Distribuzione Forma funzionale Deviazione standard media
Gaussiano
Se la quantità di occasioni è enorme, a quel punto la capacità di trasporto gaussiana potrebbe essere utilizzata per rappresentare le occasioni fisiche. L’appropriazione gaussiana è una capacità non stop che approssima la precisa diffusione binomiale delle occasioni. Il trasporto gaussiano dimostrato è standardizzato con l’obiettivo che l’intera stima complessiva di x dia una probabilità di 1. L’idea del gaussiano dà una probabilità di 0,683 di essere all’interno di una deviazione standard della media. Il valore medio è a=np dove n è il numero di occasioni e p la probabilità di una qualsiasi stima del numero di x (questa articolazione continua dalla circolazione binomiale). L’articolazione della deviazione standard utilizzata è in aggiunta a quella della diffusione binomiale. La dispersione gaussiana è inoltre generalmente chiamata “convogliamento ordinario” ed è regolarmente rappresentata come una “curva a rintocco”. Se la probabilità di un singolo evento è p = e ci sono n = eventi, allora il valore della funzione di distribuzione gaussiana al valore x = è x 10^. Per queste condizioni, il numero medio di eventi è e la deviazione standard è . Questa figurina è destinata alla valutazione del valore medio e della deviazione standard e ad accertare la stima del lavoro di disseminazione se viene fornito un valore x. Per esempio, nel caso in cui la si utilizzasse per valutare 100 lanci di moneta per la quantità di “teste”, a quel punto la probabilità per un lancio di moneta solitario sarebbe di 0,5 e la stima media delle teste per 100 lanci sarebbe di 50. In ogni caso, la deviazione standard sarebbe 5, quindi si dovrebbe avere una probabilità di 0,683 di avere un numero di teste compreso tra 45 e 55. La probabilità di avere esattamente 50 teste sarebbe di circa 0,08. In ogni caso, nel caso in cui si valuti la stima del lavoro di appropriazione per stime da 45 a 55 e la loro totalità, l’insieme è 0,7295, quindi questo numero di occasioni non è abbastanza enorme perché l’ipotesi gaussiana dia risultati esatti. Eseguendo una simile disposizione di calcoli utilizzando il trasporto binomiale si ottiene un rendimento di 0,7287, quindi nessuna delle due stime per questo esempio di dimensioni si adatta all’ipotetica proiezione gaussiana.