Standardowy typowy przekaz to zwykły przekaz o średniej zerowej i odchyleniu standardowym wynoszącym 1. Standardowy typowy przekaz koncentruje się na zerze i o tym, jak bardzo dany szacunek odbiega od średniej, świadczy odchylenie standardowe. Dla typowego rozpowszechnienia standardowego 68% postrzegań występuje w 1 odchyleniu standardowym średniej, 95% w dwóch odchyleniach standardowych średniej, a 99,9% w 3 odchyleniach standardowych średniej. W tym miejscu wykorzystujemy “X” do oznaczenia zmiennej intrygi (np., X=BMI, X=wysokość, X=waga). Niemniej jednak, używając standardowego typowego przywłaszczenia, użyjemy “Z”, aby nawiązać do zmiennej w odniesieniu do standardowego zwykłego rozproszenia. Po standaryzacji, BMI=30, o którym mowa na ostatniej stronie, pojawia się pod spodem, leżąc 0,16667 jednostek ponad średnią 0 na standardowym typowym przenośniku po prawej stronie.

Ponieważ region pod standardowym zgięciem = 1, możemy zacząć jeszcze dokładniej charakteryzować prawdopodobieństwa percepcji explicit. Dla niektórych losowych Z-score, możemy zarejestrować strefę pod zakrętem po jednej stronie tego Z-score. Tabela na dole obudowy pokazuje prawdopodobieństwa dla typowego standardowego rozproszenia. Spójrz na tabelę i zauważ, że wynik “Z” wynoszący 0,0 oznacza prawdopodobieństwo 0,50 lub połowę, a wynik “Z” wynoszący 1, co oznacza jedno odchylenie standardowe ponad średnią, oznacza prawdopodobieństwo 0,8413 lub 84%. Wynika to z faktu, że jedno odchylenie standardowe powyżej i poniżej średniej obejmuje około 68% terytorium, a więc jedno odchylenie standardowe powyżej średniej mówi o połowie tego prawdopodobieństwa na poziomie 34%. Wzdłuż tych linii, połowa poniżej średniej, oprócz 34% powyżej średniej, daje nam 84%.

Strefa pod każdym zakrętem jest jedna, ale skalowanie piasty X jest wyjątkowe. Należy pamiętać, że tak czy inaczej, terytoria po jednej stronie biegnącej linii są równoważne. Środki na BMI wahają się od 11 do 47, podczas gdy zwykłe zinstytucjonalizowane rozpowszechnianie, Z, waha się od – 3 do 3. Musimy przetwarzać P(X < 30). W tym celu możemy zdecydować o szacunku Z, który porównuje się do X = 30, a następnie wykorzystać powyższą standardową tabelę zwykłego rozpowszechniania, aby odkryć prawdopodobieństwo lub region pod zakrętem. Towarzyszący przepis zmienia się na X szacunek na wynik Z, dodatkowo nazywany instytucjonalnym wynikiem:

http://sphweb.bumc.bu.edu/otlt/MPH-Modules/BS/BS704_Probability/lessonimages/equation_image110.gif

gdzie μ jest średnią, a σ jest odchyleniem standardowym zmiennej X.

Aby zarejestrować P(X < 30) przeliczamy X=30 na jego wynik porównawczy Z (nazywa się to instytucjonalizacją):

http://sphweb.bumc.bu.edu/otlt/MPH-Modules/BS/BS704_Probability/lessonimages/equation_image111.gif

W ten sposób, P(X < 30) = P(Z < 0,17). Następnie bylibyśmy w stanie przyjrzeć się prawdopodobieństwu porównania tego wyniku Z z typowej standardowej tabeli dyspersji, która pokazuje, że P(X < 30) = P(Z < 0.17) = 0.5675. W ten sposób prawdopodobieństwo, że dojrzały mężczyzna 60 ma BMI poniżej 30 wynosi 56,75%.

Inny model

Korzystając z podobnego przenoszenia dla BMI, jakie jest prawdopodobieństwo, że samiec dojrzały 60 ma BMI przekraczające 35? Co to jest P(X > 35)? Ponownie instytucjonalizujemy:

http://sphweb.bumc.bu.edu/otlt/MPH-Modules/BS/BS704_Probability/lessonimages/equation_image112.gif

Obecnie przechodzimy do standardowej typowej tabeli dyspersji, aby spojrzeć w górę P(Z>1) i dla Z=1,00 stwierdzamy, że P(Z<1,00) = 0,8413. Zauważmy jednak, że tabela konsekwentnie daje prawdopodobieństwo, że Z nie jest dokładnie tym, co zostało wcześniej określone, tzn. daje nam P(Z<1)=0,8413,

Standard normal distribution with vertical line at Z=1. The area to the left of this is 0,8413, and the area to the right is 0.1587.

Dlatego P(Z>1)=1-0,8413=0,1587. Interpretacja: Prawie 16% mężczyzn w wieku 60 lat ma BMI powyżej 35 lat.