고유 한 평균이 있습니다. "평균"= "총"/ "숫자" "또는 OR M = T / N 평균 및 몇 개의 숫자가 있는지를 알면 총계를 찾을 수 있습니다. T = M xxN 숫자를 더할 수 있습니다. 합계를 더할 수 있지만 함께 사용하는 방법은 없습니다. 총 8 xx 41 = 328 두 개의 숫자에 대해 : 합계 2xx29 = 58 따라서 다른 6 개의 숫자의 합계는 328-58 = 270입니다. 6 개의 숫자의 평균 = 270 / 6 = 45 자세히보기 »

259459200이 글을 정확히 읽는다면 심사관이 2의 배수로 만 점수를 부여 할 수 있다면 30 점 중 15 점 만이 선택된다는 것을 의미합니다. 30/2 = 15 그러면 우리는 8 가지 질문에 15 가지 선택을 분산시킵니다. 순열에 대한 수식 사용 : (n!) / ((n - r)!) 여기서 n은 객체의 수입니다 (이 경우 2 개의 그룹에있는 표시). 그리고 r은 한 번에 얼마나 많은 사람들이 뽑혔는지입니다 (이 경우 8 가지 질문). 그래서 우리는 다음과 같은 것을 갖습니다 : (15!) / ((15-8)!) = (15!) / (7!) = 259459200 자세히보기 »

그들은 의존적이다. "늦게자는"이벤트는 "늦은 시각"에 다른 이벤트가 발생할 확률에 영향을줍니다. 독립 사건의 예가 동전을 반복적으로 뒤집는 것입니다. 동전에는 기억이 없으므로 두 번째 (또는 그 이후) 던지기의 확률은 여전히 50/50입니다 - 공정한 동전이면됩니다! 추가 : 당신은 이것을 하나 이상 생각하고 싶을지도 모른다 : 당신은 당신이 몇 년 동안 말하지 않은 친구를 만난다. 그가 아는 한 가지는 그가 두 자녀를두고 있다는 것입니다. 당신이 그를 만날 때, 그는 그와 아들을가집니다. 다른 아이도 아들이 될 수있는 기회는 무엇입니까? (아니, 50/50이 아닙니다.) 이걸 얻으면, 당신은 결코 의존적 / 독립적 인 것에 대해 결코 걱정하지 않을 것입니다. 자세히보기 »

7! = 7 * 6 * 5 * 4 * 3 * 2 * 1 = 5040.이 특별한 문제는 순열이다. 순열과 조합의 차이점은 순열 (permutations)과 함께 순서가 중요하다는 점입니다. 이 질문은 학생들이 쉬는 시간에 얼마나 많은 방법을 사용할 수 있는지 (즉, 얼마나 많은 주문이 있는지) 묻습니다. 이것은 순열입니다. 우리가 두 위치, 위치 1과 위치 2 만 채우는 순간을 상상해보십시오. 학생들 사이를 구분하기 위해 순서가 중요하기 때문에 A부터 G까지 각각의 문자를 할당합니다. 이제 이러한 위치를 채우는 경우 한 번에 A, B, C, D, E, F 및 G와 같은 7 가지 옵션을 채울 수 있습니다. 그러나 해당 위치가 채워지면 두 번째 옵션은 여섯 개뿐입니다. 학생들은 이미 배치되었습니다. 예를 들어, A가 1 위 자리에 있다고 가정하면 두 위치에 대한 가능한 주문은 AB (즉, 위치 1의 A와 위치 2의 B), AC, AD, AE, AF, AG입니다. 그러나 ... 여기에는 가능한 모든 주문을 고려하지 않습니다. 첫 번째 위치에 7 가지 옵션이 있기 때문입니다. 따라서 B가 1 위 자리에 있다면 BA, BC, BD, BE, BF 및 BG를 가질 수 있습니다. 7 * 6 = 42 초기 문제를 되돌아 보면, 자세히보기 »

이 그룹은 84 가지 방법으로 선택할 수 있습니다. 주어진 "n"개 개체에서 "r"개 개체의 선택 수는 nC_r로 표시되며 nC_r = (n!) / (r! (n-r)!) n = 9, r = 3 :로 표시됩니다. 9C_3 = (9!) / (3! (9-3)!) = (9 * 8 * 7) / (3 * 2) = 84이 그룹을 84 가지 방법으로 선택할 수 있습니다. [Ans] 자세히보기 »

이 답변에 접근하는 방법에 대한 아이디어를 보려면 아래를 참조하십시오.이 문제를 수행하는 방법론의 질문에 대한 대답은 인구수 내에서 동일한 항목 (예 : n 개의 숫자가 A, B, C , D)는 조합 수식 계산 능력을 벗어납니다. 대신에 mathforum.org의 Math 박사에 따르면 두 가지 기술이 필요합니다. 개체를 별개의 셀에 배포하고 포함 제외 원칙입니다. 나는이 게시물을 읽었으며 (http://mathforum.org/library/drmath/view/56197.html), 이러한 유형의 문제를 반복해서 계산하는 방법에 대한 질문을 직접 다루었으며 그물 결과는 그 답은 어딘가에있다. 나는 대답을하려고하지 않을 것이다. 나는 우리의 전문 수학 전문가 중 한 명이 들어와 더 나은 대답을 줄 수 있기를 희망합니다. 자세히보기 »

데이터의 50 %가 상자 안에 있음 상자 및 수염 그림의 상자는 Q1 및 Q3 값을 종점으로 사용하여 형성됩니다. 즉, Q1-> Q2 및 Q2-> Q3이 포함됩니다. Q 데이터의 각 범위에는 상자 & 수염 줄거리의 데이터가 25 % 포함되기 때문에이 상자에는 50 % min -> Q1 = 25 % Q1 -> Q2 = 25 % Q2 -> Q3 = 25 % Q3 -> max = 25 % 자세히보기 »

75 % 당신이 사 분위수로 일하는 경우, 우선 가치로 사례를 주문하십시오. 그런 다음 4 개의 동일한 그룹으로 사례를 나눕니다. 첫 번째 쿼트와 두 번째 사이의 경계 값을 첫 번째 분위 또는 Q1이라고합니다. 두 번째와 세 번째 사이는 Q2 = 중간 값이고 세 번째와 네 번째 값은 Q3입니다. 따라서 Q3- 포인트에서 3/4을 통과했습니다. 당신의 가치. 이것은 75 %입니다. 추가 : 대형 데이터 세트를 사용하면 백분위 수를 사용할 수도 있습니다 (사례를 100 개의 그룹으로 나눕니다). 값이 75 백분위 수라고하면 75 %의 사례가 더 낮은 가치를 가짐을 의미합니다. 자세히보기 »

N = 3 p (n) = "n 번째 시도에서 처음으로 명중"=> p (n) = 0.8 ^ (n-1) * 0.2 "불평등의 경계"625 p ^ 2 - 175 p + 2 = 4 * 12 * 625 = 625 = 25 ^ 2 => p = (175 pm 25) / 1250 = "0" "은"p "의 2 차 방정식의 해이다. 3/25 "또는"4/25 ""그래서 "p (n)"은 두 값 사이에 음수입니다. " log (3/5) = (n-1) log (0.8) = 0.8 (n-1) > n = 1 + log (4/5) / log (0.8) = 3.289 .... p (n) = 4/25 = ... n = 1 + log (4/5) ) = 2 "그래서"2 <n <3.289 ... => n = 3 "(n은 정수)" 자세히보기 »

22 평균은 값의 합계를 값의 수로 나눔으로써 측정됩니다 : "평균"= "합"/ "수"Katie는 이미 네 번의 시험을 치렀고 그녀의 다섯 번째 시험을 치러야 할 것입니다. 그래서 우리는 76, 74, 90, 88 및 x를 포함한다. 그녀는 전체 평균이 적어도 70 이길 원합니다. 최소한 70을 달성하기 위해 필요한 최소 점수 x를 알고 싶습니다. 70 = (76 + 74 + 90 + 88 + x) / 5 그리고 이제 x에 대해 풀립니다. 328 + x = 350 x = 22 자세히보기 »

122 Mean = 테스트 합계를 총 테스트 수로 나눈 값 x = 5 번째 테스트 점수 평균 = (76 + 74 + 90 + 88 + x) / 5 = 90 먼저 방정식의 양변에 5를 곱하여 계산하십시오. = (5 (76 + 74 + 90 + 88 + x)) / 5 = 90 * 5 = 76 + 74 + 90 + 88 + x = 450 x에 대해 풀기 : x = 450 - 76-74-90-88 = 122 자세히보기 »

"표준 편차"= "표준 편차"= sqrt (25) = 5 "N (10, 5)에서 정규화 된 정규 분포로 이동 :"I) P = 0.3085 ""II) P = 0.4495 " (z 값에 대한 테이블) "= (13.5 - 10) / 5 = 0.7 => P = 0.7580" 값)에 대한 연속성 때문에 8과 13 대신에 0.7580 - 0.3085 = 0.4495 "=> P ("8 ~ 13 ") = 7.5와 13.5가됩니다. 자세히보기 »

20 개의 링크 각각에 대해 7 개의 선택 항목이 있습니다. 매번 선택 항목이 이전 선택 항목과 별개이므로 제품을 가져올 수 있습니다. 총 선택 수 = 7 * 7 * 7 ... * 7 = = 7 ^ (20) 그러나 체인이 뒤바뀔 수 있으므로 별개의 시퀀스를 계산해야합니다. 먼저 대칭 시퀀스의 수를 계산합니다. 즉, 마지막 10 개의 링크는 처음 10 개의 링크의 미러 이미지를 사용합니다. 대칭 시퀀스의 수 = 첫 번째 10 개의 링크를 선택하는 방법의 수 = 7 ^ (10) 이러한 대칭 시퀀스를 제외하고는 비대칭 시퀀스를 역전시켜 새로운 체인을 생성 할 수 있습니다. 즉, 비대칭 시퀀스의 절반 만 고유합니다. 고유 시퀀스 수 = (비대칭 수) / 2 + 대칭 시퀀스 수 = (7 ^ 20-7 ^ 10) / 2 + 7 ^ 10 = 39896133290043625 자세히보기 »

N = 13 "가방에 구슬 수를 표시하십시오."n. "(x-1) / (n-1)) = 5/26 x = n-7 => ((n-7) / n) ((n-8) / (n-1) => 21 n ^ 2 - 385 n + 1456 = 0 "disc :"385 ^ (n-1) = 5/26 => 26 (n-7) 2 - 4 * 21 * 1456 = 25921 = 161 ^ 2 => n = (385 pm 161) / 42 = 16/3 "또는"13 "n은 정수이므로 두 번째 해법 (13) => n = 13 자세히보기 »

0,0,12,19,19는 하나의 가능성입니다 타일러가 평균 10 점, 중간 점 12 점을 기록한 5 개의 농구 경기가 있습니다. 중앙값은 중간 값이므로 득점 한 점이 위의 두 값과 위의 두 값을가집니다. 평균은 값을 합산하고 개수로 나눔으로써 계산됩니다. "평균"= "득점의 합"/ "게임의 수"=> 10 = 50 / 5 따라서 5 경기에 걸쳐 점수가 50 점이되면 5 점 이상 평균 10 점을 얻습니다. 전철기. 한 게임에서 12 점을 얻었고 남은 점수는 같았습니다 : 50-12 = 38, 다시 두 값이 12 이상이고 두 개가 12 미만입니다. 두 가지 게임에서 쉽게 점수를 매기고 12 득점보다 0 점 득점. 나머지 2 경기는 38-2 (0) = 38로 나머지 두 경기에서 각각 19 점을 득점했습니다. 그렇습니다 : 0,0,12,19,19 (농구의 경우 바구니는 2 점이지만 프리드로가 각각 1 점과 3 점을 얻으면 3 점을 얻습니다. 따라서 홀수 포인트를 안전하게 가질 수 있습니다 ). 자세히보기 »

참조 설명 섹션 z 값을 계산하는 단계는 다음과 같습니다. 계열의 평균을 계산합니다. 시리즈의 표준 편차를 계산합니다. 마지막으로 z = sum (x-barx) / sigma 공식을 사용하여 각 x 값에 대한 z 값을 계산하십시오. 계산에 따르면 209의 z 값은 2보다 큽니다. 아래 표를 참조하십시오 - 정규 분포 파트 2 자세히보기 »

Box-and-whisker 플롯은 5 자리 숫자 요약의 통계가있는 그래프 유형입니다. 예를 들면 다음과 같습니다. 다섯 가지 숫자 요약은 다음과 같이 구성됩니다. Minumum : 최저 값 / 관찰 낮은 분위 또는 Q1 : 데이터의 하위 절반의 "중간 값". 데이터의 25 %에 놓여 있음 중앙값 : 중간 값 / 관측치보다 높은 4 분위수 또는 Q3 : 데이터의 상반부의 "중앙값"; 데이터의 75 %에 놓입니다. 최대 값 : 최대 값 / 관측치 사 분위 범위 (IQR)는 하위 사 분위 (Q1) 및 상위 사 분위 (Q2)의 범위입니다. 때로는 아웃 라이어 (outliers)도 있습니다. 이상 치는 Q1-1.5 (IQR) 또는 Q3 + 1.5 (IQR)의 범위를 벗어날 때 발생합니다. 아웃 라이어가 발생하면 박스 앤드 위커 플롯에서 점으로 표시됩니다. 예를 들어, 여기에 특이 값은 데이터 값 95에 있습니다. 참고 : 특이 값은 최소값 또는 최대 값이 아닙니다. 특이 치가 가장 낮은 점이면, 가장 낮은 두 번째 점이 최소가됩니다. 특이 치가 가장 높은 점이면 두 번째로 높은 점이 최대치가됩니다. 희망이 도움이! 자세히보기 »

클래스에서 값을 그룹화 할 때 한계를 설정해야합니다. 예 10,000 명의 성인의 키를 측정한다고 가정 해보십시오. 이 높이는 mm (0.001m)까지 정확하게 측정됩니다. 이 값으로 작업하고 통계를 작성하거나 히스토그램을 작성하려면 이러한 미세한 부분이 작동하지 않습니다. 따라서 값을 클래스로 그룹화합니다. 우리의 경우 우리는 50 mm (0.05 m) 간격을 사용한다고 가정 해보십시오. 그러면 1.50-1.55 m, 1.55- <1.60 m 등등의 클래스를 갖게 될 것입니다. 실제로 1.50-1.55 m 클래스는 1.495 (반올림 됨)에서 1.544 (모두 절사됩니다. 클래스 제한이 다르게 설정된 다른 데이터 세트가 있습니다. 한 가지 예 : 나이 49 세는 방금 자정 파티를 시작했거나 50 세 생일부터 1 분 남았습니다. 날짜 / 시간 사이).이 경우 클래스 제한은 49.000 ... 및 49.999 ...입니다. 자세히보기 »

센서스가 아닌 표본을 사용하는 주된 이점은 효율성입니다. 어떤 사람이 의회의 평균 의견이 18-24 세 사이 인지를 알고 싶다고 가정 해 봅시다. 즉, 의회의 지지도가이 인구 통계 가운데 무엇인지 알고 싶습니다. 미국 인구 조사에 따르면 2010 년에는 미국 내에 3 천만 명이 넘는 사람들이 거주했습니다. 이 3 천만 명의 사람들 각각에게 가서 자신의 의견을 묻는 것은 확실히 정확한 결과를 이끌어 낼 수 있지만 (아무도 거짓말을하지 않는다고 가정 할 때) 시간과 자원면에서 엄청나게 비쌀 것입니다. 또한 한 개인의 개인적인 반응이 전반적인 결과에 미치는 영향이 미미할 경우이 센서스를 모으는 데 리소스 투자에 대한 수익이 매우 낮을 수 있습니다. 그러나 진정으로 무작위이고 적절한 크기의 샘플을 사용하면 허용되는 오차 범위 내에서 원하는 데이터를 대략적으로 근사 할 수 있으며 시간 및 자원 지출을 대폭 줄일 수 있습니다. 따라서 위의 개인은 10,000 명의 개인 또는 각 국회 지구에서 100 명의 무작위 표본을 선택할 수 있습니다. 그러나 무작위가 아닌 표본은 표본 통계와 모집단 매개 변수 사이의 급격한 차이를 초래할 가능성이 높다는 점을 강조해야합니다. 예를 들어 위의 개인이 등록 된 민주당 원 목록에서 각 주마 자세히보기 »

자세히보기 »

BInomial 환경에서는 이벤트 당 두 가지 결과가 발생할 수 있습니다. 첫 번째 장소에서 이항 설정을 사용하기위한 중요한 조건은 다음과 같습니다. 두 가지 가능성이 있습니다. 우리는 Good 또는 Fail이라고합니다. Good과 Fail의 비율 확률은 시도 중에 변경되지 않습니다. 즉 : 한 번의 시도는 다음 단계에 영향을 미치지 않습니다. 예 : 한 번에 하나씩 주사위를 던지고 3 회에 6 번 중 6 번 이상 굴릴 기회가 무엇인지 알고 싶습니다. 이것은 2 진법의 전형적인 예입니다 : 6 (기회 = 1 / 6) 또는 6이 아닌 (기회 = 5 / 6) 다이는 메모리가 없으므로 다음 롤마다 여전히 동일한 확률이 있습니다. 확률 트리를 설정할 수는 있지만 5 / 6 * 5 / 6 * 5 / 6 = 125 / 216의 세 번의 실패 확률도 계산할 수 있습니다. 성공 확률은 1-125 / 216 = 91/216 자세히보기 »

"원형 차트"의 중요한 특성 "원형 차트"를 만들기 전에 몇 가지 중요한 사항이 필요합니다. 우리는 다음을 필요로합니다. TOP 5 중요 요소 두 개 이상의 데이터. 우리의 데이터를 easly 볼 수있는 완벽한 색상을 선택하십시오. 차트 앞에 머리글을 붙이세요. 차트에 범례 넣기 (왼쪽 또는 오른쪽) 차트를 설명하는 문장을 차트 하단에 추가하십시오. (짧은 것) 그림을 너무보십시오 : 자세히보기 »

산술 평균 = ~ 424.4 표준 편차 ~~ 642.44 입력 데이터 집합 : {115, 89, 230, -12, 1700} 산술 평균 = (1 / n) * 시그마 (x_i) 여기서 시그마 x_i는 입력 데이터 세트의 요소 n은 총 요소 수입니다. Sigma (x_i - bar x) ^ 2는 평균값으로부터의 제곱 된 차이의 평균을 나타냅니다. 산술 평균 ~~ 424.4 표준 편차 ~~ 642.44 도움이되기를 바랍니다. 자세히보기 »

평균은 3.5이며 표준 편차는 1.83입니다. 용어의 합은 35이므로, {2,3,3,5,1,5,4,4,2,6}의 평균은 다음과 같은 단순 평균으로 35 / 10 = 3.5입니다. 용어. 표준 편차의 경우, 평균으로부터의 편차를 제곱 평균으로 구한 다음 제곱근을 취해야합니다. 그 편차는 {-3.5, -0.5, -0.5, 1.5, -2.5, 1.5, 0.5, 0.5, -1.5, 2.5}이고 그 제곱의 합은 (12.25 + 0.25 + 0.25 + 2.25 + 6.25 + 2.25 + 0.25 + 2.25 + 6.25) / 10 또는 33.50 / 10 즉 3.35이다. 따라서 표준 편차는 sqrt3.35, 즉 1.83 자세히보기 »

평균 = 5.25color (흰색) ( "XXX") 중앙값 = 4.5color (흰색) ( "XXX") 모드 = 4 모집단 : 분산 = 3.44color (흰색) ( "XXX") 표준 편차 = 1.85 샘플 : 색상 표준 편차 = 1.98 Mean은 데이터 값의 산술 평균입니다. Median은 데이터 값을 정렬 할 때의 중간 값입니다 (또는 2의 평균값). ( "X") Variance = 43.93color (흰색) ( "XXX") 짝수 개의 데이터 값이있는 경우 중간 값). 모드는 가장 큰 빈도로 발생하는 데이터 값입니다. 편차 및 표준 편차는 데이터가 전체 모집단인지 아니면 전체 모집단의 모범 사례인지에 따라 다릅니다. Population Variance (color (black) (sigma _ ( "pop") ^ 2))는 각 데이터 값과 평균 사이의 차이 제곱의 합을 데이터 값의 수로 나눈 값입니다. Population 표준 편차 (color (black) (sigma_ "smpl"^ 2))는 다음의 제곱의 합입니다. 각 데이터 값과 평균값의 차이를 데이터 값의 수보다 작은 값으로 자세히보기 »

평균 (평균)과 중앙값 (중간 값). 일부는 모드를 추가합니다. 68.4, 65.7, 63.9, 79.5, 52.5 평균은 산술 평균입니다. (68.4 + 65.7 + 63.9 + 79.5 + 52.5) / 5 = 66 중앙값은 범위 극한. 79.5 - 52.5 = 27 27/2 = 13.5; 13.5 + 52.5 = 66 참고 :이 데이터 세트에서 Mean과 동일한 값이지만 보통은 그렇지 않습니다. 모드는 세트의 가장 일반적인 값입니다. 이 집합에는 아무 것도 없습니다 (중복 없음). 이는 중앙 경향의 통계 척도로서 일반적으로 포함됩니다. 통계에 대한 나의 개인적인 경험은 분명히 "경향"을 나타낼 수는 있지만, 종종 "중심적인"것은 아닙니다. 중심 경향에 적용되는 다른 일반적인 척도는 분산과 표준 편차입니다. 그러나 이것은 중심 경향이 파생 된 데이터의 분석에 대한 상세 검색입니다. 그들은 그들 자신이 "중심적인"경향의 척도가 아니다. 자세히보기 »

평균 (평균) 및 표준 편차는 통계 모드의 계산기에서 직접 얻을 수 있습니다. 엄밀히 말하자면, 샘플 공간의 모든 데이터 포인트는 정수이기 때문에 정확한 평균 유효 숫자에 대한 정수로도 평균을 표현해야합니다. 예를 들어, ie barx = 220. 샘플 또는 모집단 표준 편차를 원하는지 여부에 따라 2 표준 편차도 가장 가까운 정수 값으로 반올림됩니다. s_x = 291 및 sigma_x = 280 범위는 간단히 x_ (최대) -x_ (최소) = 1100- ( -90) = 1190. 중앙값을 찾으려면 점의 샘플 공간을 숫자 값의 오름차순으로 배열하여 중간 값을 찾아야합니다. X = {- 90, -26, -20, 142, 147, 166, 169, 212, 234, 261, 722, 92, 중간 데이터 값은 따라서 중앙값이며 169입니다. 자세히보기 »

주어진 데이터가 전체 인구수라면 : color (white) ( "XXX") sigma_ "pop"^ 2 = 1.62; sigma_ "pop"= 1.27 주어진 데이터가 모집단의 표본이면 색상 (흰색) ( "XXX") sigma_ "sample"^ 2 = 1.80; sigma_ "sample"= 1.34 모집단의 분산 (sigma_ "pop"^ 2) 및 표준 편차 (sigma_ "pop")를 찾으려면 모집단 값의 합계를 구하십시오. 모집단의 값 수로 나누어 평균을 구하십시오. 각 모집단 값에 대해 그 값과 평균 사이의 차이를 계산 한 다음 그 차이를 계산합니다. 제곱 된 차이의 합 계산 제곱 된 차이의 합을 모집단 수로 나눠서 (sigma_ "pop"^ 2) 모집단 분산을 계산합니다 값. 모집단 표준 편차 (sigma_ "pop")를 구하기 위해 모집단 분산의 (1 차) 제곱근을 취하십시오. 데이터가 더 큰 모집단에서 추출 된 샘플만을 나타내면 샘플 분산을 구해야합니다 (sigma_ "sample"^ 2 ) 및 표본 자세히보기 »

평균 = (1 + 1 + 1 + 1 + 1 + 7000 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 + 1 - 467.6 = -466.6 7000 - 467.6 = 6532.4 다음 각 편차의 제곱 : (-466.6) ^ 2 (1 + 1 + 1) / 15 = 7014/15 = 467.6 각 숫자에 대한 편차 찾기 - = 217,715.56 6532.4 ^ 2 = 42,672,249.76 분산은 다음 값의 평균입니다. 분산 = ((14 * 217715.56) + 42672249.76) / 15 = 3,050,000 (3s.f.) 표준 편차는 분산의 제곱근입니다. Sigma = sqrt (3050000) = 1750 (3s.f.) 자세히보기 »

모집단 분산은 다음과 같습니다 : σ ^ 2 ~ = 476.7 그리고 모집단 표준 편차는이 값의 제곱근입니다 : sigma ~ = 21.83 먼저이 값이 전체 모집단이라고 가정합시다. 따라서 우리는 인구 분산을 찾고 있습니다. 이 숫자가 더 큰 모집단의 샘플 집합이라면, 우리는 모집단 분산과 n / (n-1)의 인자로 다른 표본 분산을 찾을 것입니다. 모집단 분산에 대한 공식은 sigma ^ 2 = mu는 모집단 평균이며, mu = 1 / N sum_ (i = 1) ^ N x_i로부터 계산 될 수있다. 우리의 모집단에서 평균은 다음과 같다 : 1 / N sum_ (i = 1) ^ N mu = (1 + 1 + 1 + 1 + 80 + 1 + 1 + 1 + 1 + 1) /12=91/12=7.58bar3 이제 분산 계산을 진행할 수 있습니다 : σ ^ 2 = 11 * (1-7.58bar3) ^ 2 + (80-7.58bar3) ^ 2) / 12 시그마 ^ 2 - = 476.7이고 표준 편차는이 값의 제곱근입니다 : 시그마 = 21.83 자세히보기 »

우리는 전체 표본을 다루고 있다고 가정합니다. 차이 σ ^ 2 = 44,383.45 표준 편차 sigma = 210.6738 대부분의 과학적 계산기 또는 스프레드 시트를 사용하면 이러한 값을 직접 결정할 수 있습니다. 보다 체계적인 방법으로 수행해야하는 경우 : 주어진 데이터 값의 합계를 결정하십시오. 합계를 데이터 항목 수로 나눔으로써 평균을 계산하십시오. 각 데이터 값에 대해 평균으로부터 데이터 값을 빼서 평균과의 편차를 계산하십시오. 각 데이터 값의 평균과의 편차에 대해 편차를 제곱하여 평균에서 제곱 된 편차를 계산합니다.제곱 된 편차의 합 결정 제곱 된 편차의 합계를 원래 데이터 값의 수로 나누어 모집단 분산을 구합니다. 모집단 표준 편차를 구하기 위해 모집단 분산의 제곱근을 결정합니다. 표본 분산과 표본 표준 편차 : 6. 원래 데이터 값의 수보다 1 씩 나눕니다. 참고 : 일반적으로 단순히 색상 (흰색) ( "XXX") VARP (B2 : B11) 및 색상 (흰색) ( "XXX") STDEVP (B2 : B11) 대신에 간단히 기능을 사용합니다. 이 모든 세부 사항들 자세히보기 »

S = σ ^ 2 = 815.41 -> 분산 σ = 28.56 -> 1 표준 편차 분산은 가장 잘 맞는 선에 대한 데이터의 변이를 나타내는 일종의 평균 척도입니다. 이것은 다음으로부터 유래 한 것입니다 : sigma ^ 2 = (sum (x-barx)) / n 여기서 sum은 모든 것을 덧셈하는 것을 의미합니다 barx는 평균값입니다 (때로는 mu를 사용합니다). n은 사용 된 데이터의 수입니다. 시그마 ^ 2는 분산입니다 (때로는 s를 사용합니다) 시그마는 하나의 표준 편차입니다.이 방정식은 약간의 조작으로 끝납니다 : σ ^ 2 = (합 (x ^ 2)) / n - barx ^ 2 ""분산 sigma = sqrt ( sum (x ^ 2)) / n - barx ^ 2) ""1 표준 편차 "~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ ~ ~ ~ ~ ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 2 "는 다음과 같이됩니다 : σ2 = 자세히보기 »

분산 (모집단) : sigma_ "pop"^ 2 = 12.57 표준 편차 (모집단) : sigma_ "pop"= 3.55 데이터 값의 합은 42입니다. 데이터 값의 평균 (mu)은 42 / 7 = 6입니다. 데이터 값 중 평균값과 데이터 값의 차이를 계산 한 다음 그 차이를 제곱 할 수 있습니다. 제곱 된 차이를 데이터 값의 수로 나눈 값의 합계는 모집단 분산 (sigma_ "pop"^ 2)을 제공합니다. 모집단 분산의 제곱근은 모집단 표준 편차를 제공합니다. (sigma_ "pop") 참고 : 데이터 값이 전체 모집단을 대표한다고 가정했습니다. 데이터 값이 더 큰 모집단의 표본 일 경우, 분산을 찾기위한 분할이 필요하다는 점만 제외하고 위의 방법을 사용하여 표본 분산, s ^ 2 및 표본 표준 편차, s를 계산해야합니다 by (데이터 값의 수보다 1 작음). 참고 2 : 표준 통계 분석은 이러한 값을 제공하는 내장 함수가있는 컴퓨터 (예 : Excel 사용)를 통해 수행됩니다. 자세히보기 »

F- 테스트는 데이터가 정상적으로 배포되고 샘플이 서로 독립적이라고 가정합니다. F- 테스트는 데이터가 정상적으로 배포되고 샘플이 서로 독립적이라고 가정합니다. 정상적인 분포와 다른 데이터는 몇 가지 이유 때문일 수 있습니다. 데이터가 비뚤어 지거나 샘플 크기가 너무 작아 정규 분포에 도달 할 수 없습니다. 이유에 관계없이 F- 테스트는 정규 분포를 가정하며 데이터가이 분포와 크게 다른 경우 부정확 한 결과를 초래합니다. F- 테스트는 또한 데이터 포인트가 서로 독립적이라고 가정합니다. 예를 들어, 기린 인구를 연구 중이며 신체 크기와 성이 어떻게 관련되어 있는지 알고 싶습니다. 암컷은 수컷보다 크기가 크지 만 인구 중 어른의 수는 남성보다 여성이 더 많다는 것을 고려하지 않았습니다. 따라서 데이터 세트에서 성별은 연령과 무관하지 않습니다. 자세히보기 »

Chi Squared 분포는 제곱합의 함수 인 통계량을 설명하는 데 사용할 수 있습니다. 카이 제곱 분포는 k 개의 정규 분포 확률 변수의 제곱의 합인 값의 분포입니다. 카이 제곱 분포의 PDF는 다음과 같이 주어진다 : f (x; k) = 1 / (2 ^ (k / 2) 감마 (k / 2)) x ^ (k / 2-1) e ^ (- x / 2) 여기서 k는 자유도의 수이고, x는 우리가 확률을 구하는 Q의 값이다. Chi Squared 분포의 유용성은 제곱 값의 합계와 관련된 모델링에 있습니다. 두 가지 구체적인 예는 다음과 같습니다. 분산 테스트 분석 (분산은 제곱 값의 합입니다.) 적합 적합성 (오차가 제곱 값 합계 인 경우 최소 제곱합에 해당) http://en.wikipedia.org/ wiki / Chi-squared_distribution 자세히보기 »

공분산의 한 가지 용도는 상관 관계를 연구하는 것입니다. 2 개의 종속 변수에 관한 샘플 데이터가있을 때, 공분산이 관련됩니다. Co-variance는 두 변수 간의 편차의 영향을 측정 한 것입니다. 우리가 두 개의 종속 변수 X와 Y를 가지고있을 때, X의 값 내에서 변화를 연구 할 수 있습니다. 이것은 sigma_x ^ 2입니다. Y의 값 내의 변화는 y sigma_y ^ 2의 분산입니다. X와 Y 사이의 동시 변이에 대한 연구는 COV (X, Y) 또는 sigma_ (xy)라고 불린다. 자세히보기 »

그것은 변수들 사이의 관계의 형태를 보여줍니다. 회귀 분석이란 무엇입니까?에 대한 내 답변을 참조하십시오. 그것은 변수들 사이의 관계의 형태를 보여줍니다. 예를 들어, 관계가 강하게 긍정적으로 관련되는지, 강하게 부정적으로 관련되는지 또는 관계가 없는지 여부. 예를 들어, 강수량과 농업 생산성은 강하게 상관 관계가 있다고 가정되지만 관계는 알려지지 않았다. 농업 생산성을 나타내는 작물 생산량을 확인하고 작물 생산량 y와 강우량 x의 두 변수를 고려하십시오. x에 대한 y의 회귀선의 구성은 의미가 있으며 강수량에 대한 작물 수확량의 의존성을 입증 할 수 있습니다. 우리는 제한된 오차로 강우량이 주어진다면 작물 수확량을 산정 할 수있을 것입니다. 이를 위해 우리는 강수량과 생산성의 관측 값을 사용하고 최소 오차 (도착한 관계로부터 벗어남)를주는 적합성을 찾으려고 노력합니다. 자세히보기 »

Z-Score는 데이터가 정규 분포를 가지면 표준 편차로 측정 된 나머지 분포와 관련하여 관측 위치를 알려줍니다. 일반적으로 위치는 관찰 값의 실제 값을 제공하는 X 값으로 표시됩니다. 직관적이지만 다른 배포판의 관찰 내용을 비교할 수는 없습니다. 또한 표준 정규 분포표를 사용하여 Z 점수와 관련된 값을 조회 할 수 있도록 X 점수를 Z 점수로 변환해야합니다. 예를 들어, 8 살짜리 투구 속도가 자신의 리그와 비교할 때 드문 경우인지 알고 싶습니다. 평균 리틀 피치 속도가 30mph이고 표준 편차가 4mph 인 경우 38mph 피치가 비정상입니까? 4mph는 X 점수입니다. 다음 수식을 사용하여 Z 점수로 변환합니다. Z = (X-mu) / sigma Z- 점수가 Z = (38-30) / 4 = 2이므로 Z- 점수가 2 일 확률은 0.022입니다. 이것은이 작은 리그 투수를 비정상적으로 빠르게 만듭니다. 전문적인 평균 피치가 89 mph이고 표준 편차가 3 mph 인 경우 92 mph의 피치를 가진 전문 선수보다 더 특이한가? 전문가의 Z 점수는 다음과 같습니다. Z = (92-89) / 3 = 1 작은 리거의 Z 점수는 2이고 전문가는 1이므로 작은 리거는 자신의 전문 상대보다 더 특이합니다. X 점수를 비교 자세히보기 »

아래를 참조하십시오. 감안할 때 : p -> [p (p ^^ q) vv ~ p] 논리 연산자 : "not p :"not p, ~ p; "및 :"^^; 또는 : vv 논리 테이블, 부정 : ul ( ""p ""q | ""~ p | ""~ q |) ""T | ""T | ""F | ""F | ""T | ""F | ""F | ""T | ""F | ""T | ""T | ""F | ""F | ""F | ""T | ""T | 논리 테이블 및 & ul (| ""p ""q | ""p ^^ q ""| ""qvvq ""|) ""T | ""T ""T ""| 자세히보기 »

~ = 0.9391 질문 자체에 들어가기 전에 문제 해결 방법에 대해 이야기 해 봅시다. 예를 들어 공정한 동전을 3 번 뒤집을 때 일어날 수있는 모든 결과를 설명하려고합니다. 나는 HHH, TTT, TTH, HHT를 얻을 수 있습니다. H의 확률은 1/2이고 T의 확률은 1/2이다. HHH와 TTT의 경우 각각 1 / 2xx1 / 2xx1 / 2 = 1 / 8입니다. TTH와 HHT의 경우 각각 1 / 2xx1 / 2xx1 / 2 = 1 / 8이기도하지만 3 가지 방법으로 각 결과를 얻을 수 있기 때문에 결국 3xx1 / 8 = 3 / 8이됩니다. 이 결과를 요약하면 1 / 8 + 3 / 8 + 3 / 8 + 1 / 8 = 1이됩니다. 이는 이제 동전 던지기의 가능한 결과가 모두 있음을 의미합니다. 내가 H를 p로 설정하고 따라서 T가 ~ p이고 또한 파스칼의 삼각형 (1,3,3,1)에서 선이 있음을 확인하면 다음과 같은 형식을 설정합니다 : sum_ 이 예제에서, 우리는 다음을 얻는다 : = C_ (3,0) (1/2) = C_ (n, k) ^ 0 (1/2) ^ 3 + C_ (3,1) (1/2) ^ 1 (1/2) ^ 2 + C_ (3,2) (1/2) ^ 2 1 + C_ (3,3) (1/2) ^ 3 (1/2) 자세히보기 »

주제의 이름은 분산이 "가변성의 측정"임을 나타 내기 때문에 분산은 가변성의 척도입니다. 즉, 데이터 집합에 대해 "더 높은 분산, 더 많은 다른 데이터"를 말할 수 있습니다. 예제 작은 차이가있는 데이터 집합입니다. A = {1,3,3,3,3,4} bar (x) = (1 + 3 + 3 + 3 + 3 + 4) / 6 = 18 / 6 = 3 시그마 2 = 1 / 6 * (2-3) ^ 2 + 4 * (3-3) ^ 2 + (4-3) ^ 2) 시그마 ^ 2 = 1 / 6 * (1 + 1) 시그마 ^ 2 = 큰 차이가 있습니다. B = {2,4,2,4,2,4} bar (x) = (2 + 4 + 2 + 4 + 2 + 4) / 6 = 18 / 6 = 3 시그마 2 = 1 / 6 * 시그마 ^ 2 = 1 / 6 * (3 * 1 + 3 * 1) 시그마 ^ 2 = 1 / 6 * (6) 시그마 ^ 3 = (2-3) ^ 2 + 3 * 2 = 1 세트 A에는 평균 이외의 숫자가 2 개 뿐이지 차이는 1입니다. 분산은 작습니다.집합 B에는 평균과 같은 요소가 없으므로이 사실은 분산을 더 크게 만듭니다. 자세히보기 »

명목 수준 - 다른 범주의 데이터에만 레이블을 지정합니다. 예 : 남성 또는 여성 서수 수준 - 데이터 정렬 및 정렬은 가능하지만 차이점은 없습니다 (예 : 순위 1, 2 및 3). 간격 레벨 - 데이터를 정렬 할 수있을뿐 아니라 차이를 가져올 수 있지만 곱셈 / 나눗셈은 불가능합니다. 예 : 2011 년, 2012 년 등 다른 연도로 분류 비율 비율 - 주문, 차이 및 곱셈 / 나눗셈 - 모든 작업이 가능합니다. 예 : 연령 (년), 온도 (°) 등. 이산 변수 - 변수는 포인트 값과 중간 값만 가져올 수 있습니다. 예 : 버스에있는 사람 수. 연속 변수 - 변수는 간격 내에서 값을 취할 수 있습니다 (예 : 사람의 키). 자세히보기 »

(32/52) 카드 덱에서 카드의 절반은 붉은 색으로 (26), 우리는 잭 4 개, 퀸 4 개, 왕 4 개를 가지고 있습니다. 그러나 그림 카드 중 2 개의 잭, 2 개의 퀸, 2 개의 킹은 빨간색입니다. 우리가 찾고자하는 것은 "레드 카드 또는 그림 카드를 그릴 확률"입니다. 우리의 관련 확률은 레드 카드 또는 그림 카드를 그리는 것입니다. P (A) = P (A) + P (B) -P (A nn) B (그림 또는 적색) = P (적색) + P (그림) -P (적색 및 그림) P (그림 또는 적색) = (26/52) + (12/52) - (6) / 52) P (그림 또는 적색) = (32/52) 자세히보기 »

약 61.5 % 랩톱에 결함이있을 확률은 (6/22)입니다. 랩톱에 결함이없는 확률은 (16/22)입니다. 하나 이상의 랩톱에 결함이있을 확률은 다음과 같습니다. P (1 defective) + P (2 불량) + P (3 불량). X는 결함이있는 것으로 판명 된 랩톱의 수입니다. P (X = 1) = (3 선택 1) (6/22) ^ 1 회 (16/22) ^ 2 = 0.43275 P (X = 2) = (3 선택 2) (6/22) ^ 2 번 (3/6 선택) ^ 1 = 0.16228 P (X = 3) = (3/3 선택) (6/22) ^ 3 = 0.02028 (모든 확률을 합산) = 0.61531 약 0.615 자세히보기 »

문자 "bi"는 2를 의미합니다. 그래서, bimodal 분포는 두 가지 모드를 가지고 있습니다. 예를 들어, {1,2,3,3,3,5,8,12,12,12,12,18}은 별개의 모드로 3과 12 모두에서 bimodal입니다. 모드가 동일한 주파수를 가질 필요는 없습니다. 희망을 도왔습니다. 출처 : http://www.fao.org/wairdocs/ilri/x5469e/x5469e0e.htm 자세히보기 »

바이 모달 (bimodal) 그래프는 바이 모드 (bimodal) 분포를 보여주는데,이 자체는 두 가지 모드를 갖는 연속 확률 분포로 정의됩니다. 일반적으로,이 분포의 확률 밀도 함수의 그래프는 "2 고비 (humped)"분포와 유사합니다. 즉, 정규 분포 또는 벨 커브에있는 단일 피크가 아니라 그래프에 두 개의 피크가 있습니다. 바이 모달 분포는 정규 분포보다 덜 일반적이지만 여전히 자연에서 발생합니다. 예를 들어, 호 지킨 림프종 (Hodgkin 's Lymphoma)은 다른 연령의 사람들보다 특정 두 연령대에서 더 자주 발생하는 질병입니다. 즉, 15-35 세 젊은 성인과 55 세 이상 성인 성인에서, 무작위 변수 Z (여기서는 호 지킨 림프종의 환자 연령으로 정의)에 대해 확률 밀도 함수는 두 가지 모드를 소유합니다 ( 또는 "혹"); 하나는 15-35 세이고 다른 하나는 55 세 이후. 자세히보기 »

카이 제곱 분포는 가장 일반적으로 사용되는 분포 중 하나이며 카이 제곱 통계의 분포입니다. 카이 제곱 분포는 가장 일반적으로 사용되는 분포 중 하나입니다. 그것은 제곱 된 표준 정규 편차의 합계의 분포입니다. 분포의 평균은 자유도와 같으며 카이 제곱 분포의 분산은 자유도로 곱한 2입니다. 이것은 관찰 된 값과 기대 값을 비교하는 카이 스퀘어 테스트를 수행 할 때와 카이 제곱 테스트를 수행하여 두 카테고리의 차이를 테스트 할 때 사용되는 분포입니다. 카이 제곱 분포에 대한 중요한 값은 여기에서 찾을 수 있습니다. 도움이 될 수있는 관련 소크라테스 대답은 표준 정규 분포와 카이 제곱 분포 사이의 관계에 관한 것입니다. 더 자세한 내용은 여기를 참조하십시오. 자세히보기 »

동일한 인구의 두 개 이상의 그룹의 범주 형 데이터간에 중대한 관계가있는 경우 독립 테스트를위한 카이 제곱 검정 테스트. 동일한 인구의 두 개 이상의 그룹의 범주 형 데이터간에 중대한 관계가있는 경우 독립 테스트를위한 카이 제곱 검정 테스트. 이 검사에 대한 귀무 가설은 관계가 없다는 것이다. 통계에서 가장 일반적으로 사용되는 테스트 중 하나입니다. 이 테스트를 사용하려면 관측치가 독립적이어야하며 예상 값은 5보다 커야합니다. 손으로 카이 제곱을 계산하는 방정식은 다음과 같습니다. 예를 들어, 카이 제곱을 계산하면 자유도를 결정합니다 (한 변수의 레벨 수에서 1을 뺀 값에 다른 변수의 레벨 수를 뺀 값). ). 그런 다음 계산 된 값이 표의 값보다 큰지 확인하려면 카이 제곱 분포표를 참조하십시오. 표보다 높으면 귀무 가설을 기각합니다. 자세한 내용은이 링크를 확인하십시오. 자세히보기 »

아래 참조 : 조합은 그룹화 순서에 관계없이 별개의 개체를 그룹화 한 것입니다. 예를 들어, 포커 핸드는 조합입니다. 카드를 처리 할 때 어떤 순서로든 신경 쓰지 않고, 오직 로얄 플러시 (또는 3 장의 세트)를 들고 있습니다. 조합을 찾는 수식은 다음과 같습니다. n = "population", k = "(n!) (n!) (n! (52,5) = (52!) / ((5)! (52-5)!) = (52!) / ((예를 들어, 5!) (47!)) 그것을 평가합시다! (49!)) = 52xx51xx10xx49xx2 = 2,598,960 (52xx51xx 캔슬 컬러 (오렌지) (50) ^ 10xx49xx 캔 셀 컬러 (빨강) 48 ^ 2xx 캔셀 컬러 (갈색) (47!)) / (캔슬 컬러 (오렌지) 5xxcancelcolor (빨강) (4xx3xx2) xx 캔셀 컬러 자세히보기 »

F- 테스트. F- 테스트는 인구 분산 평등을 테스트하기 위해 고안된 통계 테스트 메커니즘입니다. 분산의 비율을 비교하여이를 수행합니다. 따라서 차이가 동일하면 분산의 비율은 1이됩니다. 모든 가설 테스트는 귀무 가설이 사실이라는 가정하에 수행됩니다. 자세히보기 »

아래를 참조하십시오. 범주 형 변수는 범주 또는 유형입니다. 예를 들어 머리 색은 범주 형 값이거나 고향은 범주 형 변수입니다. 종, 치료 유형 및 성별은 모두 범주 형 변수입니다. 수치 변수는 수치 또는 수치가있는 변수입니다. 예를 들어, 인치로 측정 한 총 강수량은 수치이며, 심박수는 수치이며, 시간에 소비 된 치즈 버거의 수는 수치입니다. 범주 형 변수는 통계 목적으로 숫자로 표현 될 수 있지만이 숫자는 숫자 값과 같은 의미는 아닙니다. 예를 들어, 질병에 대한 세 가지 다른 약물의 효과를 연구하고 있다면, 세 가지 다른 약, 약 1, 약 2 및 약 3을 지명 할 수 있습니다. 그러나 약 3은 약보다 크지도 강하지도, 빠르지도 않습니다 하나. 이 숫자는 의미가 없습니다. 자세히보기 »

일원 분산 분석 (one-way ANOVA)은 두 개 이상의 조건을 가진 하나의 독립 변수가있는 ANOVA입니다. 두 개 이상의 독립 변수의 경우 양방향 ANOVA를 사용합니다. 일원 분산 분석 (one-way ANOVA)은 두 개 이상의 조건을 가진 하나의 독립 변수가있는 ANOVA입니다. 이것은 두 가지 독립적 인 변수가 있고 각 변수에 여러 조건이있는 양방향 ANOVA와는 대조적입니다. 예를 들어 심박수에 커피 브랜드가 미치는 영향을 확인하려면 일원 분산 분석을 사용합니다. 귀하의 독립 변수는 커피 브랜드입니다. 커피 브랜드와 자기보고 된 불안 수준이 심박동에 미치는 영향을 확인하려면 양방향 ANOVA를 사용하십시오. 두 가지 독립 변수는 1) 커피 브랜드와 2) 자기보고 된 불안 수준입니다. 자세히보기 »

사건의 개념은 확률 이론에서 매우 중요합니다. 실제로, 그것은 기하학이나 대수학의 방정식과 같은 기본 개념 중 하나입니다. 무엇보다도, 우리는 무작위 실험 - 특정 결과를 가진 신체적 또는 정신적 행위 -를 고려합니다. 예를 들어, 지갑에서 돈을 계산하거나 내일의 주식 시장 지수를 예측할 수 있습니다. 두 가지 경우와 다른 많은 경우 무작위 실험은 일정한 결과 (정확한 금액, 정확한 주식 시장 지수 값 등)를 산출합니다. 이러한 개별 결과를 기본 이벤트라고하며 특정 임의의 실험과 관련된 모든 기본 이벤트가 함께 이 실험의 샘플 공간. 보다 엄격하게 말하면 임의의 실험의 샘플 공간은 SET이고 모든 개별 기본 이벤트 (즉,이 실험의 개별 결과)는이 세트의 요소입니다. 이제 우리는 지갑에 정확한 금액과 같은 개별 초등 이벤트뿐만 아니라 그러한 기본 이벤트의 조합을 고려할 수 있습니다. 예를 들어, 돈 계산 실험의 결과를 5 달러 미만으로 간주 할 수 있습니다. 이것은 기본 이벤트 $ 0, $ 1, $ 2, $ 3 및 $ 4로 구성된 결합 된 이벤트입니다. 이 기본 이벤트와 다른 조합을 임의 이벤트라고합니다. SET 용어를 사용하면 임의의 이벤트는 모든 기본 이벤트 세트의 서브 세트 (즉, 샘플 공간의 서브 세트)입 자세히보기 »

이는 모든 숫자가 전체 표본 크기의 분수 또는 백분율로 표시되는 도수 분포입니다. 실제로는 더 이상 존재하지 않습니다. 모든 빈도 수를 합산하여 총계 = 표본 크기를 얻습니다. 그런 다음 모든 빈도 수를 표본 크기로 나누어 상대 빈도를 구합니다. 이 분수에 100을 곱하여 백분율을 얻습니다. 빈 칸 번호 뒤에 별도의 열에이 백분율 (또는 분수)을 삽입 할 수 있습니다. 누적 빈도 테스트 점수 (1-10 점 척도)와 같이 값을 주문한 경우 누적 빈도를 사용할 수 있습니다. 그것들은 "이 값을 포함하여 모든 것"을 의미합니다. 점수를 가져 가자. "1"뒤에있는 행에서 주파수 번호를 입력하고 "2"뒤에 "1"및 "2"에 대한 숫자를 추가합니다. 검사! 마지막 숫자는 표본 크기와 같아야합니다! 이 칼럼을 마치면 다음과 같은 질문에 쉽게 답할 수 있습니다 : 몇 명의 학생이 실패 했습니까 (점수 <6 점)? 누적 상대 주파수 빈도에서 상대 빈도로 변환 할 수 있습니다. 이제는 어떤 값을 포함하여 몇 퍼센트 (또는 어떤 부분)를 얻었는지를 나타내는 열이 있습니다. 이제 통계를 쉽게 볼 수 있습니다! 누적 상대 빈도가 50 % ( 자세히보기 »

표본 공분산은 표본에서 변수가 서로 얼마나 다른지를 측정 한 것입니다. 공분산은 두 변수가 선형 눈금에서 어떻게 서로 관련되는지 알려줍니다. 예를 들어 공분산이 0보다 큰 경우 X가 증가하면 Y가 증가 함을 의미합니다. 통계의 표본은 더 큰 인구 또는 그룹의 하위 집합입니다. 예를 들어, 해당 국가의 모든 초등학교의 데이터를 수집하는 대신 초등학교 1 개를 샘플로 가져올 수 있습니다. 따라서 샘플 공분산은 단순히 샘플 내에서 발견되는 공분산입니다. 표본 공분산의 공식은 여기에서 찾을 수 있습니다. 자세히보기 »

단일 모드 분포는 하나의 모드를 갖는 분포입니다. 단일 모드 분포는 하나의 모드를 갖는 분포입니다. 우리는 데이터에서 하나의 분명한 피크를 봅니다. 아래 이미지는 단일 분포를 보여줍니다. 반대로 이분법 분포는 다음과 같습니다. 첫 번째 이미지에서 하나의 피크를 봅니다. 두 번째 이미지에서 두 개의 피크가 있음을 알 수 있습니다. 단봉 분포는 정상적으로 분포 될 수 있지만 반드시 그런 것은 아닙니다. 자세히보기 »

크게 두 가지 유형의 데이터 세트가 있습니다 - 범주 형 또는 질적 - 양적 또는 양적 범주 형 데이터 또는 비 수치 형 데이터 - 변수가 범주의 형식으로 관측 값을 가지면 더 나아가 두 가지 유형을 가질 수 있습니다. 명목 b. 서수 a. 명목상의 데이터에는 명명 된 카테고리가 있습니다. 혼인 상태는 미혼, 결혼, 이혼 / 별거, 미망인 b. 관할 자료는 또한 명명 된 범주를 취할 것이지만 범주는 순위를 가질 것입니다. 예 : 병원을 기반으로 한 감염자를 입양 할 위험은 수치가 높은 값, 중간 값 및 낮은 수치 데이터와 같은 범주로 설정된 서수 데이터를가집니다. 다시 두 가지 유형이있을 수 있습니다. 이산 b. 연속 a. 이산 데이터는 셀 수 있고 전체 수에 속하는 별개의 값 집합을가집니다. 수업에 등록한 학생 수. 이 변수는 0에서 100까지의 값을 취할 수 있지만 계수 가능한 수입니다. 반면에, b. 연속적인 데이터는 범위를 정의했으며 관찰 값은 해당 간격 내에서 어떤 값을 취할 수 있습니다. 이 경우 값은 주어진 간격 내에서 실수의 집합에 속합니다. 예 : 클래스의 학생들의 높이. 이 변수는 2.5ft에서 4ft 사이의 값을 취할 수 있습니다. 자세히보기 »

피어슨의 카이 제곱 검정은 독립 검정 또는 적합성 검정의 검정을 의미합니다. 우리가 "Pearson 's chi-square test"를 언급 할 때, 우리는 Pearson의 카이 제곱 검정법 또는 Pearson 's chi-square 적합성 검정법의 두 가지 시험 중 하나를 언급 할 수 있습니다. 적합도 테스트 (Goodness of fit tests)는 데이터 세트의 분포가 이론적 분포와 크게 다른지 여부를 결정합니다. 데이터는 페어링되지 않아야합니다. 독립성 테스트는 두 변수에 대한 독립적이지 않은 관찰이 서로 독립적인지 여부를 결정합니다. 관측 값 기대 값 카이 제곱 공식을 사용하여 카이 제곱 통계, 자유도 및 유의 수준을 결정하고 카이 제곱 배분 표와 결과를 비교합니다. 위에 제시된 데이터의 경우 카이 제곱 검정을 사용하여 숙제에 소요되는 시간 (주당 15 시간 이상 또는 미만)이 남성과 여성간에 다른지를 결정할 수 있습니다. 두 가지 테스트 모두 unpaired, categorical 데이터를 분석하고 데이터가 nonparametric 일 때 사용됩니다. 참고 : 페어링되지 않은 경우, 귀하의 카테고리가 서로 독립적이라는 의미입니다. 이 테스트는 5보다 낮은 예상 값 자세히보기 »

꼬리 중 하나가 다른 꼬리보다 길면 분포가 왜곡됩니다. 데이터 세트를 볼 때 본질적으로 세 가지 가능성이 있습니다. 데이터 세트는 대략 대칭 적입니다. 즉, 오른쪽과 같이 중간 값의 왼쪽에 많은 용어가 있음을 의미합니다. 이것은 비뚤어진 분포가 아닙니다. 데이터 세트에는 음의 기울기가 있습니다. 즉, 중앙값의 음수쪽에 꼬리가 있음을 의미합니다. 이것은 많은 긍정적 인 용어가 있기 때문에 오른쪽으로 큰 스파이크로 나타납니다. 이것은 비뚤어진 분포입니다. 데이터 세트에는 중앙값의 양수쪽에 꼬리가있는 양의 기울임이 있습니다. 이것은 더 많은 부정적인 용어가 있음을 의미합니다. 자세히보기 »

평균 = 9.22 중앙값 = 9 모드 = 10 범위 = 2 평균 (평균) x 탈리 표시 빈도 10 |||| 4 9 ||| 3 8 || 2 Total fx = (10xx4) + (9xx3) + (8xx2) = 40 + 27 + 16 = 83 총 주파수 = 4 + 3 + 2 = 9bar x = (83) / 9 = 9.22 감안할 때 - 10,10,9,9,10,8,9,10 및 8 오름차순으로 정렬 8, 8, 9, 9, 9, 10, 10, 10, 10 중앙값 = ((n + 1) / 2) th 항목 = (9 + 1) / 2 = 5 항목 = 9 Mode = 더 많은 횟수로 발생하는 항목 mode = 10 범위 = 최대 값 - 최소값 범위 = (10-8) 범위 = 2 자세히보기 »

P (0 <Z <0.94) = 0.8264-0.5 P를 갖는 표로부터 P (0 <Z <0.94) = 0.3264 P (0 <Z <0.94) = P (Z <0.94) 0 <Z <0.94) = 0.3264 자세히보기 »

"이벤트 B가 발생했을 때 이벤트 A의 확률을 의미합니다." "Pr (A | B)는 조건부 확률입니다." "이것은 B가 발생하는 상황에서 사건 A가 일어날 확률을 의미합니다." "예 :"A = 주사위로 3 개의 눈을 던짐 "B = 주사위로 4 개 미만의 눈을 던짐" "Pr (A) = 1/6" "Pr (A | B) = 1/3 우리는 단지 1,2, 또는 3 개의 눈이 가능하다는 것을 압니다) " 자세히보기 »

독립성에 대한 카이 제곱 검정은 우리가 2 개 이상의 속성이 연관되어 있는지 아닌지를 찾는데 도움이됩니다. 여부를 체스는 아이의 수학을 향상시키는 데 도움이됩니다. 이것은 속성 간의 관계의 정도를 측정하는 것이 아닙니다. 관계 유형에 관한 가정을 언급하지 않고 두 가지 분류 원칙이 유의미한 관련이 있는지 여부 만 알려줍니다.chi square test of homogeneity는 chi square test of independence의 연장입니다. 동질성 테스트는 2 개 이상의 독립 무작위 샘플이 동일한 모집단에서 또는 다른 모집단에서 추출되었는지 여부를 결정하는 데 유용합니다. 우리가 독립 문제와 함께 사용하는 것과 같이 하나의 표본 대신에 여기에 2 개 이상의 표본이 있습니다. 두 유형의 테스트는 상호 분류 된 데이터와 관련이 있습니다. 두 가지 모두 동일한 테스트 통계를 사용합니다. 그러나 그들은 서로 다릅니다. 독립성 테스트는 하나의 속성이 다른 속성과 독립적이며 인구 집단의 단일 샘플을 포함하는지 여부와 관련됩니다. 반면에, 동질성 시험은 다른 표본이 동일한 집단에서 왔는지 여부를 시험합니다. 여기에는 2 개 이상의 독립적 인 표본 - 각 집단의 표본 하나 -이 포함됩니다. 자세히보기 »

공분산 행렬은 간단한 상관 행렬의 좀 더 일반화 된 형식입니다. 상관 관계는 공분산의 스케일 된 버전입니다. 두 매개 변수는 항상 같은 부호 (양수, 음수 또는 0)를 갖습니다. 부호가 양수이면 변수는 양의 상관 관계가 있다고합니다. 부호가 음수 일 때, 변수는 음의 상관 관계가 있다고합니다. 부호가 0 일 때 변수는 상관되지 않는다고합니다. 또한 분자와 분모는 동일한 물리적 단위, 즉 X와 Y의 단위의 곱을 가지므로 상관 관계는 무 차원 임에 유의하십시오. Best Linear Predictor X가 RR ^ m의 임의 벡터이고 Y가 임의 벡터입니다 RR ^ n에. 우리는 a + bX 형태의 X의 함수를 찾는 것에 관심이있다. 여기서 a는 RR ^ n에서, RR ^ {nxxm}에서 b는 평균 제곱의 의미에서 Y에 가장 가깝다. 이 형식의 함수는 단일 변수의 경우 선형 함수와 유사합니다. 그러나 a = 0이 아니라면 그러한 함수는 선형 대수의 의미에서 선형 변환이 아니므로 올바른 용어는 X의 어파 인 함수입니다.이 문제는 예측 벡터가 관찰 가능한 임의 벡터 X가 통계적으로 중요 할 때 통계적으로 중요합니다. 무작위 벡터 Y가 아니라 응답 벡터. 여기서 우리의 논의는 X와 Y가 확률 변수 일 때의 1 차원 경우를 자세히보기 »

이산 확률 변수는 유한 수의 가능한 값을가집니다. 연속 확률 변수는 임의의 값 (일반적으로 특정 범위 내)을 가질 수 있습니다. 이산 확률 변수는 일반적으로 합리적인 비율 일지 모르지만 정수입니다. 이산 무작위 변수의 예로 : 표준 6면 다이를 굴려 얻은 값은 가능한 값만 갖는 이산 확률 변수입니다 : 1, 2, 3, 4, 5 및 6. 이산 무작위 변수 : 파란 트럭 인 내 창을 통과하는 다음 100 대의 차량의 비율 또한 이산 무작위 변수 (0.00 (없음)에서 1.00 (모두)까지 101 개의 가능한 값을 가짐) 임의의 연속 변수는 값은 고정 된 수의 값이 아닙니다. 연속 변수의 실제 값은 종종 측정의 정확성의 문제입니다. 연속 무작위 변수의 예 : 바닥은 멈추기 전에 여행 할 것입니다. 자세히보기 »

불 연속적이거나 연속적이라는 것을 아는 한 가지 방법은 불연속의 경우 한 점에 질량이 있고 한 점에 질량이 없다는 것입니다. 이것은 그래프를 관찰 할 때 더 잘 이해됩니다. Discrete를 먼저 살펴 보겠습니다. 질량이 어떻게 포인트에 앉아 있는지 pmf 고지를 살펴보십시오. 이제 값이 어떻게 단계적으로 올라가고 선이 연속적이지 않은지 cdf 통지를 살펴 보겠습니다. 이것은 또한 pmf에있는 지점에 질량이있는 방법을 보여줍니다. 이제 우리는 Continuous case에서 질량이 한 지점에 어떻게 놓여 있지 않은지, 두 지점 사이에 어떻게 흩어져 있는지를 확인하십시오. 이제 cdf를 보면 cdf에서 함수가 연속적이라는 것을 볼 수 있습니다.이 경우에는 단계적으로 진행되지 않습니다. 나는 위키 피 디아의 이러한 이미지를 뽑아 냈습니다. 따라서 페이지에 대한 참조가 있습니다. 여기에서 주제에 대해 좀 더 읽을 수도 있습니다. 불연속 균일 분포 연속 균일 분포 자세히보기 »

참조 편차 모집단 분산 = (합 (x-barx) ^ 2) / N - x는 관측 값이다. barx는 계열의 평균이다. N은 모집단의 크기이다. Sample Variance = (sum (x-barx) ^ 2) / (n-1) 여기서, - x는 관측치 barx는 시리즈의 평균입니다. n-1은 자유도입니다 (n은 샘플의 크기 임). 자세히보기 »

실제로 세 가지 주요 유형의 데이터가 있습니다. 정 성적 또는 범주 형 데이터는 논리적 순서가 없으며 숫자 값으로 변환 할 수 없습니다. 눈 색깔은 '갈색'이 '파란색'보다 높거나 낮지 않기 때문에 한 가지 예입니다. 양적 또는 수치 데이터는 숫자이며, 따라서 그들은 명령을 부과합니다. 나이, 신장, 체중이 그 예입니다. 그러나 그것을보십시오! 모든 수치 데이터가 정량적 인 것은 아닙니다. 예외의 한 예로 신용 카드의 보안 코드가 있습니다. 두 카드 사이에 논리적 인 순서가 없습니다. 클래스 데이터는 세 번째 유형으로 간주됩니다. 양적 데이터와 같이 연속적이지는 않지만 주문할 수 있습니다. 가장 잘 알려진 예는 테스트를위한 문자 등급입니다. 사용 : 정량적 데이터는 세 가지 중심 측정 (평균, 중간 및 모드) 및 모든 확산 측정과 함께 사용할 수 있습니다. 클래스 데이터는 중앙값 및 모드와 함께 사용할 수 있습니다. 정 성적 데이터는 모드에서만 사용할 수 있습니다. 자세히보기 »

아래를보십시오 : 숫자 1, 2, 3, 4, 5를 봅시다. 평균은 값을 카운트로 나눈 합계입니다 : 15 / 5 = 3 중간 값은 오름차순 (또는 내림차순! ) 주문은 3입니다. 따라서이 경우 그들은 동일합니다. 평균과 중간 값은 데이터 세트의 여러 변경 사항에 대해 다르게 반응합니다. 예를 들어, 5를 15로 변경하면 평균은 분명히 변경되지만 (25 / 5 = 5), 중간 값은 3으로 동일하게 유지됩니다. 값의 합이 15이지만 중간 기간 변화가 생기면 중앙값은 움직이지만 평균값은 그대로 유지됩니다 : 평균은 3이지만 평균값은 2입니다. 이것은 큰 데이터 세트를 다룰 때 중심의 다른 측정 값이 데이터를보다 잘 설명하는 데 사용됩니다. 자세히보기 »

중앙값은 39입니다. 평균값 : 39 7/12 숫자의 평균은 모든 숫자를 그 수량으로 나눈 값의 합입니다. 이 경우 평균은 다음과 같습니다. bar (x) = 475 / 12 = 39 7/12 점차적으로 정렬 된 숫자 집합의 중앙값은 홀수 숫자를 가진 집합의 "중간"숫자 2 "중간"숫자의 평균 짝수 수량의 집합에 대해서. 우리가 중간 값을 계산할 수 있도록 주어진 세트가 이미 주문되었습니다. 주어진 집합에는 12 개의 숫자가 있으므로 요소 번호 6과 7을 찾아 평균을 구해야합니다. Med = (35 + 43) / 2 = 78 / 2 = 39 자세히보기 »

VAR.S> VAR.P VAR.S 주어진 데이터가 샘플이라고 가정하고 분산을 계산합니다. VAR.P는 주어진 데이터가 모집단이라고 가정하고 분산을 계산합니다. (N-1) VAR.P = frac { sum (x - bar {x}) ^ 2} {N} 두 데이터 모두 동일한 데이터를 사용하기 때문에 VAR.S는 항상 VAR.P보다 높은 값을 제공합니다. 하지만 주어진 데이터가 실제로 샘플 데이터이기 때문에 VAR.S를 사용해야합니다. 편집 : 두 수식이 다른 이유는 무엇입니까? Bessel 's Correction을 확인하십시오. 자세히보기 »

E (x) = 1.52 + .5y 시그마 (x) = sqrt (3.79136 + .125y ^ 2) 이산 경우의 x의 기대 값은 다음과 같다. (x = 1) = 1 여기에 주어진 분포는 1이 아니므로 다른 값이 있다고 가정하고 p (x = y) = .5와 표준 편차 sigma (x) = sqrt (sum (xE (x (x) = 0 * .16 + 1 * .04 + 2 * .24 + 5 * .2 + y * .5 = 1.52 + .5y 시그마 (x) = sqrt ((0) -0 * .16) ^ 2 .16 + (1-1 * .04) ^ 2 .04+ (2-2 * .24) ^ 2 .24 + (5-5 * .2) ^ 2 * .2 σ (x) = sqrt ((.96) ^ 2 .04+ (1.52) ^ 2 .24 + (5-5 * .2) ^ 2 * .2 + (.5y) ^ 2 .5) 시그마 (x) = sqrt (3.79136 + .125y ^ 2) 자세히보기 »

Q_1 = 15 TI-84 계산기가있는 경우 : 다음 단계를 따르십시오. 먼저 번호를 순서대로 입력하십시오. 그런 다음 통계 버튼을 누릅니다. 그런 다음 "1 : 편집"을 선택하고 순서대로 값을 입력하십시오. 다시이 버튼을 누르고 "CALC"로 이동하여 "1 : 1-Var Stats"를 누르면 계산이 실행됩니다. 그런 다음 Q_1이 보일 때까지 아래로 스크롤합니다. 그 값은 당신의 대답입니다 :) 자세히보기 »

아래를보십시오 :) 먼저 Q_1과 Q_3의 값을 결정하십시오. 이 값을 찾으면 빼기 : Q_3-Q_1 이것은 사 분위수 범위라고합니다. 이제 결과에 1.5 (Q_3-Q_1) xx 1.5 = R R = "your result"를 곱합니다. 결과 (Q_3 R + Q_3)를 더하고 Q_1 - R을 뺍니다. 이 범위 밖의 숫자는 이상 치를 고려합니다. 더 이상의 설명이 필요하면 물어보십시오! 자세히보기 »

"81과 4의 GM은 정의상"sqrt (81xx4) = 18 "입니다. 자세히보기 »

범위는 0.532입니다. 일련의 숫자 범위를 찾으려면 가장 작은 값과 가장 큰 값의 차이를 찾으십시오. 먼저, 숫자를 가장 작음에서 가장 큰 순서로 재 배열하십시오. 0.118, 0.167, 0.321, 0.427, 0.541, 0.65 위와 같이 가장 작은 숫자는 0.118이고 가장 큰 숫자는 0.65입니다. 차이점을 찾아야하기 때문에 다음 단계는 가장 큰 값에서 작은 값을 뺍니다. 0.65 - 0.118 = 0.532 따라서, 범위는 0.532 자세히보기 »

고조파 평균은 다음 공식으로 표시되는 평균 유형입니다. H = n / (1 / x_1 + 1 / x ^ 2 ... + 1 / x_n). 고조파 평균은 속도 속도와 같은 단위 또는 속도의 평균을 계산할 때 사용되는 특정 유형의 평균입니다. 그것은 산술 평균과 다르며 항상 낮습니다. 공식은 다음과 같습니다. H = n / (1 / x_1 + 1 / x ^ 2 ... + 1 / x_n) n은 데이터 세트의 용어 수를 나타냅니다. x_1은 집합의 첫 번째 값을 나타냅니다. 예를 들어 다음과 같은 문제를 생각해보십시오. 2,4,5,8,10의 조화 평균은 무엇입니까? H = 5 / (1 / 2 + 1 / 4 + 1 / 5 + 1 / 8 + 1 / 10) H = 5 / (1.175) H = 4.255 자세히보기 »

141 표준 점수를 구하기 위해 표준 편차를 더할 수 없습니다. (X = 수학 점수, Y = 언어 점수 인 경우 E (X) = 720 및 SD (X) = 100 E (Y) = 640 및 SD 종합 점수에 대한 편차; 그러나 차이를 추가 할 수 있습니다. 분산은 표준 편차의 제곱입니다. = 100 ^ 2 + 100 ^ 2 = 20000var (X + Y) = 20000, 그러나 var (X + Y) = var (X) + var (Y) = SD ^ 2 (X) + SD ^ 2 표준 편차를 원하기 때문에 단순히이 수의 제곱근을 취하십시오. SD (X + Y) = sqrt (var (X + Y)) = sqrt20000 ~ ~ 141 따라서 수업 중 학생의 종합 점수의 표준 편차는 141입니다. 자세히보기 »

먼저 두 개의 목록에 데이터를 입력하십시오. 나는 괄호를 사용하여 계산기의 버튼을 나타내며 ALL CAPS는 사용할 기능을 나타냅니다. X와 Y를 점의 집합에 해당하는 두 변수로 보자. [STAT]를 누른 다음 EDIT를 선택하거나 [ENTER]를 누릅니다. 그러면 데이터를 입력 할 목록이 열립니다. 목록 1에 X 값을 모두 하나씩 입력하십시오. 값을 입력하고 [ENTER] 키를 누르면 다음 줄로 이동합니다. 이제 Y에 대한 모든 값을 같은 방법으로 목록 2에 입력하십시오. 이제 [STAT]를 다시 누릅니다. 화살표 키를 사용하여 CALC 기능 목록으로 이동하십시오. 통계 계산입니다. LinReg (ax + b)라고 표시된 항목 [4]을 선택하십시오. 즉, 이것은 TI-83의 선형 회귀 함수입니다. 다음 화면에서 [2nd] [1] [,] [2nd] [2]를 입력하십시오. 콤마 버튼이 필요합니다. 이것은 회귀에 사용할 목록을 계산기에 알려줍니다. [2nd] [1]은 List 1을 의미합니다. 그런 다음 [ENTER]를 누릅니다. 자세히보기 »

기술 통계는 정보 수집의 주요 특징 또는 정량적 설명 자체를 정량적으로 기술하는 규율입니다. 설명적인 통계는 매우 중요합니다. 왜냐하면 우리가 단순히 원시 데이터를 제시했다면, 특히 많은 데이터가있는 경우 데이터가 보여 주었던 것을 시각화하기가 어려웠 기 때문입니다. 따라서 기술 통계는보다 의미있는 방식으로 데이터를 제시 할 수있게 해 주므로 데이터를보다 쉽게 해석 할 수 있습니다. 예를 들어 100 개의 학생들이 공부 한 결과가 있다면 우리는 그 학생들의 전반적인 성과에 관심이있을 것입니다. 우리는 상표의 배포 또는 확산에도 관심을 가질 것입니다. 기술 통계는 우리가 이것을 가능하게합니다. 통계 및 그래프를 통해 데이터를 올바르게 설명하는 방법은 중요한 주제이며 다른 Laerd 통계 안내서에서 논의됩니다. 일반적으로 데이터를 설명하는 데 사용되는 두 가지 일반 유형의 통계가 있습니다. 중심 경향 측정 : 데이터 그룹에 대한 빈도 분포의 중심 위치를 설명하는 방법입니다. 이 경우 빈도 분포는 100 명의 학생들이 가장 낮은 점수에서 가장 높은 점수까지 점수를 매기는 방식입니다. 확산의 측정 방법 : 점수의 분포를 설명하여 데이터 그룹을 요약하는 방법입니다. 예를 들어, 100 명의 학생들의 평균 점수는 100 자세히보기 »

IQR = 16 "오름차순으로 정렬"71color (흰색) (x) 72color (흰색) (x) color (마젠타) (73) color (흰색) (x) 82color (흰색) (x) 85color ) 86 (x) 86color (흰색) (x) color (마젠타) (89) color (흰색) (x) 91color (흰색) (x) 92 (Q_1) = 색상 (마젠타 색) (73) "(Q_2) = (85 + 86) /2=85.5"보다 낮은 4 분위 "색상 IQR = Q_3-Q_1 색 (흰색) (사 분위 범위 xxxxxx) = 89-73 색 (흰색) (사 분위수 (사 분위수) rangexxxxx) = 16 자세히보기 »

IQR = 19 (또는 17, 설명 끝의 주를 참조하십시오.) 사 분위 범위 (IQR)는 3 차 사 분위 값 (Q3)과 값 세트의 1 사분 값 (Q1) 간의 차이입니다. 이를 찾으려면 먼저 데이터를 오름차순으로 정렬해야합니다. 55, 58, 59, 62, 67, 67, 72, 75, 76, 79, 80, 80, 85 이제 목록의 중간 값을 결정합니다. 중앙값은 일반적으로 숫자가 오름차순으로 정렬 된 값 목록의 "중심"으로 알려져 있습니다. 홀수 개의 항목이있는 목록의 경우 동일한 수의 항목이 작거나 같고 크거나 같은 단일 값이 있으므로 쉽게 수행 할 수 있습니다. 정렬 된 목록에서 값 72는 정확히 6보다 작고 6보다 큰 값을가집니다. color (blue) (55, 58, 59, 62, 67, 67) color (red) (72 , 색상 (초록색) (75, 76, 79, 80, 80, 85) 중앙값 (제 2 사분기 [Q2]라고도 함)을 얻으면 Q1의 중간 값 중앙값보다 낮은 값과 큰 값의 목록. Q1의 경우, 위의 파란색으로 표시된 목록은 55, 58, 59, 62, 67 및 67입니다.이 목록에는 짝수 개의 항목이 있으므로 짝수의 항목을 선택하는 데 공통된 규칙이 있습니다. 목록은 목록에서 자세히보기 »

31/48 = 64.583333 % = 0.6453333이 문제를 해결하기위한 첫 번째 단계는 총 어린이 수를 계산하는 것이므로 얼마나 많은 어린이가 유럽에 얼마나 많은 자녀를두고 있는지 파악할 수 있습니다. 124 / t와 같이 보일 것입니다. 여기서 t는 아이들의 총량을 나타냅니다. t가 무엇인지 알아 내기 위해 우리는 조사 된 모든 아이들의 합계를 구하기 때문에 68 + 124를 찾습니다. 68 + 124 = 192 따라서, 192 = t 우리의 표현은 124/192가된다. 이제 다음을 단순화하십시오 : (124- : 4) / (192- : 4) = 31 / 48 32는 소수이므로, 더 이상 단순화 할 수 없습니다. 분수를 십진수 또는 퍼센트로 변환 할 수도 있습니다. 31- : 48 = 0.64583333 0.64583333 = 64.583333 % ~ = 65 % 그래서 유럽을 여행 한 어린이를 무작위로 뽑을 확률 (P)은 31/48 = 64.583333 % = 0.6453333 자세히보기 »

X_ {x}를 취할 수있는 이산 확률 변수 X의 평균 (예상 값)을 mu_ {X} = E [X] = sum_ {i = 1} ^ {infty} 확률 P (X = x_ {i}) = p_ {i} (이들리스트는 유한 또는 무한이고 합계는 유한 또는 무한 일 수있다)를 갖는 x_ {1}, x_ {2}, x_ {3} 분산은 sigma_ {X} ^ {2} = E [(X-mu_ {X}) ^ 2] = sum_ {i = 1} ^ {infty} (x_ {i} -mu_ {X}) ^ 2 * p_ {i} 앞 단락은 분산 sigma_ {X} ^ {2}의 정의입니다. 기대 값 연산자 E의 선형성을 사용하는 다음 비트의 대수는 자주 사용하기 쉬운 대체 수식을 보여줍니다. X [2] = E [(X-mu_ {X}) ^ 2] = E [X2-2mu_ {X} X + mu_ {X} ^ {2} ] 2mu_ {X} ^ {2} = E [X ^ 2] -2mu_ {X} ^ {2} + mu_ {X} ^ {2} = E [X ^ 2] E [X ^ {2}] = sum_ {i = 1} ^ {infty} x_ {2} - E [X ^ {2}] - {i} ^ {2} * p_ {i} 자세히보기 »

수식은 이산 무작위 변수 또는 연속 무작위 변수 모두 동일합니다. 확률 변수의 유형에 관계없이 분산에 대한 공식은 Σ 2 = E (X ^ 2) - [E (X)] ^ 2입니다. 그러나, 확률 변수가 불연속이라면, 합산 과정을 사용합니다. 연속 확률 변수의 경우, 우리는 적분을 사용합니다. E (X ^ 2) = int_-infty ^ infty x ^ 2 f (x) dx. E (X) = int_-infty ^ infty x f (x) dx. 이것으로부터 우리는 대체에 의해 시그마 ^ 2를 얻습니다. 자세히보기 »

평균 E (X) = 0 및 분산 "Var"(X) = 6/5. "xx (3x ^ 2)"dx = int_-1 ^ 1 3x ^ 3 ""dx = 3 * [x ^ 4 / 4] _ ( " (x - 2) - (E (X)) ^ 2 = 3 * [x ^ 5 / 5] _ ( "("- 1, 1 ")") - 0 ^ 2 = 3/5 * (1 + 1) = 6/5 자세히보기 »

조건부 확률은 주어진 이벤트가 다른 이벤트의 결과를 알고 있다고 가정 할 확률입니다. 두 사건이 독립적이라면 다른 사건에 대한 하나의 사건의 조건부 확률은 단순히 그 사건의 전체 확률과 같습니다. 주어진 B의 확률은 P (A | B)로 표시됩니다. 예를 들어 두 개의 종속 변수를 취하십시오. A를 "무작위 미국 대통령의 이름은 조지"이고 B는 "임의의 미국 대통령의 성은 부시입니다."라고 정의하십시오. 전반적으로 44 명의 대통령이 있으며 그 중 3 명이 조지 (George)로 지명되었습니다. 44 개 중 2 개는 부시라고 명명했다. 따라서, P (A) = 3/44 및 P (B) = 2 / 44. 그러나 P (A | B) = 2/2는 Bush라는 이름의 2 명의 대통령으로 인해, 2 명은 George로 지명되었습니다. 자세히보기 »

평균 = 4 113/600 중앙값 = 3.98 모드 = 1.20 평균은 "평균"= (3.56 + 4.4 + 6.25 + 1.2 + 8.52 + 1.2) / 6 "평균"= 4의 평균입니다. 113/600 중앙값은 " 중간 숫자 "를 오름차순으로 올리면 1.20,1.20,3.56,4.40,6.25,8.52 6 개의 숫자가 있기 때문에"중간 숫자 "는 3 번째 및 4 번째 숫자"중간 값 "의 평균입니다 = (3.56+ 4.40) /2=3.98 모드는이 경우 두 번 발생하기 때문에이 경우에 1.20이 가장 많이 발생하는 번호입니다 자세히보기 »

평균은 데이터 집합의 평균이며 모드는 데이터 집합에서 발생하는 가장 빈번한 숫자이며 중앙값은 데이터 집합의 중간에있는 숫자입니다. 평균은 모든 숫자를 더하여 계산됩니다 숫자의 양에 따라 나누고 나눕니다 (6 개의 숫자). 1 + 4 + 5 + 6 + 10 + 25 = 51 51 / 6 = 8.5 rarr 이것은 세트의 모든 숫자가 모두 한 번 발생하기 때문에 의미입니다. 모드가 없습니다. 예를 들어, 세트에 여분의 4 개가 있거나 3 개의 5 개가있는 경우에는 별개의 모드가됩니다. 모든 숫자를 가장 적은 숫자부터 가장 큰 숫자 순으로 정렬하십시오. 가장 낮은 숫자를 교차 한 다음 가장 높은 숫자를 교차시킨 다음 두 번째로 낮은 숫자를, 그 다음으로 두 번째로 높은 숫자를 차례로 반복합니다. 중간 숫자는 중간 값입니다. 그러나 세트에는 6 개의 숫자가 있으므로 중간에 두 개의 숫자가 남습니다. 이 경우 두 숫자의 평균을 취하십시오. 1, 25, 4, 10을 교차시켜야합니다. 남은 두 숫자 5와 6의 평균은 5.5입니다. 평균은 8.5이며, 중간 값은 5.5입니다. 자세히보기 »

평균값은 값의 수로 나눈 값의 평균 인 "평균"입니다. (31 + 28 + 30 + 31 + 30) / 5 = 150 / 5 = 30 중앙값은 가장 낮은 값에서 가장 높은 값 (또는 가장 높은 값에서 가장 낮은 값까지 순차적으로 나열 할 수없는 값 열)의 중간 값입니다. 28,30,30,31,31 중앙값 = 30 모드는 값 그것은 가장 자주 나열됩니다. 이 경우 30과 31이 모두 두 번 나열되므로 둘 다 모드입니다. 자세히보기 »