(2) B = "จำนวนที่พบบ่อยคือหลาย 2."
เพราะการทดสอบนี้ตัวอย่างพื้นที่ 10 ซึ่งอาจก่อให้เกิดเหตุการณ์ขั้นพื้นฐานกล่าวคือ n = 10 และเหตุการณ์มีเหตุการณ์ที่สี่ขั้นพื้นฐานทั้งสองหมายเลข 1,2,3,4 หลุมใดคนหนึ่งในเหตุการณ์ที่เกิดขึ้น เกิดขึ้นแล้วคือ mA = 4 ดังนั้นP (A) = mA / n = 4/10 = 0.4
ในทำนองเดียวกันเหตุการณ์ B คือจำนวนของเหตุการณ์ที่มีอยู่ในพื้นฐาน MB = 5, กล่าวคือจำนวนหลุม 2,4,6,8,10 B กรณีใด ๆ จะเกิดขึ้นก็คือ P (B) = MB / n = 5 / 10 = 0.5
[4.2] วัวใน N, มีหัวเอ็มมีประวัติของการทำแท้งมาจากใด ๆ เหล่านี้โคนม n, พบ:
(1) ซึ่งมีประวัติศาสตร์ ม. หัววัวว่าการทำแท้งคืออะไรน่าจะเป็น?
(2) ถ้า N = 30, M = 8, n = 10, m = 2, ความน่าจะเป็นคือจำนวน?
เรามีวัว M จากประวัติศาสตร์ของการทำแท้งมีวัวใด ๆ ออกมาจากวัว N N ซึ่งมีหัวเมตรได้ว่าประวัติศาสตร์ของเหตุการณ์นี้เป็นความผิดพลาดดังกล่าวโดยตั้งแต่วัวใด ๆ จาก N N วัวออกจากขั้นพื้นฐาน จำนวนรวมของเหตุการณ์เหตุการณ์ที่มีจำนวนของเหตุการณ์ที่เกิดขึ้นขั้นพื้นฐานดังนั้นความน่าจะเป็นของเหตุการณ์ที่ร้องขอ
=
N = 30, M = 8, n = 10, m = 2 ในสมการข้างต้นที่จะให้
== 0.0695
นั่นคือใน 30 วัวในแปดมีประวัติของการคลอดก่อนกำหนด, การสุ่มเลือกจากกลุ่มจาก 10 โคนมซึ่งสองมีประวัติของความน่าจะเป็นของการทำแท้ง 6.95%
คุณสมบัติความน่าจะเป็น
ตามคำนิยามของความน่าจะเป็นความน่าจะเป็นมีคุณสมบัติพื้นฐานดังต่อไปนี้:
1 สำหรับเหตุการณ์ที่มี 0 ≤ P (A) ≤ 1 ใด ๆ
2 ความน่าจะเป็นเหตุการณ์บางอย่างของ 1 นั่นคือ P (Ω) = 1
3 ความน่าจะเป็นเหตุการณ์ที่เป็นไปไม่ได้เป็น 0 คือ P (ф) = 0
เหตุการณ์ความน่าจะเป็นขนาดเล็ก
ความเป็นไปได้ของเหตุการณ์ที่น่าจะเป็นขนาดเล็กโดยไม่ต้องใช้งานได้จริง
หมายถึงความน่าจะเป็นของเหตุการณ์สุ่มเหตุการณ์สุ่มที่เกิดขึ้นในความเป็นไปได้ของการมีขนาดทดลอง ถ้าความน่าจะเป็นของเหตุการณ์สุ่มที่มีขนาดเล็กมากเช่นน้อยกว่า 0.05,0.01,0.001 เรียกว่าเหตุการณ์ที่เกิดขึ้นน่าจะเป็นขนาดเล็ก เหตุการณ์ความน่าจะเป็นขนาดเล็กเหตุการณ์แม้ว่าจะไม่ได้เป็นไปไม่ได้ แต่ในการทดลองไม่น่าจะเกิดขึ้นไม่ปรากฏมีโอกาสมากความจริงที่ว่าสามารถมองเห็นเป็นไปไม่ได้ สถิติความน่าจะเป็นเหตุการณ์เล็ก ๆ ในการพิจารณาคดีเป็นไปไม่ได้ในทางปฏิบัติเป็นเหตุการณ์ที่อ้างถึงความเป็นไปได้ของเหตุการณ์ที่น่าจะเป็นจริงไม่ขนาดเล็กหลักการที่เรียกว่าเป็นทฤษฎีความน่าจะเป็นขนาดเล็ก ความน่าจะเป็นเหตุการณ์ทฤษฎีความน่าจะขนาดเล็กไม่ได้รับการดำเนินการจริงทดสอบสมมติฐานทางสถิติ (ทดสอบอย่างมีนัยสำคัญ) รากฐาน
การกระจายความน่าจะเป็น
น่าจะเป็นของเหตุการณ์ที่เกิดขึ้นแสดงให้เห็นถึงผลของการทดสอบความน่าจะเป็นของขนาดบาง เพื่อให้เข้าใจการทดสอบคุณจะต้องรู้ว่าทั้งหมดผลการทดสอบที่เป็นไปได้และความหลากหลายของความน่าจะเป็นผลลัพธ์ที่เป็นไปได้ว่าการทดลองแบบสุ่มจำเป็นต้องรู้การกระจายความน่าจะเป็น (กระจาย) เพื่อการศึกษาทดลองแบบสุ่มครั้งแรกที่เราแนะนำตัวแปรสุ่ม (ตัวแปรสุ่ม) แนวคิด
ตัวแปรสุ่ม
ดำเนินการทดสอบจำนวนของผลลัพธ์ที่เป็นไปได้ ที่ใช้ได้สำหรับแต่ละจำนวนของผลลัพธ์ที่เป็นไปแสดงเป็นตัวเลขของตัวแปรเหล่านี้ช่วงที่ x, ผลการทดสอบสามารถนำมาใช้เพื่อเป็นตัวแทนของตัวแปร x
[ตัวอย่างเช่น 4.3] 100 สัตว์ป่วยรับการรักษาด้วยยาบางชนิดซึ่งอาจส่งผลให้เป็น "0 รักษา", "รักษา", "2 รักษา", "... ", "100 รายหายเป็นปกติ." ถ้า x เป็นปรกติโดยหมายเลขแรกมีค่าของ x คือ 0, 1, ... , 100
[ตัวอย่างเช่น 4.4] ฟักไข่เพียงสองผลลัพธ์ที่เป็นไปได้คือ "ลูกไก่ฟัก" และ "ไม่ได้ลูกไก่ฟัก." ถ้าตัวแปร x การทดสอบแสดงให้เห็นถึงทั้งสองมีผลจะช่วยให้ "เจี๊ยบฟัก." x = 0 หมายถึง "ลูกนกฟักออกมาไม่ได้", x = 1 หมายถึง
[ตัวอย่างเช่น 4.5] การกำหนดน้ำหนักของสายพันธุ์สุกรแรกเกิดตัวแปร x แสดงให้เห็นถึงผลการวัดที่ถูกนำตัวไปยังช่วงเฉพาะ (A, B) เช่น 0.5-1.5kg, ค่า x ที่อยู่ในช่วงนี้จะเป็นจำนวนจริงใด ๆ
ถ้าผลการทดสอบแสดงให้เห็นว่าตัวแปร x, มีค่าที่จุดนับได้มากที่สุดและการกำหนดความน่าจะเป็นของการเข้าถึงเช่นความหลากหลายของค่าที่แตกต่างกันแล้วเราบอกว่า x เป็นตัวแปรสุ่มที่ไม่ต่อเนื่อง (ตัวแปรสุ่มไม่ต่อเนื่อง); ถ้าผลการทดสอบแสดงให้เห็นว่า ตัวแปร x, ซึ่งมีค่าที่เป็นค่าในช่วงหนึ่ง ๆ และ x ในช่วงของการใด ๆ ภายในช่วงค่าความน่าจะเป็นที่จะถูกกำหนดแล้วเราบอกว่า x เป็นตัวแปรสุ่มแบบต่อเนื่อง (ตัวแปรสุ่มต่อเนื่อง ) หลังจากการแนะนำแนวคิดของตัวแปรสุ่มกระจายความน่าจะเป็นของการวิจัยทดลองแบบสุ่มในการกระจายความน่าจะเป็นเต็มรูปแบบของตัวแปรสุ่มศึกษา
ที่ไม่ต่อเนื่อง
การกระจายความน่าจะเป็นที่ไม่ต่อเนื่องของตัวแปรสุ่ม
|