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.
This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Impostazioni dei cookieACCETTARE
Informativa sulla privacy e sui cookie
Privacy Overview
This website uses cookies to improve your experience while you navigate through the website. Out of these cookies, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may have an effect on your browsing experience.
Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.